[发明专利]空调控制系统、空调器的控制方法及装置

说明书

本发明公开了一种空调控制系统、空调器的控制方法及装置。其中，该方法包括：在空调启动后运行的过程中，获取空调所在房间的图像信息；利用基于混合高斯模型的人像定位算法，对空调所在房间的图像信息进行图像处理，确定空调所在房间的图像信息中人像的位置；并利用基于注意力机制的BP神经网络的步态识别算法，对空调所在房间的图像信息中的人像进行分类，得到人像分类结果；从而根据空调所在房间的图像信息中人像的位置，调整空调的送风方式；和/或，根据空调所在房间的图像信息中的人像分类结果，调整空调的工作模式。本发明解决了相关技术中空调器不够智能，无法根据不同用户的需求定制个性化的送风模式，导致用户体验较差的技术问题。

技术领域

本发明涉及智能家电技术领域，具体而言，涉及一种空调控制系统、空调器的控制方法及装置。

背景技术

不同年龄段及不同性别人群对于室内温度及湿度等需求有着一定的差异，目前市面上的空调不能实现依据室内人群年龄及性别特征而改变自身送风方法和工作模式的智能化调控，空调送风强度、送风方向等参数的调节仍依赖于用户自主操作，即使是加入图像识别或语音识别模块的空调，也很难保证其识别算法在复杂情况下对人群年龄和性别分类的准确性。

例如，现有技术中提出了一种基于图像识别和语音识别的空调器智能送风方法，但其仅能对人像的位置信息进行定位识别并调整送风量。又例如，现有技术中还提出了一种利用语音识别定位器和步态识别定位器来确定用户当前所处位置和个人属性，但该方案中只是将从图像信息中提取出的用户步态特征与预存的个人属性进行匹配来确定用户的个人属性，在目标移动、目标衣着变化、目标携带物变化等情况下无法保证人像建模的鲁棒性及识别分类的准确性。

针对上述相关技术中空调器不够智能，无法根据不同用户的需求定制个性化的送风模式，导致用户体验较差的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种空调控制系统、空调器的控制方法及装置，以至少解决相关技术中空调器不够智能，无法根据不同用户的需求定制个性化的送风模式，导致用户体验较差的技术问题。

根据本发明实施例的一个方面，提供了一种空调控制系统，包括：图像采集模块，设置于空调器所在空间，用于采集所述空间的多张图像，并将所述多张图像传输至空调控制模块；所述空调控制模块，与所述图像采集模块通信，在接收到所述多张图像后，将所述多张图像发送至图像处理模块，以利用所述图像处理模块对所述多张图像进行处理；所述图像处理模块，与所述空调控制模块通信，用于在接收到所述多张图像后，对所述多张图像进行处理，得到所述空间中目标对象的位置信息和分类信息，并将与所述位置信息以及所述分类信息对应的运行模式发送至所述空调控制模块，其中，所述位置信息表示所述目标对象与所述空调器的位置关系，所述分类信息表示所述目标对象所属的人群类型；所述空调控制模块，还用于控制所述空调器按照所述运行模式运行。

可选地，所述图像处理模块包括：定位子模块，用于根据所述多张图像获取所述目标对象的所述位置信息，并根据所述位置信息确定所述空调器的送风角度；分类子模块，用于对所述多张图像进行处理，得到所述目标对象的所述分类信息，并确定与所述分类信息对应的运行模式，其中，所述运行模式是与所述目标对象的人群类型对应的模式。

可选地，所述定位子模块使用混合高斯模型对所述多张图像进行处理，得到所述目标对象的位置坐标，并通过质心计算和坐标变换处理对所述位置坐标进行处理，得到所述空调器的所述送风角度，其中，所述混合高斯模型是从对多张样本图像中每一个像素点选择预定数目的高斯分布后，利用所述高斯分布生成的模型。

可选地，所述分类子模块通过步态识别模型对所述多张图像进行处理，得到所述目标对象的所述分类信息，其中，所述步态识别模型是使用多组训练数据对神经网络模型进行训练得到，所述多组训练数据中的每一组均包括：样本图像以及与所述样本图像对应的样本分类信息，所述神经网络模型为基于注意力机制的BP神经网络模型。