[發明專利]控制空氣調節設備輸出溫度的方法及空氣調節設備

有效

• 申請號: 201910370411.2
• 申請日: 2019-05-06
• 公開（公告）號: CN110220275B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 黃智剛;陳翀
• 申請（專利權）人: 珠海格力電器股份有限公司
• 主分類號: F24F11/62
• 分類號: F24F11/62;F24F120/10
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;何嬌

1.一種控制空氣調節設備的輸出溫度的方法，其特征在于，包括如下步驟：

S1、采集所述空氣調節設備正對區域的目標環境圖像；

S2、將采集的所述目標環境圖像輸入到基于深度學習的目標檢測算法網絡中進行人體特征識別，并輸出識別結果；

S3、根據所述識別結果，控制所述空氣調節設備進行輸出溫度調節，當所述識別結果包括人體特征時，計算所述人體特征的體表溫度及人體特征受熱范圍，根據計算結果對空氣調節設備進行輸出溫度調節，其中，所述人體特征包括人臉、手、腳和軀干；

其中，當所述人體特征的體表溫度高于預設的體表溫度舒適范圍區間的上限區間或低于其下限區間時，控制調節所述空氣調節設備的輸出功率；

當所述人體特征受熱范圍高于受熱范圍閾值區間的上限閾值或者低于下限閾值時，控制調節所述空氣調節設備的正對區域的面積。

2.根據權利要求1所述的方法，其特征在于，步驟S3包括：

當所述識別結果不包括人體特征時，對所述空氣調節設備執行自動斷電動作。

3.根據權利要求1或2所述的方法，其特征在于，所述基于深度學習的目標檢測算法網絡是RCNN、Fast-RCNN及Faster-RCNN中的一種。

4.根據權利要求3所述的方法，其特征在于，在所述基于深度學習的目標檢測算法為Faster-RCNN時，步驟S2包括：

S21、將采集的所述目標環境圖像輸入到VGG網絡進行卷積計算，獲得卷積特征圖像；

S22、將所述卷積特征圖像輸入到RPN網絡進行篩選，輸出矩形候選區域；

S23、將所述卷積特征圖像及所述矩形候選區域輸入到池化層中進行分類處理，并將分類處理后的數據輸入到全連接層進行人體特征識別并輸出所述識別結果。

5.根據權利要求4所述的方法，其特征在于，所述Faster-RCNN網絡的訓練庫包括：

網絡庫，所述網絡庫對Faster-RCNN網絡進行權值參數的初始化設置；

自建庫，所述自建庫存儲有已標注完成的人體特征圖像，其用于識別實際的人體特征。

6.根據權利要求5所述的方法，其特征在于，Faster-RCNN網絡的訓練測試步驟包括：

采集所述自建庫中的人體特征訓練樣本；

將所述訓練樣本分別輸入VGG網絡和RPN網絡進行訓練；

將所述訓練樣本輸入Fast-RCNN網絡進行訓練；

重復訓練RPN網絡，并對所述Fast-RCNN網絡進行微調；

采集所述自建庫中的人體特征測試樣本；

將所述人體特征測試樣本輸入Faster-RCNN網絡進行訓練結果的測試。

7.一種能夠控制輸出溫度的空氣調節設備，其特征在于，包括：

環境圖像獲取單元，其用于采集所述空氣調節設備正對區域的目標環境圖像；

控制單元，其用于：

接收所述環境圖像獲取單元發送的所述目標環境圖像；

將所述目標環境圖像輸入到基于深度學習的目標檢測算法中進行人體特征識別，并輸出識別結果，其中，所述人體特征包括人臉、手、腳和軀干；

根據所述識別結果，控制所述空氣調節設備進行輸出溫度調節，當所述識別結果包括人體特征時，計算所述人體特征的體表溫度及人體特征受熱范圍，根據計算結果對空氣調節設備進行輸出溫度調節；

其中，當所述人體特征的體表溫度高于預設的體表溫度舒適范圍區間的上限區間或低于其下限區間時，控制調節所述空氣調節設備的輸出功率；

當所述人體特征受熱范圍高于受熱范圍閾值區間的上限閾值或者低于下限閾值時，控制調節所述空氣調節設備的正對區域的面積。

8.根據權利要求7所述的空氣調節設備，其特征在于，所述控制單元根據所述識別結果控制所述空氣調節設備進行輸出溫度調節，具體包括：

當所述識別結果不包括人體特征時，執行對空氣調節設備的自動斷電動作。