风扇的控制方法、装置和风扇与流程

本发明涉及智能电器领域，具体而言，涉及一种风扇的控制方法、装置和风扇。

背景技术：

电风扇简称风扇，也称电扇、扇风机，是一种利用电动机驱动扇叶旋转，来达到使空气加速流通的家用电器，主要用于清凉解暑和流通空气，广泛用于家庭、办公室、商场、医院、教室和宾馆等场所。

现有的风扇的控制机构包括：调速开关、定时旋钮、摇头开关、照明灯开关等，上述任意一种类型的控制机构多以按键或者旋转开关的形式安装在风扇上，用户可以根据手动控制按键或者旋转开关，来控制风扇的开启和关闭、出风速度、是否摇头等。但是，通过人工手动控制风扇的方式存在操作不便的问题，智能化程度不高，无法满足用户的需求。

针对上述现有的手动控制风扇的方式操作不便，智能化程度不高的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种风扇的控制方法、装置和风扇，以至少解决现有的手动控制风扇的方式操作不便，智能化程度不高的技术问题。

根据本发明实施例的一个方面，提供了一种风扇的控制方法，包括：获取目标对象的手势图像；使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态。

进一步地，上述控制指令中携带有上述风扇的摇头角度；依据上述控制指令调整上述风扇的运行状态，包括：依据上述控制指令中携带的上述风扇的摇头角度调整上述风扇的摇头角度。

进一步地，依据上述控制指令调整上述风扇的运行状态之后，上述方法还包括：获取上述目标对象的移动规律；在上述移动规律指示在预设活动区域内移动时，控制上述风扇减小上述风扇的摇头角度；在上述移动规律指示上述目标对象移动至上述预设活动区域之外时，控制上述风扇增大上述风扇的摇头角度。

进一步地，上述目标对象为多个；依据上述控制指令调整上述风扇的运行状态，包括：从多个上述目标对象中确定指定目标对象；依据上述指定目标对象对应的控制指令调整上述风扇的运行状态；确定与多个上述目标对象对应的摇头角度，得到多个摇头角度；按照为多个上述目标对象分配的权重确定上述多个摇头角度对应的权重；并按照上述多个摇头角度的权重共同确定调整上述风扇所依据的摇头角度。

进一步地，从多个上述目标对象中确定指定目标对象，包括：确定多个上述目标对象的身份信息；依据上述身份信息确定多个上述目标对象的优先级；依据多个上述目标对象的优先级，选择优先级最高的目标对象作为上述指定目标对象。

进一步地，获取目标对象的手势图像之前，上述方法还包括：获取上述目标对象的脸部图像；基于上述脸部图像对上述目标对象进行身份认证；并在验证通过时，触发获取上述目标对象的手势图像。

进一步地，上述目标对象的手势图像包括：上述目标对象的多个手势图像，其中，上述多个手势图像为采集上述目标对象的视频序列中的连续的多个关键帧得到的图像；使用第一模型对上述手势图像进行分析，包括：将上述多个手势图像的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

根据本发明实施例的另一方面，还提供了一种风扇，包括：图像采集装置，用于获取目标对象的手势图像；处理器，用于使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态。

根据本发明实施例的另一方面，还提供了一种风扇的控制装置，包括：获取模块，用于获取目标对象的手势图像；确定模块，用于使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；调整模块，用于依据上述控制指令调整上述风扇的运行状态。

根据本发明实施例的另一方面，还提供了一种存储介质，上述存储介质包括存储的程序，其中，在上述程序运行时控制上述存储介质所在设备执行上述的风扇的控制方法。

在本发明实施例中，采用智能控制的方式，通过获取目标对象的手势图像；使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态，达到了根据用户手势智能化控制风扇的目的，从而实现了提高风扇的智能化程度，增强用户体验感的技术效果，进而解决了现有的手动控制风扇的方式操作不便，智能化程度不高的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的风扇的控制方法的步骤流程图；

图2是根据本发明实施例的一种可选的风扇的控制方法的步骤流程图；

图3是根据本发明实施例的一种风扇的结构示意图；

图4是根据本发明实施例的一种风扇的控制装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

首先，为方便理解本发明实施例，下面将对本发明中所涉及的部分术语或名词进行解释说明：

像素：是计算机屏幕上所能显示的最小单位，用来表示图像的单位，指可以显示出的水平和垂直像素的数组，屏幕中的像素点越多，画面的分辨率越高，图像就越细腻和逼真；像素点：指像素的数值。

二值化：是指对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，可以简单的分为前景与背景，先对彩色图进行处理，使图片只有前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图了。

CNN：卷积神经网络，是指描述了对输入图像的操作，输出一组描述图像内容的分类或分类的概率，即对输入的图像进行识别，以输出图像中的对象的概率；通过一系列卷积层级建构出更为抽象的概念，包括建立多个神经元，并建立对应的输入层和输出层，从而将输入的节点通过神经元不断关联，得到优化对象，一般会包括卷积层、过滤层，通过前向传导、损失函数、后向传导、以及函数更新作为一个学习周期，对每一训练图片，程序将重复固定数目的周期过程，以不断优化训练学习结果。

以图搜图：是指在获取到图像后，通过深度学习对结果进行排序，并通过用户记录的三元组数据(查询图片、点击图片和未点击图片)来训练模型的排序损失函数，从而得到排序结果，在输入一张图像后，模型会自动检测出主体，然后按照排序分数高低排出相关对象的结果。

迁移学习：实质是图像匹配，通过迁移学习将模型应用在各个领域中，具体是数据库中的图片的矢量表示X通过线性变换迁移到别的领域的图像X1上，通过引用随机傅里叶函数，将迁移变换转变为非线性函数，然后得到需要的图像。

朴素贝叶斯：是指给一张图片，可以返回对象分类，将图片识别作为一个简单的态度，以得到相应的对象。

决策树：是指根据特征进行分类，每个节点提出一个问题，将数据分为两类，并继续提问，这些问题是在已有的数据上学习训练的，以在投入新数据时，根据数据所在的树上的问题，将数据划分到对应的叶子上。

深度学习：是机器学习中一种基于对数据进行表征学习的方法，概念源于人工神经网络的研究，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，含多隐层的多层感知器就是一种深度学习结构。

KNN算法：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。

实施例1

根据本发明实施例，提供了一种风扇的控制方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的风扇的控制方法的步骤流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取目标对象的手势图像；

步骤S104，使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；

步骤S106，依据上述控制指令调整上述风扇的运行状态。

在本发明实施例中，采用智能控制的方式，通过获取目标对象的手势图像；使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态，达到了根据用户手势智能化控制风扇的目的，从而实现了提高风扇的智能化程度，增强用户体验感的技术效果，进而解决了现有的手动控制风扇的方式操作不便，智能化程度不高的技术问题。

可选的，上述目标对象可以为用户，但不限于人类，例如，随着人工智能的发展，智能机器人也可以代替人类，完成清洁卫生、洗衣烧饭等家务，仿真类机器人也可以根据本申请上述实施例所提供的方法步骤，实现对风扇的调节控制。

在一种可选的实施例中，上述控制指令中携带有上述风扇的摇头角度；依据上述控制指令调整上述风扇的运行状态，包括：依据上述控制指令中携带的上述风扇的摇头角度调整上述风扇的摇头角度。

需要说明的是，上述运行状态可以为但不限于：风扇的摇头角度、风扇的风量。

其中，上述风扇的摇头角度、风扇的风量，均可以根据风扇的类型(吊扇、台扇、落地扇、顶扇、换气扇、空调扇等类型)进行预先区分设置。

在获取目标对象的手势图像之前，本申请还提供了如下可选的实施方式，也即，获取上述目标对象的脸部图像；基于上述脸部图像对上述目标对象进行身份认证；并在验证通过时，触发获取上述目标对象的手势图像。

为了实现智能化控制风扇，避免非目标对象(例如，入侵者或者尚无行为能力的小孩)误操作控制风扇，作为一种可选的实施方式，可以预先在数据库中存储上述目标对象的人脸特征信息。

并且，在获取上述目标对象的脸部图像之后，从脸部图像中提取人脸特征信息；将上述人脸特征信息与数据库中预存的人脸特征信息进行比对，进而可以基于提取出的人脸特征信息识别上述目标对象的用户身份。

本申请实施例中，可以在设置有上述风扇的房间内的指定区域设置一个或多个图像采集装置，(例如，摄像头)，以采集目标对象的手势图像，本申请中对于摄像头的设置位置不作具体限定，例如，图像采集装置可以设置在风扇上，例如，可以设置在风扇的支撑杆上。

通过设置在不同位置的摄像头，可以分别采集风扇所在区域的目标对象的手势图像，需要说明的是，在采集目标对象的手势图像时，可以是每隔预设时间段(例如，每隔一分钟)拍摄或录制一次图像，上述目标对象的手势图像包括：上述目标对象的多个手势图像，其中，上述多个连续的手势图像为采集上述目标对象的视频序列中的连续的多个关键帧得到的图像。

此外，在本申请所提供的实施例中，本申请可以通过如下可选方式使用第一模型对上述手势图像进行分析，也即，将上述多个手势图像的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

需要说明的是，组合上述多个手势图像的方式可以包括但不限于：拼接、去掉两者重复部分图像等方式，例如，可以利用深度学习或者KNN算法，将上述多个手势图像中存在相同特征的图像信息滤除，以得到存在差异的特征信息。

需要说明的是，本申请中对于拍摄的图像的类别不做限定，包括但不限于：黑白图像(灰度图像)、彩色图像(RGB图像)。在分析图像时，可以根据二值化图像处理方式分析图像中的信息，具体的，在分析时，可以对图像中多个像素点与历史图像中的像素点位置进行比较，以确定出存在差异的像素点，然后将存在差异的像素点区分出来，得到图像中是否存在目标对象的手势图像。

在一种可选的实施例中，本申请所提供的实施方案，可以将一个或多个摄像头分别与风扇、服务器和用户家庭的网关设备建立网络连接，在获取上述目标对象的手势图像之后，可以将上述手势图像发送至互联的数据库中进行存储，以方便服务器对手势图像进行分析处理，进而实现有效对风扇进行控制。需要说明的是，上述网关设备可以包括但不限于：无线网卡、蓝牙、Wi-Fi等。

作为一种可选的实施方式，本申请可以预先在服务器或者数据库中预先存储预定模板图像，例如，预先拍摄一张目标对象的手势图像，将该图像作为预定模板图像。

需要说明的是，本申请对于预存的预定模板图像不作具体限定，可以为但不限于为任意一个风扇中都预存一份(一张或者多张)预定模板图像，以用于和之后获取到的图像信息进行比较，但是由于一个区域内可能设置有多个风扇，例如，多个风扇利用互联网络进行通信，进而可以协同或者分工进行吹风和/或摇头，因此，可以在与上述多个风扇存在连接关系的数据库中预存一份预定模板图像。

在获取得到上述手势图像之后，可以将手势图像与预定模板图像进行比较，从而分析出差异，依据差异确定上述手势图像对应的控制指令。其中，预定模板图像中可以包括多个信息，可以包括但不限于：向上滑动、向下滑动、向左滑动、向右滑动、滑动画圆、滑动画三角形等信息，将预定模板图像中的多个信息进行分析，并将预定模板图像和模板图像信息存储在上述第一模型中，以用于之后对拍摄到的目标对象的手势图像进行分析。

需要说明的是，本申请对目标对象的手势图像对应的控制指令并不作具体限定，可以在风扇的数据库中预先设置有手势图像对应的控制指令，为尊重用户的个性化差异，用户可以根据个人生活习惯和偏好进行调整和设置，进而可以提高风扇的智能化程度，增强用户体验感。

其中，在分析当前拍摄的目标对象的手势图像与预定模板图像的差异时，可以通过二值化处理方式对图像进行预处理，以提取出图像中存在明显差异的地方。在二值化处理时，可以分析图像中的各个像素点所在的像素差异和颜色差异，从而确定出整体的图像存在的差异。

在一种可选的实施方式中，在获取到的用户的手势图像为向上(向下)滑动时，可以预设该手势对应的控制指令为增大(减小)风量，则相对于之前的风扇的运行档位，提高(降低)一个档位，以实现增大(减小)风量的控制。

在一种可选的实施方式中，在获取到的用户的手势图像为向左滑动时，可以预设该手势对应的控制指令为开启风扇，如果当前的风扇处于关闭状态，则控制开启风扇的启动开关，或打开风扇的电源开关。

作为一种可选的实施方式，上述数据库或者服务器可以预先存储预定模板图像中预先存储的多个特征信息，从而在分析获取得到的目标对象的手势图像与预定模板图像的差异时，可以通过比较特征信息来确定出存在差异之处。

其中，可以利用CNN算法，从拍摄到的图像信息中提取出目标对象的手势图像特征信息，在提取时，可以将图像中输入至神经网络中，以通过建立相应的神经元，并根据神经元之间的预设函数(如Sigmoid函数)确定图像特征和图像特征映射，从而根据确定的特征映射，输出图像的多个特征。

另外，在分析图像差异时，可以采用深度学习，建立第一模型之后，再次进行用户身份特征和用户特征提取时，可以利用以图搜图的方法搜索数据库中与当前拍摄图像相似的图像，并提取出目标对象的手势图像特征信息，此外，还可以使用朴素贝叶斯算法提取目标对象的手势图像特征信息。

在分析图像中的目标对象时，可以利用深度学习或者KNN算法，将图像信息中存在相同特征的图像信息滤除，以得到存在差异的特征信息，进而得到目标对象的手势图像与模板图像的差异信息。

本申请在分析目标对象的手势图像时，可以但不限于采用以图搜图的方式，将模型中与当前图像有相似特征的图像提取出来，并通过迁移学习算法，确定出最接近的图像。而在确定手势图像对应的控制指令，并依据上述控制指令控制上述风扇执行与上述控制指令对应的动作时，可以通过KNN算法提取出上述控制指令对应的风扇执行的动作，进而可以控制风扇自动调节运行状态。

在建立上述第一模型时，可以通过历史时间段中拍摄的目标对象的手势图像和图像信息所对应的控制指令，指示目标对象的手势图像标签。在拍摄的图像信息中可以着重提取包含手势运动时的视频序列的图像信息，并将对应的目标对象的手势图像标签和图像信息所对应的控制指令存储在数据库中，以让机器学习训练，从而在拍摄到最新的手势图像之后，可以根据输入的手势图像，分析出该手势图像对应的控制指令，进而依据该控制指令控制上述风扇执行对应的动作。

另外，可以建立每个用户或家庭对应设置的风扇调整参数，并将参数数据和用户身份相匹配存在数据库中，并建立一个数据模型，以在确定出用户身份信息后，提取对应的风扇调整参数，从而可以有效调节控制风扇，增强用户的体验感。

作为一种可选的实施方式，如图2所示，依据上述控制指令调整上述风扇的运行状态之后，上述方法还包括：

步骤S202，获取上述目标对象的移动规律；

步骤S204，在上述移动规律指示在预设活动区域内移动时，控制上述风扇减小上述风扇的摇头角度；

步骤S206，在上述移动规律指示上述目标对象移动至上述预设活动区域之外时，控制上述风扇增大上述风扇的摇头角度。

其中，可以通过上述图像采集装置，获取上述目标对象的移动规律，上述预设活动区域可以为根据风扇所在区域向外辐射的区域，例如，风扇方圆1m之内的区域。

在一种可选的实施例中，如果获取到的上述移动规律指示当前目标对象在风扇方圆1m之内的区域活动，则可以控制风扇减小上述风扇的摇头角度；如果上述移动规律指示当前目标对象在风扇方圆1m之外的区域活动，则可以控制风扇增大上述风扇的摇头角度，进而可以实现智能化的控制风扇调整摇头角度，并且，上述智能控制风扇的方式还可以实现在用户活动区域相对稳定且移动范围小的情况下，减少资源的消耗。

在一种可选的实施例中，上述目标对象可以为多个；依据上述控制指令调整上述风扇的运行状态，包括：从多个上述目标对象中确定指定目标对象；依据上述指定目标对象对应的控制指令调整上述风扇的运行状态；确定与多个上述目标对象对应的摇头角度，得到多个摇头角度；按照为多个上述目标对象分配的权重确定上述多个摇头角度对应的权重；并按照上述多个摇头角度的权重共同确定调整上述风扇所依据的摇头角度。

在一种可选的实施例中，从多个上述目标对象中确定指定目标对象，包括：确定多个上述目标对象的身份信息；依据上述身份信息确定多个上述目标对象的优先级；依据多个上述目标对象的优先级，选择优先级最高的目标对象作为上述指定目标对象。

需要说明的是，上述目标对象的优先级，可以为预设的优先级，也可以是根据目标对象的身份信息，实时为目标对象分配的优先级。

为了增强用户使用风扇的体验感，可以根据控制风扇的多个目标对象的身份信息，确定多个目标对象的优先级，例如，如果本申请所提供的上述风扇所在的区域，有房屋主人、保姆和宠物，可以设置房屋主人的优先级高于保姆的优先级，保姆的优先级高于宠物的优先级，此时房屋主人拥有控制风扇的最高优先级；因此可以将房屋主人作为制定的目标对象，从而可以有针对性且智能化的控制风扇的运行状态。

由于优先级最高的指定目标对象可以对风扇的运行状态进行控制，可以保障优先级较高用户的使用体验感，此外，也应该兼顾考虑房间内的其他用户的使用体验感，本申请还确定与多个上述目标对象对应的摇头角度，得到多个摇头角度；按照为多个上述目标对象分配的权重确定上述多个摇头角度对应的权重；并按照上述多个摇头角度的权重共同确定调整上述风扇所依据的摇头角度。

作为一种可选的实施例，在为多个上述目标对象分配的权重时，可以根据用户的生活习惯和个性化需求进行设置和调整，例如，由于老人和小孩对气温的上升和下降较为敏感，因此，在为多个上述目标对象分配的权重时，老人和小孩的权重可以适当性的设置的大一些，进而可以实现智能化控制，增强用户体验感。

通过本申请上述实施例，可以实现有效提高用户控制风扇的准确性和高效性，增强用户的使用体验，从而可以智能化控制风扇的运行状态，减少能源的消耗。

实施例2

本发明实施例还提供了一种用于实施上述风扇的控制方法的风扇，图3是根据本申请实施例的一种风扇的结构示意图，如图3所示，上述风扇，包括：图像采集装置30和处理器32，其中，

图像采集装置30，用于获取目标对象的手势图像；处理器32，用于使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态。

需要说明的是，上述实施例1中的任意一种风扇的控制方法，均可以在本实施例所提供的风扇中执行或实现。

此外，仍需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

实施例3

本发明实施例还提供了一种用于实施上述风扇的控制方法的装置，图4是根据本发明实施例的一种风扇的控制装置的结构示意图，如图4所示，上述风扇的控制装置，包括：获取模块40、确定模块42和调整模块44，其中，

获取模块40，用于获取目标对象的手势图像；确定模块42，用于使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；调整模块44，用于依据上述控制指令调整上述风扇的运行状态。

此处需要说明的是，上述获取模块40、确定模块42和调整模块44对应于实施例1中的步骤S102至步骤S106，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。

需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

上述的风扇的控制装置还可以包括处理器和存储器，上述获取模块40、确定模块42和调整模块44等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本申请实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质包括存储的程序，其中，在上述程序运行时控制上述存储介质所在设备执行上述任意一种风扇的控制方法。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

本申请实施例还提供了一种处理器。可选地，在本实施例中，上述处理器用于运行程序，其中，上述程序运行时执行上述任意一种风扇的控制方法。

本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标对象的手势图像；使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态。

可选地，上述处理器执行程序时，还可以依据上述控制指令调整上述风扇的运行状态，包括：依据上述控制指令中携带的上述风扇的摇头角度调整上述风扇的摇头角度。

可选地，上述处理器执行程序时，还可以获取上述目标对象的移动规律；在上述移动规律指示在预设活动区域内移动时，控制上述风扇减小上述风扇的摇头角度；在上述移动规律指示上述目标对象移动至上述预设活动区域之外时，控制上述风扇增大上述风扇的摇头角度。

可选地，上述处理器执行程序时，还可以从多个上述目标对象中确定指定目标对象；依据上述指定目标对象对应的控制指令调整上述风扇的运行状态；确定与多个上述目标对象对应的摇头角度，得到多个摇头角度；按照为多个上述目标对象分配的权重确定上述多个摇头角度对应的权重；并按照上述多个摇头角度的权重共同确定调整上述风扇所依据的摇头角度。

可选地，上述处理器执行程序时，还可以确定多个上述目标对象的身份信息；依据上述身份信息确定多个上述目标对象的优先级；依据多个上述目标对象的优先级，选择优先级最高的目标对象作为上述指定目标对象。

可选地，上述处理器执行程序时，还可以获取上述目标对象的脸部图像；基于上述脸部图像对上述目标对象进行身份认证；并在验证通过时，触发获取上述目标对象的手势图像。

可选地，上述处理器执行程序时，还可以采集上述目标对象的视频序列中的连续的多个关键帧得到的图像；使用第一模型对上述手势图像进行分析，包括：将上述多个手势图像的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标对象的手势图像；使用第一模型对上述手势图像进行分析，确定上述手势图像对应的控制指令，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：上述手势图像和与上述手势图像对应的控制指令；依据上述控制指令调整上述风扇的运行状态。

可选地，上述计算机程序产品执行程序时，还可以依据上述控制指令调整上述风扇的运行状态，包括：依据上述控制指令中携带的上述风扇的摇头角度调整上述风扇的摇头角度。

可选地，上述计算机程序产品执行程序时，还可以获取上述目标对象的移动规律；在上述移动规律指示在预设活动区域内移动时，控制上述风扇减小上述风扇的摇头角度；在上述移动规律指示上述目标对象移动至上述预设活动区域之外时，控制上述风扇增大上述风扇的摇头角度。

可选地，上述计算机程序产品执行程序时，还可以从多个上述目标对象中确定指定目标对象；依据上述指定目标对象对应的控制指令调整上述风扇的运行状态；确定与多个上述目标对象对应的摇头角度，得到多个摇头角度；按照为多个上述目标对象分配的权重确定上述多个摇头角度对应的权重；并按照上述多个摇头角度的权重共同确定调整上述风扇所依据的摇头角度。

可选地，上述计算机程序产品执行程序时，还可以确定多个上述目标对象的身份信息；依据上述身份信息确定多个上述目标对象的优先级；依据多个上述目标对象的优先级，选择优先级最高的目标对象作为上述指定目标对象。

可选地，上述计算机程序产品执行程序时，还可以获取上述目标对象的脸部图像；基于上述脸部图像对上述目标对象进行身份认证；并在验证通过时，触发获取上述目标对象的手势图像。

可选地，上述计算机程序产品执行程序时，还可以采集上述目标对象的视频序列中的连续的多个关键帧得到的图像；使用第一模型对上述手势图像进行分析，包括：将上述多个手势图像的组合信息输入上述第一模型，以确定上述控制指令作为上述第一模型的分析对象。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。