高风制冷下智能识别人体的空调系统及其图像处理方法
【技术领域】
[0001]本发明涉及空调器技术，特别涉及智能空调识别人体的技术。
【背景技术】
[0002]长虹CHiQ空调的发布，颠覆了传统，它基于独特的人体状态感知技术，一方面由硬件定义空调向软件定义空调转变，实现人与空调的互动、设备之间的协同，在保证人体舒适的同时，节能降耗;另一方面从用户需求角度出发，通过多种应用场景模式而不是纯粹的功能来满足用户需求。因此，长虹CHiQ空调颠覆了 “硬件+功能”的传统空调理念，开创了 “软件+应用场景模式”的发展新方向。
[0003]长虹CHiQ空调根据感知识别的人机距离、人群数量、位置等，针对不同区域，自动调整出风方式、风速、风向等参数，动态调整每一个分区的舒适度。更为奇妙的是，人可以在空调风力辐射角度范围内针对特定位置设定VIP个人优先模式，当用户在优先舒适区时，CHiQ会针对性的进行温度、湿度、风速与风向调整，故人体状态智能识别是长虹CHiQ空调最为核心的功能。
[0004]为降低成本，长虹CHiQ空调采用4*16的低分辨率非制冷中红外传感器代替高分比率高成本的红外摄像头，并在一定的算法下实现人体信息识别，其识别方法为:首先当空调器处于智能模式时，对空间进行扫描进行温度采集，对采集的数据按照一定规律进行排列成图像，并进行边缘图像延展，然后对其进行中值滤波，得到中值滤波后的图像，对其进行人体识别，并根据温度与距离的关系得到人与空调器之间的距离。一般地，人体在空调前面呈现三种姿势，即站姿、坐姿、睡姿，目前长虹CHiQ空调对站姿、坐姿很容易进行识别，但由于其采用的外传感器分辨率很低，虽然对常温制冷下的人体信息识别较容易，但在高风制冷时，在图形的两边会出现误识别的情况。
【发明内容】
[0005]本发明的目的是要解决目前高风制冷下智能识别人体时在图形两边会出现误识别的问题，提供了一种高风制冷下智能识别人体的空调系统及其图像处理方法。
[0006]本发明解决其技术问题，采用的技术方案是，高风制冷下智能识别人体的空调系统，包括图像处理模块及红外成像模块，其特征在于，
[0007]所述红外成像模块用于采集温度数据，传输给图像处理模块；
[0008]所述图像处理模块用于将接收到的温度数据按照一定规律进行排列，并对排列好的数据进行列与列之间的插值处理，得到插值后的图像，再对该插值后的图像进行中值滤波，再对中值滤波后的图像进行人体信息识别。
[0009]具体的，所述红外成像模块包括4*16的低分辨率红外传感器及步进电机，所述4*16的低分辨率红外传感器与步进电机连接。
[0010]进一步的，所述红外成像模块在采集温度数据时，是由步进电机带动与其连接的4*16的低分辨率红外传感器按照1°、-1°、-1°、-13°的旋转顺序逐步进行扫描和数据采集。
[0011]具体的，所述对排列好的数据进行列与列之间的插值处理是指:设两列温度数据分别为Al?An及BI?Bn，则在两列温度数据之间插入一列数据为Cl?Cn，其中，若Am>Bm时，Cm= (3*Am+Bm)/4，否则Cm= (Am+3*Bm)/4，其中，ne [ I，16]，m为大于等于I而小于等于η的自然数。
[0012]再进一步的，所述对插值后的图像进行中值滤波是指:仅对插值后的图像中横向上的数据进行中值滤波处理，其计算公式为:g(x)=med{f (x-k)，(keff)}，其中，g(x)为处理后的图像，f(x)为原始图像，W为一维滑动模板，其取值范围为1*21的区域。
[0013]具体的，所述一维滑动模板是不断变化的，能够将所排列的数据按照值的大小进行排序，生成单调上升的一维数据序列。
[0014]高风制冷下智能识别人体的图像处理方法，其特征在于，包括以下步骤:
[0015]步骤1、进行温度数据采集；
[0016]步骤2、对采集的温度数据按照一定规律进行排列，并对排列好的数据进行列与列之间的插值处理，得到插值后的图像；
[0017]步骤3、对插值后的图像进行中值滤波，再对中值滤波后的图像进行人体信息识别。
[0018]具体的，步骤I中，所述温度数据采集的方法为:采用步进电机带动与其连接的4*16的低分辨率红外传感器按照1°、-1°、-1°、-13°的旋转顺序逐步进行扫描和数据采集。
[0019]进一步的，步骤2中，所述对排列好的数据进行列与列之间的插值处理的方法为:设两列温度数据分别为Al?An及BI?Bn，则在两列温度数据之间插入一列数据为Cl?Cn，其中，若Am>Bm时，Cm= (3*Am+Bm)/4，否则Cm = (Am+3*Bm)/4，其中，ne [I，16]，m为大于等于I而小于等于η的自然数。
[0020]具体的，步骤3中，所述对插值后的图像进行中值滤波是指:仅对插值后的图像中横向上的数据进行中值滤波处理，其计算公式为:g(x) =med{f (x-k)，(1^￡评)}，其中^(1)为处理后的图像，f(x)为原始图像，W为一维滑动模板，其取值范围为1*21的区域。
[0021]本发明的有益效果是，在本发明方案中，通过上述高风制冷下智能识别人体的空调系统及其图像处理方法，在进行中值滤波前进行了列与列之间的插值处理替代了现有技术中的图像边缘延展的方式，有效减少了误识别率。
【附图说明】
[0022]图1为本发明高风制冷下智能识别人体的空调系统的系统框图。
【具体实施方式】
[0023]下面结合附图及实施例，详细描述本发明的技术方案。
[0024]本发明的高风制冷下智能识别人体的空调系统由图像处理模块及红外成像模块组成，其系统框图参见图1，其中，红外成像模块用于采集温度数据，传输给图像处理模块；图像处理模块用于将接收到的温度数据按照一定规律进行排列，并对排列好的数据进行列与列之间的插值处理，得到插值后的图像，再对该插值后的图像进行中值滤波，再对中值滤波后的图像进行人体信息识别。
[0025]本发明的高风制冷下智能识别人体的图像处理方法为:首先进行温度数据采集，再对采集的温度数据按照一定规律进行排列，并对排列好的数据进行列与列之间的插值处理，得到插值后的图像，然后对插值后的图像进行中值滤波，再对中值滤波后的图像进行人体信息识别。
[0026]实施例
[0027]本发明实施例的高风制冷下智能识别人体的空调系统由图像处理模块及红外成像模块组成，其系统框图参见图1，其中，红外成像模块用于采集温度数据，传输给图像处理模块；图像处理模块用于将接收到的温度数据按照一定规律进行排列，并对排列好的数据进行列与列之间的插值处理，得到插值后的图像，再对该插值后的图像进行中值滤波，再对中值滤波后的图像进行人体信息识别。
[0028]本例中，红外成像模块采用4*16的低分辨率红外传感器，还包括步进电机，4*16的低分辨率红外传感器与步进电机连接，其优势在于相对于高分辨率高成本的红外摄像头，成本低廉，可有效降低空调系统的整体成本，红外成像模块在采集温度数据时，是由步进电