本发明涉及智能家居领域，尤其涉及一种高适应性除尘型智能家居装置。
背景技术：
智能家居是在互联网影响下物联化的体现。智能家居通过物联网技术将家中的各种设备(如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、影音服务器、影柜系统、网络家电等)连接到一起，提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。与普通家居相比，智能家居不仅具有传统的居住功能，兼备建筑、网络通信、信息家电、设备自动化，提供全方位的信息交互功能，甚至为各种能源费用节约资金。
目前，在生活中，智能家居已经越来越进入人们的生活、饮食、卫生等各个领域，而随着技术水平的发展，多种智能家居设备也随之升级换代，而目前而言，随着生活节奏的加快，也出现了很多智能家务型家居设备，取代原有的手动家务的模式，例如智能洗碗机、智能扫地机等等，而大大方便了人们的生活。
室内空气环境是否良好直接关系到每个人的健康，家用空气净化器一般体积较小，空气在净化器内停留的时间较短，净化效果受到很大制约，风速大时尤其如此。
技术实现要素：
为了解决上述问题，本发明提供了一种高适应性除尘型智能家居装置，在高效率、高精度的图像识别模式的基础上，获取识别到的子图像，并基于所述子图像检测对应的落灰程度，并在落灰程度超限时，发出除尘报警信号，否则，发出窗户正常信号，更为关键的是，还引入了自动除尘设备，用于在接收到所述除尘报警信号时，基于接收到的落灰程度确定对所述子图像对应的窗户的除尘力度。
本发明至少具有以下四个重要发明点：
(1)通过先均匀分割图像的方式对每一个分割后的区域进行参数提取和参数判别，以确定是否包含目标，并将包含目标的所有区域拼接以进行最终的目标识别，从而减少了运算量；
(2)将子区域的像素点的Y分量与子区域的Y分量均值相减的结果的作为该像素点的差值，并将出现频率最高的差值以及最大差值和最小差值，将所述出现频率最高的差值作为纹理高度，将所述最大差值减去所述最大差值获得的结果作为像素值跨度，从而获取了对像素值分布情况有代表性的参考数据；
(3)搭建平台实现基于接收到的落灰程度确定对所述窗户子图像对应的窗户的除尘力度，从而提高了对窗户的自动除尘效果；
(4)通过对水平设置的两个摄像头分别获得左侧景物图像和右侧景物图像的视差分析，确定前方景物中主要目标距离摄像头的距离，以相应调节两个摄像头的焦距，并将两个摄像头拍摄的图像进行组合，以获得高清晰化的大视野图像。
根据本发明的一方面，提供了一种高适应性除尘型推拉窗，所述推拉窗包括：
SD存储设备，用于存储预设分割模式、第一高度阈值、第二高度阈值以及深度神经网络识别模式的各个神经网络参数；
双摄像头组件，设置在推拉窗框体对面的墙壁上，包括水平设置的两个摄像头，用于对推拉窗框体所在位置进行拍摄，以分别获得左侧景物图像和右侧景物图像；
视差分析设备，与所述双摄像头组件的两个摄像头分别连接，所述视差分析设备用于接收所述左侧景物图像和所述右侧景物图像，并将所述左侧景物图像划分为多个分割区域；所述视差分析设备还基于每一个分割区域在所述右侧景物图像寻找匹配内容的相似区域，以及所述视差分析设备将左侧景物图像中每一个分割区域与其在右侧景物图像中相似区域的坐标偏移作为区域偏移量，基于所述左侧景物图像的各个区域偏移量确定所述左侧景物图像和所述右侧景物图像之间的视差；
焦距调节设备，分别与所述双摄像头组件和所述视差分析设备连接，所述焦距调节设备用于基于所述视差确定所述左侧景物图像或所述右侧景物图像中拍摄的主要目标距离所述双摄像头组件的距离，并基于所述距离对所述两个摄像头进行焦距调节。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的高适应性除尘型推拉窗的推拉窗框体的结构示意图。
具体实施方式
下面将参照附图对本发明的高适应性除尘型推拉窗的实施方案进行详细说明。
随着全球建筑节能要求越来越严格，办公和住宅环境密闭性越来越好，仅仅靠自然通风和开窗通风，己经无法满足人们对于室内空气质量IAQ空气品质的要求。国内外专家对不同建筑的室内空气品质调查发现，大约建筑中53％的室内空气存在品质问题。部份住宅和办公环境开窗后也不能实现空气对流，室内空气不断受到污染。
污浊的空气里不仅氧气少，二氧化碳多，而且还有病菌、有害气体，阳离子的浓度比室外多几倍到几十倍。人们在通风不良的房间里生活，会感到头昏脑胀，精神萎靡，甚至还可能患感冒等呼吸系统疾病。
因此，当前对自动窗的设计，例如对自动推拉窗的设计，集中在对各种气体浓度检测以及基于上述检测结果的自动窗体控制上，而对应经常出现的落灰情况以及基于落灰情况的自适应窗体打扫，现有技术中并没有涉及。
为了解决上述问题，本发明提供了一种高适应性除尘型智能家居装置，具体涉及一种高适应性除尘型推拉窗，在高效率、高精度的图像识别模式的基础上，获取识别到的窗户子图像，并基于所述窗户子图像检测对应的落灰程度，并在落灰程度超限时，发出除尘报警信号，否则，发出窗户正常信号，更为关键的是，还引入了自动除尘设备，用于在接收到所述除尘报警信号时，基于接收到的落灰程度确定对所述窗户子图像对应的窗户的除尘力度。
图1为根据本发明实施方案示出的高适应性除尘型推拉窗的推拉窗框体的结构示意图。
其中，所述推拉窗框体包括多个推拉窗页2、一个窗框1和一个手动控制开关3，所述手动控制开关用于控制所述推拉窗框体的推拉操作的使能和禁止。
根据本发明实施方案的高适应性除尘型推拉窗包括：
推拉窗框体，结构如图1所示，被嵌入在墙壁内；
SD存储设备，用于存储预设分割模式、第一高度阈值、第二高度阈值以及深度神经网络识别模式的各个神经网络参数；
双摄像头组件，设置在推拉窗框体对面的墙壁上，包括水平设置的两个摄像头，用于对推拉窗框体所在位置进行拍摄，以分别获得左侧景物图像和右侧景物图像。
接着，继续对本发明的高适应性除尘型推拉窗的具体结构进行进一步的说明。
在所述高适应性除尘型推拉窗中，还包括：
视差分析设备，与所述双摄像头组件的两个摄像头分别连接；
其中，所述视差分析设备用于接收所述左侧景物图像和所述右侧景物图像，并将所述左侧景物图像划分为多个分割区域。
在所述高适应性除尘型推拉窗中：
所述视差分析设备还基于每一个分割区域在所述右侧景物图像寻找匹配内容的相似区域，以及所述视差分析设备将左侧景物图像中每一个分割区域与其在右侧景物图像中相似区域的坐标偏移作为区域偏移量，基于所述左侧景物图像的各个区域偏移量确定所述左侧景物图像和所述右侧景物图像之间的视差。
在所述高适应性除尘型推拉窗中，还包括：
焦距调节设备，分别与所述双摄像头组件和所述视差分析设备连接；
所述焦距调节设备用于基于所述视差确定所述左侧景物图像或所述右侧景物图像中拍摄的主要目标距离所述双摄像头组件的距离，并基于所述距离对所述两个摄像头进行焦距调节。
在所述高适应性除尘型推拉窗中，还包括：
图像组合设备，与所述焦距调节设备和所述双摄像头组件连接；
其中，所述图像组合设备用于在所述焦距调节设备完成焦距调节后，将所述两个摄像头分别获得左侧景物图像和右侧景物图像进行组合以获得并输出实时组合图像。
在所述高适应性除尘型推拉窗中，还包括：
图像均分设备，与所述图像组合设备连接，用于接收实时组合图像，并基于预设分割模式将所述实时组合图像均分成多个子区域，所述预设分割模式为水平分割模式、垂直分割模式、水平分割垂直分割结合模式以及三角形分割模式；
第一参数获取设备，与所述图像均分设备连接，用于接收所述多个子区域，并对每一个子区域进行以下处理：基于子区域的各个像素点的Y分量计算子区域的Y分量均值，确定子区域的像素点的数量；
第二参数获取设备，分别与所述第一参数获取设备和所述图像均分设备连接，用于接收所述多个子区域以及接收每一个子区域的Y分量均值和像素点的数量，还用于对每一个子区域进行以下处理：将子区域的像素点的Y分量与子区域的Y分量均值相减的结果的作为该像素点的差值，将子区域的各个像素点的差值进行比较，以获得出现频率最高的差值以及最大差值和最小差值，将所述出现频率最高的差值作为纹理高度，将所述最大差值减去所述最大差值获得的结果作为像素值跨度；
参数匹配设备，用于在所述多个子区域中，将所述纹理高度小于等于第一高度阈值且所述像素值跨度小于等于第二高度阈值的子区域作为窗户区域，将所述纹理高度大于第一高度阈值或所述像素值跨度大于第二高度阈值的子区域作为非窗户区域，并输出一个或多个窗户区域；
区域拼合设备，与所述参数匹配设备连接，用于接收所述一个或多个窗户区域，并对所述一个或多个窗户区域进行拼合处理以获得拼合区域，去除拼合区域中的孤立区域以获得目标区域；
窗户检测设备，与所述区域拼合设备连接，用于接收所述目标区域，并采用深度神经网络识别模式判断所述目标区域中各个像素是否为窗户像素，将检测到的各个窗户像素组成窗户子图像；
落灰程度检测设备，与所述窗户检测设备连接，用于接收所述窗户子图像，并基于所述窗户子图像检测对应的落灰程度，并在落灰程度超限时，发出除尘报警信号，否则，发出窗户正常信号；
自动除尘设备，与所述落灰程度检测设备连接，用于在接收到所述除尘报警信号时，基于接收到的落灰程度确定对所述窗户子图像对应的窗户的除尘力度；
其中，所述视差分析设备基于所述左侧景物图像的各个区域偏移量确定所述左侧景物图像和所述右侧景物图像之间的视差包括：将各个区域偏移量中出现频率最高的区域偏移量作为所述左侧景物图像和所述右侧景物图像之间的视差。
在所述高适应性除尘型推拉窗中：
所述SD存储设备分别与所述窗户检测设备、所述参数匹配设备和所述图像均分设备连接。
以及在所述高适应性除尘型推拉窗中：
所述自动除尘设备基于接收到的落灰程度确定对所述窗户子图像对应的窗户的除尘力度包括：接收到的落灰程度越大，确定的除尘力度越强。
另外，在所述高适应性除尘型推拉窗中，采用不同的SOC芯片来分别实现所述第一参数获取设备、所述第一参数获取设备、所述参数匹配设备以及所述区域拼合设备。System on Chip，简称SOC，也即片上系统。从狭义角度讲，它是信息系统核心的芯片集成，是将系统关键部件集成在一块芯片上；从广义角度讲，SoC是一个微小型系统，如果说中央处理器(CPU)是大脑，那么SOC就是包括大脑、心脏、眼睛和手的系统。国内外学术界一般倾向将SOC定义为将微处理器、模拟IP核、数字IP核和存储器(或片外存储控制接口)集成在单一芯片上，它通常是客户定制的，或是面向特定用途的标准产品。
SOC定义的基本内容主要在两方面：其一是它的构成，其二是它形成过程。系统级芯片的构成可以是系统级芯片控制逻辑模块、微处理器/微控制器CPU内核模块、数字信号处理器DSP模块、嵌入的存储器模块、和外部进行通讯的接口模块、含有ADC/DAC的模拟前端模块、电源提供和功耗管理模块，对于一个无线SoC还有射频前端模块、用户定义逻辑(它可以由FPGA或ASIC实现)以及微电子机械模块，更重要的是一个SOC芯片内嵌有基本软件(RDOS或COS以及其他应用软件)模块或可载入的用户软件等。
采用本发明的高适应性除尘型推拉窗，针对现有技术中缺乏自动除尘推拉窗的技术问题，通过立体图像采集获得的左侧景物图像和右侧景物图像，确定调焦策略以获得高清洗的采集图像，通过玻璃的纹理特性准确识别的推拉窗的位置，尤为重要的是，还通过对推拉窗的落尘程度的检测确定推拉窗的自动除尘力度。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。