一种调节能耗的方法与系统与流程

1.本说明书涉及智能家居领域，特别涉及一种调节能耗的方法与系统。


背景技术：

2.智能家居的普及，给住户带来了诸多便利。但在智能家居的使用过程中，尤其是当住户暂时离开房间时，家居设施长时间处于满负荷工作状态会造成不必要的能量消耗，此时应适度减小设备工作负荷。然而若在住户回房间前未提前调整智能家居的工作状态，又会影响住户的居住体验。
3.因此，需要一种调节智能家居工作状态和能耗的方法和系统，在节约能耗的同时，优化住户的居住体验。


技术实现要素：

4.本说明书实施例之一提供一种调节能耗的方法，所述方法包括：获取第一信息以及第二信息；根据所述第一信息确定房间状态；根据所述第二信息确定住户的行动倾向；基于所述房间状态以及所述住户的行动倾向生成能耗控制策略，并基于所述能耗控制策略控制所述房间内的设施。
5.本说明书实施例之一提供一种调节能耗的系统，所述系统包括：信息获取模块，用于获取第一信息以及第二信息；状态确定模块，用于根据所述第一信息确定房间状态；行动预测模块，用于根据所述第二信息确定住户的行动倾向；能耗控制模块，用于基于所述房间状态以及所述住户的行动倾向生成能耗控制策略，并基于所述能耗控制策略控制所述房间内的设施。
6.本说明书实施例之一提供一种调节能耗的处理装置，包括至少一个存储介质和至少一个处理器；所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现调节能耗的方法。
7.本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行调节能耗的方法。
附图说明
8.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
9.图1是根据本说明书一些实施例所示的调节能耗系统的应用场景示意图；
10.图2是根据本说明书一些实施例所示的调节能耗方法的示例性流程图；
11.图3是根据本说明书一些实施例所示的基于关键图像确定行动倾向的方法的示例性流程图；
12.图4是根据本说明书一些实施例所示的获取关键图像的方法的示意图；
13.图5是根据本说明书一些实施例所示的一种控制房间设施的方法的示例性流程图；
14.图6是根据本说明书一些实施例所示的另一种控制房间设施的方法的示例性流程图；
15.图7是根据本说明书的一些实施例所示的调节能耗的系统的示例性模块图。
具体实施方式
16.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
17.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
18.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
19.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
20.图1是根据本说明书一些实施例所示的调节能耗系统的应用场景示意图。如图1所示，能耗调节系统的应用场景100可以包括处理器110、功能设备120、存储设备130、住户移动终端140以及网络150。处理器110可以通过网络150获取功能设备120、住户移动终端140以及存储设备130上的信息，功能设备120、住户移动终端140可以通过网络150向存储设备130上传信息。
21.处理器110可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本说明书中描述的功能。例如，处理器110可以从住户移动终端140获取住户终端的连接状态信息。又例如，处理器110可以基于从功能设备120和住户移动终端140获取到的信息生成控制策略。
22.功能设备120可以包含房间内设施监控装置和电梯内的摄像头等，用于获取第一信息和第二信息。例如，功能设备120可以获取房间内智能家居和住户终端的状态信息，并基于房间内智能家居和住户终端的状态信息生成第一信息。又例如，功能设备120可以获取住户在乘坐电梯时的图像，并基于用户图像生成第二信息。具体地，图像可通过电梯内的摄像头获取。
23.存储设备130可以用于存储数据和/或指令。例如，存储设备130可以存储房间状态信息和住户行动倾向信息等。又例如，存储设备130可以存储第一模型和第二模型的参数。
存储设备130可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备130可包括随机存取存储器(ram)、只读存储器(rom)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。在一些实施例中，所述存储设备130可在云平台上实现。
24.住户移动终端140指住户所使用的一个或多个终端设备。在一些实施例中，住户移动终端140可以连接无线网络，并生成连接状态信息。在一些实施例中，连接状态信息可以包含网络名称、连入时间、网络信号强度等。在一些实施例中，住户移动终端可生成工作状态信息。在一些实施例中，工作状态信息可以包含移动终端的工作内容、工作时长、网络带宽占用量等。在一些实施例中，用户移动终端140可以是移动设备140-1、平板电脑140-2、笔记本式个人电脑140-3等其他具有输入和/或输出功能的终端设备中的一种或其任意组合。
25.网络150可以连接系统的各组成部分和/或连接系统与外部资源部分。网络150使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，网络150可以是有线网络或无线网络中的任意一种或多种。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络150可以包括一个或以上网络接入点。例如，网络150可以包括有线或无线网络接入点，例如，基站和/或网络交换点等，通过这些进出点系统的一个或多个组件可连接到网络150上以交换数据和/或信息。
26.图2是根据本说明书一些实施例所示的调节能耗方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由处理器110执行。
27.步骤210，获取第一信息和第二信息。在一些实施例中，步骤210可以由信息获取模块710执行。
28.在一些实施例中，第一信息可以包括房间内智能家居的状态信息以及住户移动终端的状态信息等。其中，智能家居的状态信息可以包括房间内设施的工作状态，例如，房间内空调、电视机等是否开启。住户移动终端的状态信息可以包括住户的手机、平板电脑或电脑是否连接房间的无线网络，以及连接信号的强度变化等。
29.在一些实施例中，第一信息可以由智能家居本身或相关检测装置获取。例如，智能家居可以记录本身的工作情况并生成日志文件，智能家居可以定期或响应于获取指令，将日志文件发送到信息获取模块710，以使信息获取模块710可以从日志文件提取该智能设备的第一信息。再例如，可以通过相关检测装置获取住户手机、平板电脑或电脑连接房间内无线网络的情况。
30.第二信息可以包括与用户行动轨迹或行动倾向相关的信息。例如，第二信息可以包括住户在各个区域的登记信息，如，酒店入住登记信息、流调登记信息等。又例如，第二信息还可以包括监控视频涉及住户的关键图像。其中关键图像可以指包含住户的、能反应住户行动倾向的图像或图像序列。
31.在一些实施例中，关键图像可以包括与住户按下楼层按钮画面相关的图像帧或图像序列。例如，关键图像可以是用户按下电梯楼层时的图像，又例如，关键图像还可以是用户按下电梯楼层对应的时刻前后电梯按钮的图像。
32.在一些实施例中，第二信息可以通过对监控数据进行处理得到。例如，可以通过摄
像头等监控装置获取监控数据，信息获取模块710从监控数据中获取各个住户的关键图像作为第二信息。关于基于监控数据确定第二信息的更多内容参见图4及其相关描述。
33.在一些实施例中，信息获取模块710还可以访问相关信息的服务器以获取第二信息，例如，通过酒店的管理系统获取住户的登记信息，又例如，通过流调管理系统获取住户的流调登记信息。
34.步骤220，根据第一信息确定房间状态。在一些实施例中，步骤220可以由状态确定模块720执行。
35.房间可以指住户的住所或临时住所。例如，房间可以包括住户入住的酒店房间、租住的酒店式公寓、长期居住的住宅等。需要说明的是，房间不仅仅指住所的一个单元，根据需要房间可以指住宅或整栋建筑物本身。例如，住户在独栋式别墅居住时，本说明书实施例中的房间可以理解为整栋别墅。
36.房间状态可以包括与房间内住户的居住情况或房间内设施的工作状态相关的信息，例如，住户是否在房间内、房间内设施是否处于工作状态，又例如，若房间内设施处于工作状态，房间状态可以包括与该设施工作参数相关的信息。
37.在一些实施例中，状态确定模块720可以对第一信息进行处理以确定房间状态，例如，可以直接从第一信息中提取部分信息作为房间状态。再例如，可以根据第一信息中各个数据的相关关系预估房间状态。示例性地，可以直接将第一信息中与环境状态、设备工作状态的相关数据作为室内环境状态以及设施工作状态。
38.在一些实施例中，状态确定模块720可以基于预设规则结合第一信息确定房间状态。其中，预设规则可以包括至少一个预测算法，将部分第一信息输入对应的预设方法后，可以通过预测方法确定对应的房间状态。例如，预设规则可以房间内设施是否开启，若房间内空调或电视机处于开启状态，则认为房间内有人。又例如，预设规则可以是住户移动终端连接房间内无线且信号强度稳定时，认为房间内有人。在一些实施例中，预设规则还可以包括其他内容，例如，用户房卡是否插入到指定位置等，具体可视实际情况确定。
39.步骤230，根据第二信息确定住户行动倾向。在一些实施例中，步骤230可以由行动预测模块730执行。
40.住户可以指居住或临时居住在房间内的人，例如，住户可以包括酒店住户、酒店住户的临时访客、住宅的住户。在一些实施例中，住户与房间的对应关系可以通过登记确定，例如，住户在入住酒店的房间时，可以在前台进行身份登记，从而使住户与房间形成对应关系，其中，住户可以通过相关识别码(如公民身份证号码)和/或特征信息(如面部图像特征)标识，房间可以通过相关识别码(如房间号)和/或特征信息(如走廊监控中房间房门的位置)标识。
41.行动倾向可以反应住户相对于房间的行动或在未来的可能行动，例如，行动倾向可以包括离开房间或回到房间。在一些实施例中，行动倾向还可以包括离开房间的时长。例如，住户的行动倾向可以为用户离开房间，离开房间后约6小时后返回房间。
42.在一些实施例中，还可以根据持续时间调整住户与房间的关系，例如，住户办理退房手续后，可以认为住户离开房间的行为会一直持续，则可以解除住户与房间的相关关系。
43.在一些实施例中，可以根据住户的行动目的地及其相关信息预估住户离开房间的时长。例如，住户的行动目的地可以是会客厅，则住户可能是前往会客厅会见客人，可以根
据住户预约的会客厅使用时间和/或住户的历史会客时间预估住户这一行为的持续时间，进而估计用户离开房间的时长。又例如，住户的行动目的地还可以包括房间，则该过程的持续时间可以指用户从当前位置到达房间的行程时间。
44.在一些实施例中，行动预测模块730可以根据第二信息预测住户的行动倾向，关于预测住户的行动倾向的更多内容可参见图3及其相关描述。
45.步骤240，基于房间状态以及住户的行动倾向生成控制策略并基于控制策略控制所述房间内的设施。在一些实施例中，步骤240可以由控制模块740执行。
46.控制策略可以包括对房间内设施的控制指令，用于控制房间内设施的工作状态和/或工作参数。在一些实施例中，控制策略也可以被称为能耗控制策略。
47.在一些实施例中，控制策略可以又控制模块740确定，下发至对应的设施，以使对应的设施响应于控制指令调整工作状态和/或工作参数。
48.在一些实施例中，控制策略可以包括对智能调温设备的控制策略，智能调温设备可以响应于控制策略调整控制设备能耗。例如，控制策略可以包括住户离开后的智能调温设备的待机指令，智能调温设备可以响应于智能调温设备的待机指令，将自身的工作状态调整为待机状态，以降低设备的功耗。再例如，控制策略可以包括住户回到房间后的智能调温设备的调温指令，智能调温设备可以响应于智能调温设备的调温指令，按预设参数进入工作状态，以控制房间的温度。
49.在一些实施例中，可以根据房间状态以及住户的行动倾向确定满足住户需求且能耗最低情况下的控制策略。在一些实施例中，住户需求可以包括多种情况下的房间能耗控制需求，其中多种情况可以与住户的行动倾向有关。例如，多种情况可以包括用户离开房间、用户回到房间等不同的行动倾向，关于多种情况下的控制策略及其确定的更多内容可以参见图5、图6及其相关描述。
50.应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，步骤210中获取第一信息的方法以及获取第二信息的方法可以根据需要独立执行。再例如，步骤220确定房间状态以及步骤230中确定住户的行动倾向的相关方法也可以根据实际需要执行。示例性地，当监控装置检测到住户时，可以触发步骤230以确定住户的行动倾向。
51.基于本说明书一些实施例提供的调节能耗的方法，可以基于房间状态以及住户的行动倾向确定对房间内设施的控制策略，从而智能控制房间内设施使其在满足用户使用需求的前提下保持较低能耗，避免不必要耗能。
52.图3是根据本说明书一些实施例所示的基于关键图像确定行动倾向的方法的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理器110执行。
53.步骤310，从电梯监控数据中确定关键图像。在一些实施例中，步骤310可以由信息获取模块710执行。
54.电梯监控数据可以指设置在房间所在建筑物内的电梯内的监控设备所获取的视频。其中，电梯监控视频可以记录电梯中各个乘客的进出情况以及层数选择情况。
55.关键图像可以指电梯监控数据中能反应住户去向的一个或多个关键帧。例如，关
键图像可以包含住户从电梯中离开时的图像，图像中可以包括住户离开时的电梯所在楼层。再例如，关键图像可以包含住户按下电梯楼层按钮的图像，基于住户按下电梯楼层按钮的图像可以获得住户在电梯中选择目的楼层。
56.在一些实施例中，信息获取模块710可以从电梯监控数据中提取涉及该住户行动倾向的相关图像或图像序列作为关键图像。在一些实施例中，行动预测模块730在执行步骤310时可以从信息获取模块710调用关键图像。
57.在一些实施例中，信息获取模块710可以通过模型对电梯监控数据进行处理确定关键图像。关于通过模型确定关键图像的更多内容可参见图4及其相关描述。
58.在一些实施例中，可以在电梯中设置镜面，获取电梯监控数据时，摄像头可以通过该镜面的镜面反射获取住户按按钮前后的对比图像。由此，可以避免电梯中人数较多时电梯按钮面板被遮挡，从而不能获取到相关图像的情况。
59.步骤320，根据关键图像确定住户的目的楼层。在一些实施例中，步骤320可以由行动预测模块730执行。
60.目的楼层可以是住户想要到达的楼层。例如，目的楼层可以是住户通过电梯按钮确定的楼层。再例如，目的楼层可以是住户下电梯时，电梯所在的楼层。
61.在一些实施例中，可以根据关键图像确定住户按动的电梯按钮对应的楼层和/或住户离开时电梯所在的楼层，作为住户的目的楼层。
62.在一些实施例中，行动预测模块730可以基于关键图像确定住户进入电梯后按动楼层按钮的关键时刻，并从电梯信号获取该关键时刻对应的被触发的楼层。其中，电梯信号可以指电梯响应于乘客的交互(如按动电梯按钮)而生成的控制信息，该信号可以传输至电梯的控制单元。
63.在一些实施例中，行动预测模块730可以从电梯控制单元获取关键时刻用户按动的按钮信号，该信号包含了按钮对应的楼层，当行动预测模块730根据关键图像确定触发该电梯信号的乘客为前述住户时，可以获取该关键图像对应的关键时刻的电梯信号，通过该电梯信号确定住户的目的楼层。
64.在一些实施例中，行动预测模块730还可以根据电梯信号结合住户识别信息确定住户的目的楼层。其中，住户识别信息可以包括住户房卡(如酒店房卡、门禁卡等)的识别信息。其中，为保证住户安全，识别住户权限，在使用电梯时住户可以先在电梯中对应的读卡位置放置住户房卡，以供电梯识别房卡信息。住户可以在电梯识别房卡信息后按动电梯按钮。对应的，行动预测模块730可以根据电梯信号中的房卡信息以及被触发的楼层确定住户以及住户的目的楼层。
65.在一些实施例中，行动预测模块730还可以获取关键时刻前后电梯按钮的图像，将关键时刻前的图像作为第一目标图像，将关键时刻后的图像作为第二目标图像，通过第一目标图像和第二目标图像的对比，确定被触发的楼层进而确定住户的目的楼层。
66.在一些实施例中，行动预测模块730可以根据预设时间间隔确定第一目标图像与第二目标图像。例如，预设时间间隔为3秒，则第一目标图像为关键时刻前3秒的连续图像，第二目标图像为关键时刻后3秒的连续图像。
67.在一些实施例中，行动预测模块730可以根据预设帧数间隔确定第一目标图像与第二目标图像。例如，例如，预设帧数间隔为100帧，则第一目标图像为关键时刻100帧的连
续图像，第二目标图像为关键时刻后100帧的连续图像。
68.在一些实施例中，可以通过机器学习模型处理第一目标图像与第二目标图像，以确定被触发的楼层。例如，可以通过基于卷积神经网络的图像识别算法确定在关键时刻后发生变化的电梯按钮，并根据该电梯按钮对应的被触发楼层作为住户目的楼层。再例如，可以通过图像识别算法确定住户离开电梯时电梯所在的楼层作为的目的楼层。
69.在一些实施例中，行动预测模块730可以获取电梯按钮各个预设位置对应的楼层号，基于第一目标图像和第二目标图像中各个预设位置对应区域的像素差异度，确定被触发的楼层。示例性地，电梯中监控设备可以以固定角度获取固定视野的电梯监控数据，预设位置可以是固定视野中各个电梯按钮所在的位置，当住户按动电梯按钮后，对应的电梯按钮可以响应于住户操作呈现不同的状态(如颜色、亮度、灯光等)。可以通过比较该关键时刻前后电梯监控数据中各个预设位置的像素差异度确定发生变化的预设位置，从而确定住户按动的电梯按钮。再根据电梯按钮与楼层的对应关系确定被触发的楼层作为目的楼层。
70.在一些实施例中，当某一个预设区域的像素差异度大于差异度阈值时可以判断该预设区域发生变化，从而将该预设区域对应的楼层作为被触发的楼层。
71.像素差异度可以指各个预设区域构成像素在关键时刻前后的差别。其中，像素可以指图像的基本构成单元，每个像素可以包括色彩值，色彩值一般为至少一个[0,255]的数值。例如，一个rgb类型的像素可以包括红色的色值、绿色的色值、蓝色的色值。再例如，一个灰度类型的像素可以包括灰度值。在一些实施例中，两个像素之间的差异度可以通过色彩值所构成的向量距离评估。例如，可以根据两个像素的色彩值欧氏距离确定两个像素的差异。
[0072]
在一些实施例中，两个像素之间的差异度可以通过预设算法将色彩值转化为灰度值并计算灰度值差值。例如，预设算法可以为gray＝r
×
0.3+g
×
0.59+b
×
0.11，其中gray为灰度值，r、g、b分别为三个颜色通道的值。示例性地，某像素点的rgb值为(254，100，76)，那么gray(254，100，76)＝254
×
0.3+100
×
0.59+76
×
0.11＝144。将预设区域之间的像素差异度可以通过两个预设区域中各个位置对应的像素差异度的统计值确定。
[0073]
在一些实施例中，预设区域之间的像素差异度可以通过预设区域之间的各个像素差异度的和、均方差等统计学指标描述。
[0074]
步骤330，根据住户的目的楼层，确定住户的行动倾向。在一些实施例中，步骤330可以由行动预测模块730执行。
[0075]
在一些实施例中，房间所在建筑的不同楼层设置有不同的功能性区域，可以根据住户在电梯中前往的楼层确定住户的行动倾向。例如，可以根据住户前往的目的楼层确定该楼层设置的功能性区域，再根据该功能性区域预估住户行为目的地、行为持续时间等内容。示例性地，房间所在建筑物的6楼可以包括会客厅、图书馆等功能性区域，住户在离开房间后，可以通过电梯中的监控设备判定住户通过电梯前往6楼，然后可以根据住户的行为习惯或该区域的平均行为时长预估住户可能会前往6楼的会客厅以及住户在6楼的停留时间作为行为目的地以及行为持续时间。
[0076]
基于本说明书一些实施例所示的基于关键图像确定行动倾向确定方法，可以根据住户在电梯中的目的楼层预估住户的行动倾向。提高了住户行动倾向的预估准确性，进而提高了本说明书提供的调节能耗方法的准确性。
[0077]
图4是根据本说明书一些实施例所示的获取关键图像的方法的示意图。如图所示，在一些实施例中，处理器110可以基于电梯监控设备获取到的电梯监控数据，通过第一模型和第二模型确定包含住户的关键图像。在一些实施例中，获取关键图像的方法400至少可以包括以下内容。
[0078]
在一些实施例中，信息获取模块710可以通过第一模型410第二模型420确定关键图像。
[0079]
在一些实施例中，第一模型410可以对电梯监控数据进行识别，确定包含住户的视频片段。例如，第一模型可以确定电梯监控数据中各个视频片段所包含乘客的乘客特征(如乘客人脸图像)，然后将乘客特征与住户的预留特征(如住户在房间或在登记时记录的人脸图像)进行对比，进而判断各个视频片段中是否包含该住户。当视频片段包含该住户时输出包含该住户的视频片段。
[0080]
在一些实施例中，第一模型的输入可以包括电梯监控数据，输出为包含住户的视频片段。在一些实施例中，第一模型可以是卷积神经网络(convolutional neural networks，cnn)模型。
[0081]
在一些实施例中，第二模型420可以对包含住户的视频片段中每帧图像进行分类处理确定关键图像。例如，第二模型420可以对住户与电梯按钮的交互情况进行识别，当在视频中住户与电梯按钮发生交互行为(如按动电梯按钮)时，将该图像作为关键图像。其中，对住户与电梯按钮的交互情况进行识别可以通过行为识别算法、目标识别算法等相关算法实现。例如，第二模型420可以实时监测住户手部与电梯按钮的距离，当该距离小于预设阈值时可以认为住户执行了按动按钮的交互操作。
[0082]
在一些实施例中，第二模型的输入可以包括包含住户的视频片段，输出可以包括关键图像。在一些实施例中，第二模型可以是卷积神经网络(convolutional neural networks，cnn)模型。
[0083]
在一些实施例中，第一模型的输出可以作为第二模型的输入，第一模型410和第二模型420可以联合训练得到。在一些实施例中，异常判断模型可以通过特征确定层和结果判断层的联合训练得到。
[0084]
在一些实施例中，训练样本至少可以包括历史电梯监控数据。在一些实施例中，训练样本可以通过存储设备130获取，或通过信息获取模块710获取。
[0085]
在一些实施例中，训练的标签可以是历史关键图像。在一些实施例中，历历史关键图像可以从信息获取模块710的历史数据中获取，可以通过人工标注获取，还可以通过网络从存储设备调用获取，具体可视实际需求确定。
[0086]
在一些实施例中，可以将历史电梯监控数据输入初始第一模型，得到历史包含住户的视频片段。将历史包含住户的视频片段输入初始第二模型，得到历史关键图像。基于第二模型的输出和训练的标签构建损失函数，并基于损失函数同时迭代更新第一模型和第二模型的参数，当损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。训练完成后，第一模型和第二模型的参数均可以确定。
[0087]
通过上述训练方式获取第一模型和第二模型的参数，在一些情况下可以解决单独训练第一模型时难以获得标签的问题，有利于更准确地获取到关键图像。
[0088]
本说明书一些实施例中，通过第一模型和第二模型确定电梯监控数据中的关键图
像，可以精准确定住户在电梯中与电梯按钮交互的视频片段，避免住户在电梯中的其他行为对识别结果的干扰，提高了目的楼层的确定准确率，从而有利于更准确的判断用户的行动倾向。
[0089]
图5是根据本说明书一些实施例所示的一种控制房间设施的方法的示例性流程图。如图5所示，流程500可以包括下述步骤。在一些实施例中，流程500可以由处理器110执行。
[0090]
步骤510，当房间状态处于无人状态且房间设施关闭时，判断住户的行动倾向是否为前往房间。在一些实施例中，步骤510可以由行动预测模块730执行。
[0091]
在一些实施例中，可以通过第二信息确定住户的行动倾向是否为前往房间。例如，当用户在电梯中按下房间所在楼层的按钮时，可判断用户的行动倾向为前往房间。关于判断用户行动倾向的详细内容可参见图3及其相关描述。
[0092]
步骤520，响应于住户前往房间，生成第一控制策略。在一些实施例中，步骤520可以由控制模块740执行。
[0093]
第一控制策略可以包括用于控制房间内设施进入工作状态，及相应工作参数的策略。在一些实施例中，第一控制策略可以包括对房间内温度控制设备进行控制的策略，例如，第一控制策略可以是“开启房间空调，并设置温度为26℃”。
[0094]
在一些实施例中，控制模块740可以将第一控制策略发送至房间内设施，以使对应的房间设施按照第一控制策略的参数开始工作。
[0095]
在一些实施例中，第一控制策略可以根据住户对房间内设施的历史使用数据确定。例如，控制模块740可以记录住户在离开房间前房间内各个设备的工作状态。在用户返回房间时，可以根据记录中的各个设备的工作状态与当前工作状态对比，根据对比结果生成第一控制策略，判断需要开启的设施。
[0096]
在一些实施例中，控制模块740还可以根据住户的行为习惯确定第一控制策略。即可以先获取住户的行为习惯，然后根据所述住户的行为习惯确定住户在房间时，房间的各个设施的工作参数；最后，基于工作参数生成第一控制策略。例如，住户在下午回到房间后习惯开启洗浴设备进行沐浴，则对应的第一控制策略可以包括洗浴设备以及住户习惯的工作参数。
[0097]
在一些实施例中，住户的行为习惯可以通过住户的历史第一数据以及历史第二数据确定。其中，历史第一数据以及历史第二数据可以指住户在登记(如在酒店前台登记入住房间)后，信息获取模块710所获取的所有关于住户的第一数据以及第二数据的集合。例如，可以根据历史第二数据确定住户一般在下午6点回到房间。再例如，可以根据历史第一数据确定住户习惯的室内温度、住户习惯的室内通风方式等。
[0098]
在一些实施例中，可以根据住户的行为习惯确定第一控制策略中设备的工作参数。例如，可以根据历史第一数据确定住户习惯的空调工作模式以及空调温度、风力等，确定空调的工作参数。
[0099]
步骤530，基于第一控制策略控制房间内的设施。
[0100]
在一些实施例中，房间内的设施可以响应于接收到的第一控制策略，根据第一控制策略调整工作状态和工作参数。例如，对于处于待机状态的设备可以执行响应于第一控制策略的设备参数。对于处于关机状态的设备可以先执行开机操作再响应于第一控制策略
的设备参数。
[0101]
在一些实施例中，还可以根据住户返回房间的时间确定第一控制策略的执行方式。其中，住户返回的时间可以通过第二信息检测到住户返回房间的时间以及路程的持续时间确定。在一些实施例中，可以根据住户习惯确定设备工作后达到住户习惯的室内参数的时间，并基于该时间提前控制。例如，住户习惯可以包括住户习惯的室内温度。在执行第一控制策略时可以根据当前室内温度、住户习惯的室内温度以及空调的功耗确定提前控制的时间，并基于该时间提前控制室内空调。
[0102]
在一些实施例中，可以基于总置信度确定是否生成控制策略或是否执行控制策略。其中，当总置信度高于阈值时可以生成并执行控制策略，当总置信度低于阈值时可以不生成控制策略或不执行控制策略。控制策略可以包括第一控制策略、第二控制策略以及其他控制策略。在一些实施例中，当第一控制策略的总置信度(也可以记为第一指标)低于阈值时，可以生成用于控制室内设备处于节能模式的控制指令。
[0103]
在一些实施例中，总置信度可以基于关键图像的清晰度、关键图像获取模型中第一模型的置信度以及第二模型的置信度综合确定。
[0104]
关键图像的清晰度指关键图像在影像上各细部影纹及其边界的清晰程度。例如，关键图像的清晰度可以指关键图像中住户以及电梯按钮部分的图像分辨率。再例如，关键图像的清晰度可以指关键图像中住户以及电梯按钮部分轮廓的清晰程度。在一些实施例中，关键图像的清晰度可以通过清晰度评价方法确定。例如，可以通过tenengrad梯度函数、laplacian梯度函数等算子确定关键图像的清晰度。
[0105]
关键图像获取模型中第一模型的置信度以及第二模型的置信度等模型的置信度可以指模型输出的结果的可信程度。在一些实施例中，模型的置信度可以根据模型对测试样本的输出结果与测试标签的一致性确定。例如，训练好的模型中95％的测试数据的输出结果与测试标签一致，则模型的置信度可以为95％。在一些实施例中，模型的置信度还可以通过判断模型的输入与输出是否属于训练数据中确定。
[0106]
在一些实施例中，第一指标可以通过对关键图像的清晰度、关键图像获取模型中第一模型的置信度以及第二模型的置信度的加权结果确定，例如，第一指标的计算公式可以为：c＝ad+bz1+dz2+e
[0107]
其中，c为第一指标值，d为关键图像清晰度，z1和z2分别为关键图像获取模型中第一模型的置信度以及第二模型置信度，a、b、d、e可以为预设常数。
[0108]
基于本说明书一些实施例提供的调节能耗方法，可以基于住户返回房间的行动倾向确定第一控制策略，以使在住户返回房间时，室内设备处于用户习惯的工作状态，提高住户的居住体验。
[0109]
图6是根据本说明书一些实施例所示的另一种控制房间设施的方法的示例性流程图。如图6所示，流程600包括以下步骤。在一些实施例中，流程600可以由处理器110执行。
[0110]
步骤610，当房间状态处于无人状态且房间设施开启时，判断住户的行动倾向；响应于住户的行动倾向为离开房间，预测住户的离开时长。
[0111]
在一些实施例中，住户离开时长可由红外感应装置获取。在一些实施例中，红外感应装置配置在房间内较高位置，可感应到房间内任意位置的人体红外线，基于是否能感应
到人体红外线确定住户是否处于房间内。红外感应装置还可以用于记录感应到人体的时刻和感应不到人体的时刻。感应到人体的时刻即住户进入房间的时间点，感应不到人体的时刻即住户离开房间的时间点。
[0112]
在一些实施例中，住户离开房间时，确定住户的行动倾向是否为“退房”。在一些实施例中，可以基于前台的退房记录确定住户的行动倾向是否为“退房”。在一些实施例中，“退房”对应的预设时长可设置为无限长。
[0113]
在一些实施例中，响应于住户的行动倾向不为“退房”，可以基于住户的行动倾向类型预测住户的离开时长。例如，可以预设“吃早饭”对应的时长为20分钟，当住户的行动倾向类型为“吃早饭”时，预测住户的离开时长为20分钟。又例如，可以预设“去健身房”对应的时长为80分钟，当住户的行动倾向类型为“去健身房”时，预测住户的离开时长为80分钟。关于住户的行动倾向类型的定义和和确定方法详见图2和图3及其对应说明，此处不再赘述。
[0114]
在一些实施例中，可以基于用户移动终端的状态对预设时长进行调整。在一些实施例中，用户移动终端的状态可以包括住户移动终端与房间内无线网络的连接状态。在一些实施例中，可以判断住户移动终端与房间内无线网络的连接状态为连接且信号是否稳定，若连接信号稳定则说明住户与房间的距离较小，可能会很快返回房间，此时可以减小所有行动倾向类型对应的预设时长。
[0115]
在一些实施例中，可以基于住户移动终端与房间内无线网络的连接特征确定住户移动终端的类型，并基于住户移动终端的类型确定对预设时长的调整幅度。在一些实施例中，住户移动终端与房间内无线网络的连接特征可以包含连接网络的终端的名称、序列号、ip地址等。
[0116]
在一些实施例中，调整幅度可以指在预设时长的基础上调整的比例。在一些实施例中，调整幅度也可以预设。例如，调整幅度可以预设为10％，指调整后的预设时长为原有预设时长的90％。
[0117]
在一些实施例中，响应于住户移动终端的类型确定为手机，可以加大对预设时长的调整幅度。例如，当判断住户移动终端的类型为手机时，由于手机连接到网络的范围是有限的，住户携带手机离开的距离超过一定范围时则不能检测到手机的状态，因此，当能够获取住户移动终端的状态，且移动终端判断为手机时，可以初步确定用户没有离开很远，可能很快返回房间，因此，可以加大调整幅度，如将调整幅度加大为15％，及调整预设时长为原有预设时长的85％。
[0118]
基于住户移动终端的状态及移动终端的类型调整预设时长，可以根据住户的实际情况灵活调整预设时长，使其更好的适应当前住户的习惯，从而更好地确定对房间内设施的控制策略。
[0119]
步骤620，基于住户的离开时长，生成第二控制策略。
[0120]
在一些实施例中，第二控制策略可以包括对房间内各个设施的控制指令。在一些实施例中，该控制指令可以包含房间内设施的工作状态与工作的参数是否需要调整的相关指令。在一些实施例中，第二控制策略可以包括对房间内温度控制设备进行控制的策略，例如，第二控制策略可以是“90分钟后开启房间空调，并设置温度为26℃”。
[0121]
在一些实施例中，可以基于离开时长所处的时间范围确定第二能耗控制策略。在一些实施例中，时间范围可以分为短时间、长时间和永久三种类型。在一些实施例中，可以
设置时间阈值，基于时间阈值判断住户离开的时长为短时间还是长时间。例如，时间阈值可以设置为30分钟，短时间可以指小于30分钟的时间长度，长时间可以指大于30分钟的时间长度，永久可以指住户办理退房后的时间长度。在一些实施例中，响应于住户的离开时长为短时间，对应的第二策略内容为不改变房间内设施当前的工作状态。在一些实施例中，响应于住户的离开时长为长时间，对应的第二策略内容为对房间内的设施发出待机指令，并基于住户离开的时长确定设施再次开启的时间。在一些实施例中，响应于住户的离开时长为永久，对应的第二控制策略内容为对房间内的设施发出关闭指令。
[0122]
在一些实施例中，第二控制策略还可以包括其他控制方案，具体可视实际需求确定。
[0123]
步骤630，基于第二控制策略控制房间内的设施。
[0124]
在一些实施例中，控制模块740可以基于第二控制策略，对房间内的设施发出控制指令。房间内的设施基于控制指令，执行相应的操作。例如，智能调温设备在接收到升温指令时，转入升温模式，升高房间内温度。又例如，智能视听设备接收到开启指令时，进行开机。
[0125]
在一些实施例中，可以基于第二控制策略通知工作人员。在一些实施例中，工作人员可以在接收到通知后进入房间对房间内设施进行手动控制，或在房间内进行其他工作。在一些实施例中，工作人员可以是房间清洁人员。例如，响应于住户的离开时长为永久，对应的第二控制策略内容为对房间内的设施发出关闭指令，并通知清洁人员。进一步地，清洁人员可以在接收到通知后进入房间进行卫生清洁工作。
[0126]
本说明书一些实施例中，基于住户的行动倾向预测住户的离开时长进而对房间内设施的工作状态和能耗进行调控，同时基于住户的移动设备的连接状态确定调整策略，达到了对房间内设施能耗的智能调控的目的。
[0127]
图7是根据本说明书的一些实施例所示的调节能耗的系统的示例性模块图。在一些实施例中，调节能耗的系统700可以包含信息获取模块710、状态确定模块720、行动预测模块730和控制模块740。
[0128]
在一些实施例中，信息获取模块710可以用于获取第一信息以及第二信息。在一些实施例中，所述第一信息可以包括房间内智能家居的状态信息和住户移动终端的状态信息。在一些实施例中，所述第二信息可以包括与住户相关的关键图像。
[0129]
在一些实施例中，状态确定模块720可以用于根据所述第一信息确定房间状态。
[0130]
在一些实施例中，行动预测模块730可以用于根据所述第二信息确定住户的行动倾向。在一些实施例中，行动预测模块730可以基于所述关键图像确定住户的目的楼层，基于所述住户的目的楼层，确定所述住户的行动倾向。
[0131]
在一些实施例中，控制模块740可以用于基于所述房间状态以及所述住户的行动倾向生成能耗控制策略并基于所述能耗控制策略控制所述房间内的设施。在一些实施例中，当所述房间状态处于无人状态且所述房间设施关闭时，控制模块740响应于所述住户的行动倾向为前往所述房间，生成第一控制策略，基于所述第一控制策略控制控制所述房间内的设施。在一些实施例中，当所述房间状态处于无人状态且所述房间设施开启时，控制模块740响应于所述住户的行动倾向为离开所述房间，预测所述住户的离开时长，基于所述离开时长，生成第二控制策略，基于所述第二控制策略控制所述房间内的设施。
[0132]
需要注意的是，以上对于信息获取模块、状态确定模块、行动预测模块及控制模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图7中披露的信息获取模块、状态确定模块、行动预测模块和控制模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
[0133]
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
[0134]
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
[0135]
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
[0136]
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
[0137]
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
[0138]
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、
定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
[0139]
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。