基于图像识别的温度调节方法、装置、电子设备及介质与流程

1.本发明涉及人工智能领域，尤其涉及一种基于图像识别的温度调节方法、装置、电子设备及介质。


背景技术：

2.当前在公共场合中的温度调节设备大多是处于中央位置，温度调节设备的调节方式大都是需要手动进行调节，或者利用app来驱动调节控温。然而在较大空间内时，常常存在一些人员离温度调节设备开关比较远的情况，当设备的温度过高或过低时，这些人员无法调节设备的温度，且在该空间中不同位置的温度变化范围较大，使温度调节设备在调节温度时的准确度较低。


技术实现要素：

3.本发明提供一种基于图像识别的温度调节方法、装置、电子设备及计算机介质，其主要目的在于解决温度调节不准确的问题。
4.为实现上述目的，本发明提供的一种基于图像识别的温度调节方法，包括：
5.获取目标区域内多个用户的人脸图像和肢体图像；
6.利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息；
7.利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息；
8.根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度；
9.获取所述目标区域的当前温度，根据所述当前温度、所述冷程度、所述热程度以及预设温度调控模型计算所述当前温度的温度变化值；
10.根据所述温度变化值控制所述目标区域的当前温度调整为目标温度。
11.可选地，所述根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度，包括：
12.将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配；
13.根据匹配结果将所述人脸表情信息分为冷人脸表情和热人脸表情，以及根据所述匹配结果将所述肢体动作分为冷肢体动作和热肢体动作；
14.识别所述冷人脸表情和所述冷肢体动作出现的次数，并根据所述冷人脸表情和所述冷肢体动作出现的次数确定多个所述用户的冷感值，根据所述冷感值的大小确定多个所述用户的冷程度；
15.识别所述热人脸表情和所述热肢体动作出现的次数，并根据所述热人脸表情和所述热肢体动作出现的次数确定多个所述用户的热感值，根据所述热感值的大小确定多个所述用户的热程度。
16.可选地，所述根据匹配结果将所述人脸表情信息分为冷人脸表情和热人脸表情，
包括：
17.若所述人脸表情信息与预设的冷人脸肢体库中信息相匹配，确定所述人脸表情信息为冷人脸表情；
18.若所述人脸表情信息与预设的热人脸肢体库中信息相匹配，确定所述人脸表情信息为热人脸表情。
19.可选地，所述所述预设的温度调控模型包括冷模型和热模型，所述根据所述当前温度、所述冷程度、所述热程度以及预设的温度调控模型计算所述当前温度的温度变化值，包括：
20.在所述冷程度处于第一预设范围时，利用所述冷模型和所述当前温度计算所述当前温度的冷温度变化值；
21.在所述热程度处于第二预设范围时，利用所述热模型和所述当前温度计算所述当前温度的热温度变化值。
22.可选地，所述所述利用所述温度调控模型中的冷模型，计算所述当前温度的冷温度变化值，包括：
23.通过下列冷模型计算所述当前温度的冷温度变化值：
[0024][0025]
其中，所述u(t)表示冷温度变化值，所述k
p
表示比例系数，所述e(t)表示当前温度，dlt
l
冷感值，t
d
微分时间常数，t调节周期。
[0026]
可选地，所述利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息，包括：
[0027]
对所述人脸图像进行预处理操作，得到标准人脸图像；
[0028]
利用预设的人脸识别模型中的卷积池化层提取所述标准人脸图像进行特征识别，得到特征人脸图像；
[0029]
利用所述人脸识别模型中全连接层中的激活函数输出所述特征人脸图像，得到人脸表情信息。
[0030]
可选地，所述利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息，包括：
[0031]
利用预构建的动作识别模型中的卷积池化层获取所述肢体图像中的肢体关节位置坐标；
[0032]
根据所述肢体关节位置坐标的变化计算肢体关节的运动轨迹，并根据所述肢体关节的运动轨迹生成肢体关节变化矩阵；
[0033]
利用所述动作识别模型中全连接层中的激活函数输出所述肢体关节变化矩阵，得到肢体动作信息。
[0034]
为了解决上述问题，本发明还提供一种基于图像识别的温度调节装置，所述装置包括：
[0035]
人脸和肢体图像获取模块，用于获取目标区域内多个用户的人脸图像和肢体图像；
[0036]
人脸和肢体表情分析模块，用于利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息；利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息；
[0037]
冷程度和热程度获取模块，用于根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度；
[0038]
温度变化值计算模块，用于获取所述目标区域的当前温度，根据所述当前温度、所述冷程度、所述热程度以及预设温度调控模型计算所述当前温度的温度变化值。
[0039]
温度调整模块，用于根据所述温度变化值控制所述目标区域的温度从所述当前温度调整为目标温度。
[0040]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0041]
存储器，存储至少一个计算机程序；及
[0042]
处理器，执行所述存储器中存储的计算机程序以实现上述所述的基于图像识别的温度调节方法。
[0043]
为了解决上述问题，本发明还提供一种计算机介质，所述计算机介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图像识别的温度调节方法。
[0044]
本发明实施例中，首先通过获取目标区域内多个用户的人脸图像和肢体图像，并通过对人脸图像进行表情分析，得到人脸表情信息，通过对肢体图像进行行为分析，得到肢体动作信息；进而，根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和热程度，通过确定多个所述用户的冷程度和多个所述用户的热程度，结合目标区域多个用户的冷程度和热程度对目标区域的温度进行调整，从而实现准确地温度调节。因此本发明实施例提出的基于图像识别的温度调节方法、装置、电子设备及介质可以解决温度调节不准确的问题。
附图说明
[0045]
图1为本发明一实施例提供的基于图像识别的温度调节方法的流程示意图；
[0046]
图2为本发明一实施例中图1提供的基于图像识别的温度调节方法其中一个步骤的详细流程示意图。
[0047]
图3为本发明一实施例提供的基于图像识别的温度调节装置的模块示意图；
[0048]
图4为本发明一实施例提供的实现基于图像识别的温度调节方法的电子设备的内部结构示意图；
[0049]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0050]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0051]
本发明实施例提供一种基于图像识别的温度调节方法。所述基于图像识别的温度调节方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。其中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服
务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。换言之，所述基于图像识别的温度调节方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
[0052]
参照图1所示的本发明一实施例提供的基于图像识别的温度调节方法的流程示意图，在本发明实施例中，所述基于图像识别的温度调节方法包括：
[0053]
s1、获取目标区域内多个用户的人脸图像和肢体图像。
[0054]
本实施例中，目标区域为温度调节设备控制的区域。例如，会议室里的中央空调覆盖的温度调节范围。
[0055]
目标区域内的多个用户，可以为目标区域内所有用户，或者是超过三分之二的用户。
[0056]
或者，目标区域内的多个用户包括：对目标区域划分为多个子区域，从每个子区域中选取至少两个用户，确定从每个区域内选取的至少两个用户组成多个用户。
[0057]
本发明实施例中，所述人脸图像可以通过摄像头采集多个用户的人脸图像。
[0058]
本发明实施例中，所述肢体图像的获取包括：通过摄像头采集视频，将采集的视频进行分帧处理，并提取每一帧视频中包含的肢体信息，得到肢体图像。
[0059]
s2、利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息。
[0060]
本发明实施例中，所述预构建的人脸识别模型可以对所述人脸图像进行特征识别，从而得到人脸表情信息，其中所述人脸识别模型包括：卷积池化层和全连接层。
[0061]
详细地，所述利用预构建的人脸识别模型所述人脸图像进行表情分析，人脸表情信息，包括：
[0062]
对所述人脸图像进行预处理操作，得到标准人脸图像；
[0063]
利用预设的人脸识别模型中的卷积池化层提取所述标准人脸图像进行特征识别，得到特征人脸图像；
[0064]
利用所述人脸识别模型中全连接层中的激活函数输出所述特征人脸图像，得到人脸表情信息。
[0065]
本发明一实施例中，对所述人脸图像进行预处理操作可以是对所述人脸图像进行的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化操作。
[0066]
本发明一可选实施例中，对所述处理人脸图像进行特征识别可以是检测用户的脸型轮廓、眉毛、鼻子、眼睛等关键点，识别摇头、嘴巴吹气、情绪(如烦躁、冷颤)和眼睛视线等人脸表情。
[0067]
本发明一实施例中，将特征人脸图像输入至全连接层中，并利用全连接层中的激活函数(如softmax函数)输出所述特征人脸图像，得到人脸表情信息。
[0068]
s3、利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息。
[0069]
本发明实施例中，所述预构建的动作识别模型可以通过卷积池化层获取所述肢体图像中的肢体关节位置坐标，根据所述肢体关节位置坐标的变化，计算肢体关节的运动轨迹，并生成肢体关节变化矩阵，实现对所述肢体图像的行为分析，再通过全连接层输出所述
肢体关节变化矩阵，得到肢体动作信息，其中，所述动作识别模型包括：卷积池化层和全连接层。
[0070]
详细地，所述利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息，包括：
[0071]
利用预构建的动作识别模型中的卷积池化层获取所述肢体图像中的肢体关节位置坐标；
[0072]
根据所述肢体关节位置坐标的变化计算肢体关节的运动轨迹，并根据所述肢体关节的运动轨迹生成肢体关节变化矩阵；
[0073]
利用所述动作识别模型中全连接层中的激活函数输出所述肢体关节变化矩阵，得到肢体动作信息。
[0074]
本发明一实施中，可以将所述肢体图像中上肢关节设置为关键点，并获取所述关键点的位置坐标，根据所述位置坐标的变换得到肢体关节的运动轨迹，从而提取上肢的一系列动作信息，且所述动作信息存储在肢体关节矩阵中，实现对所述肢体图像的行为分析。
[0075]
本发明一实施例中，所述肢体关节的运动轨迹对应的肢体行为可以是摩擦手臂、双手抱胸、用手扇风和撩袖子等行为。
[0076]
本发明一实施例中，利用全连接层中的激活函数(如sigmod函数)输出所述肢体关节变化矩阵，得到人脸表情信息。
[0077]
s4、根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度。
[0078]
本发明实施例中，可以将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配，再根据匹配结果确定所述用户的冷热程度。
[0079]
本发明实施例中，将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配，是通过将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库进行匹配，以及将所述人脸表情信息和所述肢体动作信息分别与预设的热人脸肢体库进行匹配。
[0080]
本发明实施例中，所述冷人脸肢体库可包括：脸部颤动、嘴巴哈气、摩擦手臂、双手抱胸、颤栗、穿衣服、蜷缩、打喷嚏和擦鼻涕等表情和肢体特征向量；所述热人脸肢体库可包括：头部频繁摇动、情绪烦躁、擦额头、脱衣服、撩袖子等表情和肢体特征向量。
[0081]
详细地，参阅图2所示，图2为本发明一实施例中图1提供的基于图像识别的温度调节方法其中一个步骤的详细流程示意图。
[0082]
所述根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度，包括：
[0083]
s40、将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配；
[0084]
s41、根据匹配结果将所述人脸表情信息分为冷人脸表情和热人脸表情，以及根据所述匹配结果将所述肢体动作分为冷肢体动作和热肢体动作；
[0085]
s42、识别所述冷人脸表情和所述冷肢体动作出现的次数，并根据所述冷人脸表情和所述冷肢体动作出现的次数确定多个所述用户的冷感值，根据所述冷感值的大小确定多个所述用户的冷程度；
[0086]
s43、识别所述热人脸表情和所述热肢体动作出现的次数，并根据所述热人脸表情和所述热肢体动作出现的次数确定多个所述用户的热感值，根据所述热感值的大小确定多个所述用户的热程度。
[0087]
进一步地，根据匹配结果将所述人脸表情信息分为冷人脸表情和热人脸表情，包括：
[0088]
若所述人脸表情信息与预设的冷人脸肢体库中信息相匹配，确定所述人脸表情信息为冷人脸表情；
[0089]
若所述人脸表情信息与预设的热人脸肢体库中信息相匹配，确定所述人脸表情信息为热人脸表情。
[0090]
本发明一可选实施例中，通过识别所述冷人脸表情和所述冷肢体动作出现的次数，可以确定所述用户的冷感值，根据所述冷感值的大小，可以确定所述用户的冷程度。
[0091]
例如，多个用户出现摩擦手臂、双手抱胸、颤栗、打喷嚏和擦鼻涕各出现一次，则可以确定多个用户的冷感值dlt
l
为
‑
5；当冷感值dlt
l
在
‑
3～
‑
5的范围，可以确定多个用户的冷程度一般，当冷感值dlt
l
在
‑
6～
‑
10的范围，可以确定多个用户的冷程度为很冷。
[0092]
本发明又一实施例中，所述热程度的确定过程同所述冷程度类似，此处不再赘述。
[0093]
例如，多个用户出现用手扇风、擦额头、脱衣服、撩袖子各出现一次，则可以确定多个用户的热感值dlt
r
为4；当热感值dlt
r
在3～5的范围，可以确定多个用户的热程度一般，当热感值dlt
r
在6～10的范围，可以确定多个用户的热程度为很热。
[0094]
本发明实施例中，通过人脸表情和肢体动作出现的次数确定冷感值和热感值是可以防止若某个用户不小心发生上述冷人脸肢体库或热人脸肢体库的表情动作，不会将其表情动作作为冷感值或热感值，可以提高后续计算温度变化值的准确度。
[0095]
s5、获取所述目标区域的当前温度，根据所述当前温度、所述冷程度、所述热程度以及预设温度调控模型计算所述当前温度的温度变化值。
[0096]
本发明实施例中，所述目标区域的当前温度是基于室外环境温度以及室内环境温度确定的适用于大部分用户的温度。
[0097]
本发明实施例中，所述温度变化值是根据所述冷程度、所述当前温度以及所述预设温度调控模型进行计算所得的变化值，或根据所述热程度、所述当前温度以及所述预设温度调控模型进行计算所得的变化值，其中，所述温度变化值包括：冷温度变化值或热温度变化值；所述预设温度调控模型包括：冷模型和热模型。
[0098]
详细地，所述根据所述当前温度、所述冷程度、所述热程度以及预设的温度调控模型计算所述当前温度的温度变化值，包括：
[0099]
在所述冷程度处于第一预设范围时，利用所述冷模型和所述当前温度计算所述当前温度的冷温度变化值；
[0100]
在所述热程度处于第二预设范围时，利用所述热模型和所述当前温度计算所述当前温度的热温度变化值。
[0101]
本发明一实施例中，所述第一预设范围可为
‑
3～
‑
10，所述第二预设范围可为3～10，另外，在本发明中同时出现冷程度和热程度时，可以计算程度较强的温度变化值，若程度较强的是冷程度，计算冷程度的温度变化值，若程度较强的是热程度，计算热程度的温度变化值。
[0102]
本发明一实施例中，可通过下列所述温度调控模型中的冷模型计算所述当前温度的冷温度变化值：
[0103][0104]
其中，所述u(t)表示冷温度变化值，所述k
p
表示比例系数，所述e(t)表示当前温度，dlt
l
冷感值，t
d
微分时间常数，t调节周期。
[0105]
本发明又一实施例中，可通过下列所述温度调控模型中的热模型计算所述当前温度的热温度变化值：
[0106][0107]
其中，所述u(t)表示热温度变化值，所述k
p
表示比例系数，所述e(t)表示当前温度，dlt
r
热感值，t
d
微分时间常数，t调节周期。
[0108]
s6、根据所述温度变化值控制所述目标区域的当前温度调整为目标温度。
[0109]
本发明实施例中，所述根据所述温度变化值控制所述目标区域的当前温度调整为目标温度，包括：在所述当前温度的基础上结合温度变化值调整目标区域的温度为目标温度。
[0110]
例如，所述温度变化值为冷温度变化值，具体的，冷温度变化值为3℃，若当前温度为27℃，则控制所述目标区域的目标温度为从27℃降低3℃，即目标温度为24℃。
[0111]
本发明实施例中，在控制所述目标区域的温度从所述当前温度调整为目标温度时，可以根据所述温度变化值使得温度调节设备转动调节旋钮，使得转动杆转动，通过转动杆转动，带动齿轮转动，实现终端高度的调节，使得终端可以通过调节高度来改善吹风效果。
[0112]
本发明实施例中，首先通过获取目标区域内多个用户的人脸图像和肢体图像，并通过对人脸图像进行表情分析，得到人脸表情信息，通过对肢体图像进行行为分析，得到肢体动作信息；进而，根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和热程度，通过确定多个所述用户的冷程度和多个所述用户的热程度，结合目标区域多个用户的冷程度和热程度对目标区域的温度进行调整，从而实现准确地温度调节。因此本发明实施例提出的基于图像识别的温度调节方法可以解决温度调节不准确的问题。
[0113]
如图3所示，是本发明基于图像识别的温度调节装置的功能模块图。
[0114]
本发明所述基于图像识别的温度调节装置100可以安装于电子设备中。根据实现的功能，所述基于图像识别的温度调节装置可以包括人脸和肢体图像获取模块101、人脸和肢体表情分析模块102、冷程度和热程度获取模块103、温度变化值计算模块104、温度调整模块105、本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0115]
在本实施例中，关于各模块/单元的功能如下：
[0116]
所述人脸和肢体图像获取模块101，用于获取目标区域内多个用户的人脸图像和肢体图像。
[0117]
本实施例中，目标区域为温度调节设备控制的区域。例如，会议室里的中央空调覆
盖的温度调节范围。
[0118]
目标区域内的多个用户，可以为目标区域内所有用户，或者是超过三分之二的用户。
[0119]
或者，目标区域内的多个用户包括：对目标区域划分为多个子区域，从每个子区域中选取至少两个用户，确定从每个区域内选取的至少两个用户组成多个用户。
[0120]
本发明实施例中，所述人脸图像可以通过摄像头采集多个用户的人脸图像。
[0121]
本发明实施例中，所述肢体图像的获取包括：通过摄像头采集视频，将采集的视频进行分帧处理，并提取每一帧视频中包含的肢体信息，得到肢体图像。
[0122]
所述人脸和肢体表情分析模块102，用于利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息；利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息。
[0123]
本发明实施例中，所述预构建的人脸识别模型可以对所述人脸图像进行特征识别，从而得到人脸表情信息，其中所述人脸识别模型包括：卷积池化层和全连接层。
[0124]
详细地，所述人脸和肢体表情分析模块102通过执行下述操作利用预构建的人脸识别模型所述人脸图像进行表情分析，人脸表情信息，包括：
[0125]
对所述人脸图像进行预处理操作，得到标准人脸图像；
[0126]
利用预设的人脸识别模型中的卷积池化层提取所述标准人脸图像进行特征识别，得到特征人脸图像；
[0127]
利用所述人脸识别模型中全连接层中的激活函数输出所述特征人脸图像，得到人脸表情信息。
[0128]
本发明一实施例中，对所述人脸图像进行预处理操作可以是对所述人脸图像进行的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化操作。
[0129]
本发明一可选实施例中，对所述处理人脸图像进行特征识别可以是检测用户的脸型轮廓、眉毛、鼻子、眼睛等关键点，识别摇头、嘴巴吹气、情绪(如烦躁、冷颤)和眼睛视线等人脸表情。
[0130]
本发明一实施例中，将特征人脸图像输入至全连接层中，并利用全连接层中的激活函数(如softmax函数)输出所述特征人脸图像，得到人脸表情信息。
[0131]
本发明实施例中，所述预构建的动作识别模型可以通过卷积池化层获取所述肢体图像中的肢体关节位置坐标，根据所述肢体关节位置坐标的变化，计算肢体关节的运动轨迹，并生成肢体关节变化矩阵，实现对所述肢体图像的行为分析，再通过全连接层输出所述肢体关节变化矩阵，得到肢体动作信息，其中，所述动作识别模型包括：卷积池化层和全连接层。
[0132]
详细地，所述人脸和肢体表情分析模块102通过执行下述操作利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息，包括：
[0133]
利用预构建的动作识别模型中的卷积池化层获取所述肢体图像中的肢体关节位置坐标；
[0134]
根据所述肢体关节位置坐标的变化计算肢体关节的运动轨迹，并根据所述肢体关节的运动轨迹生成肢体关节变化矩阵；
[0135]
利用所述动作识别模型中全连接层中的激活函数输出所述肢体关节变化矩阵，得
到肢体动作信息。
[0136]
本发明一实施中，可以将所述肢体图像中上肢关节设置为关键点，并获取所述关键点的位置坐标，根据所述位置坐标的变换得到肢体关节的运动轨迹，从而提取上肢的一系列动作信息，且所述动作信息存储在肢体关节矩阵中，实现对所述肢体图像的行为分析。
[0137]
本发明一实施例中，所述肢体关节的运动轨迹对应的肢体行为可以是摩擦手臂、双手抱胸、用手扇风和撩袖子等行为。
[0138]
本发明一实施例中，利用全连接层中的激活函数(如sigmod函数)输出所述肢体关节变化矩阵，得到人脸表情信息。
[0139]
所述冷程度和热程度获取模块103，用于根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度。
[0140]
本发明实施例中，可以将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配，再根据匹配结果确定所述用户的冷热程度。
[0141]
本发明实施例中，将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配，是通过将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库进行匹配，以及将所述人脸表情信息和所述肢体动作信息分别与预设的热人脸肢体库进行匹配。
[0142]
本发明实施例中，所述冷人脸肢体库可包括：脸部颤动、嘴巴哈气、摩擦手臂、双手抱胸、颤栗、穿衣服、蜷缩、打喷嚏和擦鼻涕等表情和肢体特征向量；所述热人脸肢体库可包括：头部频繁摇动、情绪烦躁、擦额头、脱衣服、撩袖子等表情和肢体特征向量。
[0143]
详细地，所述冷程度和热程度获取模块103通过执行下述操作根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度，包括：
[0144]
将所述人脸表情信息和所述肢体动作信息分别与预设的冷人脸肢体库和预设的热人脸肢体库进行匹配；
[0145]
根据匹配结果将所述人脸表情信息分为冷人脸表情和热人脸表情，以及根据所述匹配结果将所述肢体动作分为冷肢体动作和热肢体动作；
[0146]
识别所述冷人脸表情和所述冷肢体动作出现的次数，并根据所述冷人脸表情和所述冷肢体动作出现的次数确定多个所述用户的冷感值，根据所述冷感值的大小确定多个所述用户的冷程度；
[0147]
识别所述热人脸表情和所述热肢体动作出现的次数，并根据所述热人脸表情和所述热肢体动作出现的次数确定多个所述用户的热感值，根据所述热感值的大小确定多个所述用户的热程度。
[0148]
进一步地，根据匹配结果将所述人脸表情信息分为冷人脸表情和热人脸表情，包括：
[0149]
若所述人脸表情信息与预设的冷人脸肢体库中信息相匹配，确定所述人脸表情信息为冷人脸表情；
[0150]
若所述人脸表情信息与预设的热人脸肢体库中信息相匹配，确定所述人脸表情信息为热人脸表情。
[0151]
本发明一可选实施例中，通过识别所述冷人脸表情和所述冷肢体动作出现的次数，可以确定所述用户的冷感值，根据所述冷感值的大小，可以确定所述用户的冷程度。
[0152]
例如，多个用户出现摩擦手臂、双手抱胸、颤栗、打喷嚏和擦鼻涕各出现一次，则可以确定多个用户的冷感值dlt
l
为
‑
5；当冷感值dlt
l
在
‑
3～
‑
5的范围，可以确定多个用户的冷程度一般，当冷感值dlt
l
在
‑
6～
‑
10的范围，可以确定多个用户的冷程度为很冷。
[0153]
本发明又一实施例中，所述热程度的确定过程同所述冷程度类似，此处不再赘述。
[0154]
例如，多个用户出现用手扇风、擦额头、脱衣服、撩袖子各出现一次，则可以确定多个用户的热感值dlt
r
为4；当热感值dlt
r
在3～5的范围，可以确定多个用户的热程度一般，当热感值dlt
r
在6～10的范围，可以确定多个用户的热程度为很热。
[0155]
本发明实施例中，通过人脸表情和肢体动作出现的次数确定冷感值和热感值是可以防止若某个用户不小心发生上述冷人脸肢体库或热人脸肢体库的表情动作，不会将其表情动作作为冷感值或热感值，可以提高后续计算温度变化值的准确度。
[0156]
所述温度变化值计算模块104，用于获取所述目标区域的当前温度，根据所述当前温度、所述冷程度、所述热程度以及预设温度调控模型计算所述当前温度的温度变化值。
[0157]
本发明实施例中，所述目标区域的当前温度是基于室外环境温度以及室内环境温度确定的适用于大部分用户的温度。
[0158]
本发明实施例中，所述温度变化值是根据所述冷程度、所述当前温度以及所述预设温度调控模型进行计算所得的变化值，或根据所述热程度、所述当前温度以及所述预设温度调控模型进行计算所得的变化值，其中，所述温度变化值包括：冷温度变化值或热温度变化值；所述预设温度调控模型包括：冷模型和热模型。
[0159]
详细地，所述温度变化值计算模块104通过执行下述操作根据所述当前温度、所述冷程度、所述热程度以及预设的温度调控模型计算所述当前温度的温度变化值，包括：
[0160]
在所述冷程度处于第一预设范围时，利用所述冷模型和所述当前温度计算所述当前温度的冷温度变化值；
[0161]
在所述热程度处于第二预设范围时，利用所述热模型和所述当前温度计算所述当前温度的热温度变化值。
[0162]
本发明一实施例中，所述第一预设范围可为
‑
3～
‑
10，所述第二预设范围可为3～10，另外，在本发明中同时出现冷程度和热程度时，可以计算程度较强的温度变化值，若程度较强的是冷程度，计算冷程度的温度变化值，若程度较强的是热程度，计算热程度的温度变化值。
[0163]
本发明一实施例中，可通过下列所述温度调控模型中的冷模型计算所述当前温度的冷温度变化值：
[0164][0165]
其中，所述u(t)表示冷温度变化值，所述k
p
表示比例系数，所述e(t)表示当前温度，dlt
l
冷感值，t
d
微分时间常数，t调节周期。
[0166]
本发明又一实施例中，可通过下列所述温度调控模型中的热模型计算所述当前温度的热温度变化值：
[0167]
[0168]
其中，所述u(t)表示热温度变化值，所述k
p
表示比例系数，所述e(t)表示当前温度，dlt
r
热感值，t
d
微分时间常数，t调节周期。
[0169]
所述温度调整模块105，用于根据所述温度变化值控制所述目标区域的温度从所述当前温度调整为目标温度。
[0170]
本发明实施例中，所述根据所述温度变化值控制所述目标区域的温度从所述当前温度调整为目标温度，包括：在所述当前温度的基础上结合温度变化值调整目标区域的温度为目标温度。
[0171]
例如，所述温度变化值为冷温度变化值，具体的，冷温度变化值为3℃，若当前温度为27℃，则控制所述目标区域的目标温度为从27℃降低3℃，即目标温度为24℃。
[0172]
本发明实施例中，在控制所述目标区域的温度从所述当前温度调整为目标温度时，可以根据所述温度变化值使得温度调节设备转动调节旋钮，使得转动杆转动，通过转动杆转动，带动齿轮转动，实现终端高度的调节，使得终端可以通过调节高度来改善吹风效果。
[0173]
本发明实施例中，首先通过获取目标区域内多个用户的人脸图像和肢体图像，并通过对人脸图像进行表情分析，得到人脸表情信息，通过对肢体图像进行行为分析，得到肢体动作信息；进而，根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和热程度，通过确定多个所述用户的冷程度和多个所述用户的热程度，结合目标区域多个用户的冷程度和热程度对目标区域的温度进行调整，从而实现准确地温度调节。因此本发明实施例提出的基于图像识别的温度调节装置可以解决温度调节不准确的问题。
[0174]
如图4所示，是本发明实现基于图像识别的温度调节方法的电子设备的结构示意图。
[0175]
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于图像识别的温度调节程序。
[0176]
其中，所述存储器11至少包括一种类型的介质，所述介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于图像识别的温度调节程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0177]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如基于图像识别的温度调节程序等)，以及调用存储在所述存储器11内
的数据，以执行电子设备的各种功能和处理数据。
[0178]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0179]
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0180]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
[0181]
可选地，所述通信接口13可以包括有线接口和/或无线接口(如wi
‑
fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
[0182]
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light
‑
emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0183]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0184]
所述电子设备中的所述存储器11存储的基于图像识别的温度调节程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
[0185]
获取目标区域内多个用户的人脸图像和肢体图像；
[0186]
利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息；
[0187]
利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息；
[0188]
根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度；
[0189]
获取所述目标区域的当前温度，根据所述当前温度、所述冷程度、所述热程度以及预设温度调控模型计算所述当前温度的温度变化值；
[0190]
根据所述温度变化值控制所述目标区域的当前温度调整为目标温度。
[0191]
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0192]
进一步地，所述电子设备集成的模块/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介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携待所述计算
机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)。
[0193]
本发明实施例还可以提供一种计算机介质，所述介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0194]
获取目标区域内多个用户的人脸图像和肢体图像；
[0195]
利用预构建的人脸识别模型对所述人脸图像进行表情分析，得到人脸表情信息；
[0196]
利用预构建的动作识别模型对所述肢体图像进行行为分析，得到肢体动作信息；
[0197]
根据所述人脸表情信息和所述肢体动作信息，确定多个所述用户的冷程度和多个所述用户的热程度；
[0198]
获取所述目标区域的当前温度，根据所述当前温度、所述冷程度、所述热程度以及预设温度调控模型计算所述当前温度的温度变化值；
[0199]
根据所述温度变化值控制所述目标区域的当前温度调整为目标温度。
[0200]
进一步地，所述计算机可用介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0201]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0202]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0203]
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
[0204]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0205]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0206]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0207]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0208]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。