I行像素的位置)的区域为头部区域。人体的头部区域处于热像图像Pl的上部，并且为包含有一定数量像素点的区域，由于头部不会覆盖衣着，检测到的应该为人体自身的温度，一般高于环境温度与覆盖有衣服的躯体表面温度，利用以上特点，通过上述判断方法可以准确地识别出人体的头部区域。
[0037]图3是根据本发明一个实施例的人体衣着量的检测方法中确定人体躯体图像的流程图，该图示出了步骤S130的详细执行流程:
[0038]步骤S132，识别头部区域的边缘点并根据边缘点划定包含头部区域的第一矩形区域 Re I;
[0039]步骤S134，以第一矩形区域Rel为中心向左右两侧扩展预设宽度，得到第二矩形区域 Re2 ；
[0040]步骤S136，将热像图像Pl中位于第二矩形区域Re2下方且宽度相同的第三矩形区域Re3作为热像图像Pl中人体的躯体所在区域。
[0041]如图2所示，识别头部区域的上下左右边缘点，划定包含头部区域的第一矩形区域为Rel，以第一矩形区域Rel为中心向左右两侧扩展预设宽度，得到第二矩形区域Re2，也就是认为第二矩形区域Re2的宽度为人体躯体的宽度，将热像图像Pl中位于第二矩形区域Re2下方且宽度相同的第三矩形区域Re3作为热像图像Pl中人体的躯体所在区域，也就是在头部下方特定宽度的图像区域认为是人体的躯体所在区域。例如可以划定第二矩形区域Re2的宽度大概为3个头部的宽度，并且宽度的中心为头部区域。因为按照一般人体的比例关系，躯体部分的宽度大概是头部宽度的3倍左右，因此第三矩形区域Re3可以包含人体的整个躯体部分，从而可以检测整个躯体的衣着量。躯体所在区域的第三矩形区域Re3的宽度可以根据不同人种的身体比例关系确定。
[0042]图4是根据本发明一个实施例的人体衣着量的检测方法中计算人体的躯体所在区域的温度分布的流程图，该图示出了步骤S140的详细执行流程:
[0043]步骤S142，检测第一矩形区域Rel的最高温度与人体所在环境的环境温度，并将最高温度与环境温度作为端点的数值范围划分预设数量的温度值区间；
[0044]步骤S144，获取第三矩形区域Re3内处于各个温度值区间的像素数量；
[0045]步骤S146，分别计算处于各个温度值区间的像素数量与第三矩形区域Re3总像素数量的比值，得到多个温度值区间的像素数量占比。
[0046]本实施例的人体衣着量的检测方法利用确定的像素计算算法确定用户的衣着量，利用了人体热辐射会被衣物阻挡，厚重的衣物会消除人体热辐射对温度场带来的热效应，厚重衣物会使衣物区域的温度趋近于环境温度，从而提高了对用户衣着量判断的准确程度。
[0047]图5是根据本发明一个实施例的人体衣着量的检测方法中确定人体的衣着量的流程图，该图示出了步骤S150的详细执行流程:
[0048]步骤S152，将多个温度值区间的像素数量占比分别与不同衣着量等级预设的阈值区间进行匹配；
[0049]步骤S154，在多个温度值区间的像素数量占比均处于某一衣着量等级设置的对应阈值区间内时，确定人体的衣着量属于该衣着量等级。
[0050]其中，步骤S152中的每个衣着量等级为每个温度值区间的像素数量占比设置有对应的阈值区间，以供每个温度值区间的像素数量占比与对应的阈值区间进行匹配。
[0051]图5所示的确定人体的衣着量的流程，可以得出较为精确的衣着量等级。在执行图5所示的流程前，还可以通过一种简单的方式对衣着量等级进行粗略的判断，例如该确定人体的衣着量的流程还可以是:确定第三矩形区域的温度分布；以及根据第三矩形区域的温度分布识别第三矩形区域内温度超过第二预设温度的区块，在区块的数量大于预设值时，确定人体的着衣量最少。这种方法能确定人体衣着量最少的情况，但是不能判断人体衣着量的其它等级。在确定第三矩形区域内温度超过第二预设温度的区块大于预设值(例如可以设置为3块或4块)后，可认为用户躯体当前裸露的部分较多，从而判定人体着衣量较少。在判断出人体的衣着量为最少后，可以不必按照图4和图5的流程进行判断，有效简化确定人体衣着量的步骤。
[0052]本实施例的人体衣着量的检测方法，通过获取包含人体的热像图像Pl，从热像图像Pl中识别出人体的头部区域，并根据人体的头部区域确定热像图像Pl中人体的躯体所在区域，利用热像图像Pl计算人体的躯体所在区域的温度分布，可以按照温度分布确定人体的衣着量，从而为环境调节电器提供满足用户需求的控制依据，检测过程无需用户进行任何操作，智能化程度高，提高了用户的使用体验。
[0053]进一步地，本实施例的人体衣着量的检测方法，通过获取用户的人体热像图像Pl并对其进行分析，利用确定的像素计算算法确定用户的衣着量，并且对用户的衣着量划分不同的衣着量等级，提高了对用户衣着量判断的准确程度。
[0054]以下对使用本实施例的人体衣着量的检测方法的一个具体实例进行介绍。
[0055]从热像图像Pl中识别出人体的头部区域之后，分别划定第一矩形区域Rel、第二矩形区域Re2以及第三矩形区域Re3。检测得到第一矩形区域Rel的最高温度为32摄氏度，环境温度为20摄氏度，将最高温度与环境温度作为端点划分3个温度值区间，则这3个温度值区间分别为[20，24)、[24，28)、[28，32]。第三矩形区域如3内处于[20，24)温度值区间的像素数量为2000，处于[24，28)温度值区间的像素数量为5000，处于[28，32 ]温度值区间的像素数量为3000，第三矩形区域Re3总像素数量为10000。则第三矩形区域Re3内处于[20，24)温度值区间的像素数量占比为20%，处于[24，28)温度值区间的像素数量占比为50%，处于[28,32]温度值区间的像素数量占比为30%。
[0056]衣着量等级可以设置为5个等级:衣着量等级1、衣着量等级2、衣着量等级3、衣着量等级4、衣着量等级5，其中衣着量等级I为着衣量最少，衣着量等级5为着衣量最多，则按照温度分布确定人体的衣着量的具体方案如下:
[0057]al<处于[20，24)温度值区间的像素数量占比<bl，且cl<处于[24，28)温度值区间的像素数量占比<dl，且el<处于[28，32]温度值区间的像素数量占比<fl，则判定为衣着量等级I。
[0058]a2<处于[20，24)温度值区间的像素数量占比<b2，且c2<处于[24，28)温度值区间的像素数量占比<d2，且e2<处于[28，32]温度值区间的像素数量占比<f2，则判定为衣着量等级2。
[0059]a3<处于[20，24)温度值区间的像素数量占比<b3，且c3<处于[24，28)温度值区间的像素数量占比<d3，且e3<处于[28，32]温度值区间的像素数量占比<f3，则判定为衣着量等级3。
[0060]a4<处于[20，24)温度值区间的像素数量占比<b4，且c4<处于[24，28)温度值区间的像素数量占比<d4，且e4<处于[28，32]温度值区间的像素数量占比<f4，则判定为衣着量等级4。
[0061]a5<处于[20，24)温度值区间的像素数量占比<b5，且c5<处于[24，28)温度值区间的像素数量占比<d5，且e5<处于[28，32]温度值区间的像素数量占比<f5，则判定为衣着量等级5。
[0062]其中，在以上关系中一般而言，阈值区间的端点满足以下关系:131>&1，(11>(3141>el，阈值区间之间可能存在数值重合的可能，例如bl和Cl的大小关系不确定，具体大小关系可以根据大量实验的结果进行优化。
[0063]上述衣着量等级为每个温度值区间的像素数量占比设置的对应阈值区间的阈值数值可以通过预先实验测试的数据进行统计得到，例如对一定数量的用户分别以衣着量等级I至衣着量等级5的衣着量拍摄获得的热像图像进行分析，通过计算统计可以确定不同衣着量等级为每个温度值区间的像素数量占比设置的对应阈值区间的阈值数值。在进行该阈值的设定过程中，发明人也确定了不同的衣着量等级，其设置的阈值数值也存在差别，将不同温度区间的像素数量占比分别与不同衣着量等级预设的阈值区间进行匹配、判断，可以确定出用户着装的衣着量等级。
[0064]例如第三矩形区域Re3内处于[20，24)温度值区间的像素数量占比为20 %，处于[24，28)温度值区间的像素数量占比为50%，处于[28，32]温度值区间的像素数量占比为30 %，均处于衣着量等级I设置的对应阈值区间内时，可以确定此时人体的衣着量属于衣着量等级I，着衣量少。此外，在确定用户的衣着量等级之后，可以为环境调节电器提供满足用户需求的控制依据。将确定的人体衣着量与空调器所在环境的环境温度相结合，判定用户的体感冷热等级，进而可以实现空调器运行模式的自动调节，提升用户的使用体验。例如上