循环扇控制方法、循环扇、循环扇控制系统及存储介质与流程

1.本技术涉及智能家居领域，尤其涉及一种循环扇控制方法、循环扇、循环扇控制系统及存储介质。


背景技术：

2.在阴雨或潮湿天气，晾晒在晾衣架上的衣物往往由于天气原因不能及时晒干，衣物长时间潮湿可能会滋生细菌，引起一些皮肤疾病。因此，为了使晾晒在晾衣架上的衣物能够被及时晒干，可以利用循环扇对晾衣架所在位置进行吹风，以促进空气流通，加快衣物晒干的速度。
3.但现有的循环扇大多需要用户手动调节循环扇的摆动角度以及送风模式，从而实现循环扇根据晾衣架的位置进行吹风，并且由于晾衣架上可能同时挂放有已经晒干的衣物和湿衣物，循环扇无法有针对性的对湿衣物进行吹风，操作繁琐，并且降低了用户的使用体验。
4.因此，如何使循环扇能够根据晾衣架上挂放的湿衣物的位置自动调整送风范围成为亟待解决的问题。


技术实现要素：

5.本技术提供了一种循环扇控制方法、循环扇、循环扇控制系统及存储介质，以使循环扇能够根据晾衣架上挂放的湿衣物的位置自动调整送风范围。
6.第一方面，本技术提供了一种循环扇控制方法，所述循环扇上设置有深度摄像头，所述方法包括：
7.获取所述深度摄像头采集的包括挂放衣物的彩色深度图像，所述彩色深度图像包括深度信息；
8.根据所述深度信息确定所述循环扇在第一方向上的吹风距离；
9.根据所述彩色深度图像确定所述挂放衣物的当前状态；
10.获取所述当前状态为潮湿状态的挂放衣物的边界坐标；
11.根据所述边界坐标和所述吹风距离计算所述循环扇在第二方向上的左右偏转角度区间，以根据所述左右偏转角度区间调节所述循环扇的送风范围。
12.第二方面，本技术还提供了一种循环扇，所述循环扇包括深度摄像头、存储器和处理器；
13.所述深度摄像头用于采集包括挂放衣物的彩色深度图像；
14.所述存储器用于存储计算机程序；
15.所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现如上述的循环扇控制方法。
16.第三方面，本技术还提供了一种循环扇控制系统，其特征在于，所述系统包括循环扇和晾衣架；
17.所述晾衣架用于采集挂放衣物的压力数据，并将所述压力数据发送至循环扇；
18.所述循环扇用于接收所述压力数据，并执行如上述的循环扇控制方法。
19.第四方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的循环扇控制方法。
20.本技术公开了一种循环扇控制方法、循环扇、循环扇控制系统及存储介质，获取深度摄像头采集的包括挂放衣物的彩色深度图像，然后根据彩色深度图像中的深度信息确定循环扇的吹风距离，随后将彩色深度图像输入状态识别模型进行挂放衣物状态的识别，以获取当前状态为潮湿状态的挂放衣物的边界坐标，最终根据边界坐标和吹风距离计算循环扇在第二方向上的左右偏转角度区间，从而使得循环扇能够根据左右偏转角度区间调整送风范围。根据采集到的彩色深度图像确定挂放衣物的当前状态，并从中筛选出潮湿状态的挂放衣物，根据潮湿状态的挂放衣物的空间范围确定循环扇的左右偏转角度区间，从而确定循环扇的送风范围，使得循环扇能够对潮湿状态的挂放衣物所在的空间范围进行精准吹风，提高了对循环扇控制的便捷性和精准度。
附图说明
21.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是本技术的实施例提供的一种循环扇控制系统的结构示意图；
23.图2是本技术实施例提供的一种循环扇的示意性框图；
24.图3是本技术实施例提供的一种状态识别模型的训练方法的步骤示意图；
25.图4是本技术实施例提供的一种循环扇控制方法的步骤示意图；
26.图5是本技术实施例提供的循环扇在第一方向上的吹风距离的示意图；
27.图6是图3中提供的一种循环扇控制方法的子步骤示意图；
28.图7是本技术实施例提供的根据压力数据确定挂放衣物的当前状态的步骤示意图；
29.图8是本技术实施例提供的获取所述当前状态为潮湿状态的挂放衣物的边界坐标的步骤示意图；
30.图9是本技术实施例提供的循环扇在第二方向上的偏转距离的示意图；
31.图10是本技术实施例提供的计算所述循环扇在第二方向上的左右偏转角度区间的步骤示意图。
具体实施方式
32.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
33.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不
是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
34.应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
35.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
36.本技术的实施例提供了一种循环扇控制方法、循环扇、循环扇控制系统及存储介质。
37.请参阅图1，图1是本技术的实施例提供的一种循环扇控制系统的结构示意图。该循环扇控制系统100包括循环扇10和晾衣架20，其中循环扇10和晾衣架20通信连接，以便于循环扇10根据晾衣架20发送的信息调整循环扇10的送风范围。
38.晾衣架20上设置有压力传感器，用于采集挂放衣物的压力数据，并将压力数据发送至循环扇。在衣物晾晒过程中，由于衣物内的水分逐渐蒸发，压力传感器采集到的数值会逐渐减小，晾衣架20通过压力传感器采集挂放衣物的压力数据，进而判断挂放衣物的当前状态。
39.若晾衣架20采集到的挂放衣物的压力数据在预设时间间隔内持续发生变化，则说明此时挂放衣物处于潮湿状态，若晾衣架20采集到的挂放衣物的压力数据在预设时间间隔内不发生变化，则说明此时挂放衣物处于干燥状态。
40.由晾衣架20将挂放衣物的压力数据发送至循环扇10，循环扇10根据该压力数据判断挂放衣物的当前状态，当挂放衣物的当前状态为潮湿状态时，循环扇10获取当前状态为潮湿状态的挂放衣物的边界坐标，进而确定循环扇10在第二方向上的左右偏转角度区间，从而调整循环扇10的送风范围。
41.需要说明的是，在本技术的实施例中，循环扇10的机头可以沿某个方向摆动，比如沿水平方向摆动，和/或沿竖直方向摆动，其中摆动可以使用电机和驱动机构实现，驱动机构比如包括曲柄和连杆，或者主动轮和从动轮配合等。
42.可以理解的是，在本技术的实施例中，可以同时采用沿水平方向摆动和沿竖直方向摆动结合的方式，使得循环扇10具有更多的摆动吹风方式，即可以实现更多方向的吹风模式。
43.具体地，该循环扇10中设有深度摄像头和通信模块，深度摄像头的数目可以为单个，也可以为多个；通信模块用于和晾衣架20进行通信连接，比如为蓝牙模块、wi-fi模块、lte模块、nb-iot模块、lora模块等等。
44.其中，循环扇10和晾衣架20配合用于执行本技术实施例提供的循环扇的控制方法，以实现对循环扇的送风范围的控制。
45.在一些实施例中，循环扇控制方法也可以应用在终端设备中，使得用户可以借助该终端设备控制循环扇的吹风范围。
46.具体地，可以在终端设备中安装一个应用程序(app)，以便用户使用该app实现对循环扇的控制。
47.其中，该终端设备包括智能手机、平板电脑、个人电脑或可穿戴设备等电子设备。
48.示例性的，所述循环扇用于获取所述深度摄像头采集的包括挂放衣物的彩色深度图像，所述彩色深度图像包括深度信息；根据所述深度信息确定所述循环扇在第一方向上的吹风距离；根据所述彩色深度图像确定所述挂放衣物的当前状态；获取所述当前状态为潮湿状态的挂放衣物的边界坐标；根据所述边界坐标和所述吹风距离计算所述循环扇在第二方向上的左右偏转角度区间，以根据所述左右偏转角度区间调节所述循环扇的送风范围。由此是的循环扇能够根据晾衣架上当前状态为潮湿状态的挂放衣物的空间范围进行吹风，提高循环扇吹风范围控制的精准度，同时也便捷用户的控制，提高用户体验度。
49.请结合图2，图2是本技术实施例提供的一种循环扇的示意性框图。该循环扇10包括深度摄像头11、处理器12和存储器13，其中，深度摄像头11、处理器12和存储器13通过总线连接。
50.其中，存储器13可以包括非易失性存储介质和内存储器。
51.非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种循环扇控制方法。
52.深度摄像头11用于采集彩色深度图像，在本技术的实施例中主要用于采集循环扇吹风范围内包括挂放衣物的深度图像。
53.处理器12用于提供计算和控制能力，支撑整个终端设备的运行。
54.内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种循环扇控制方法。
55.可以理解，图2中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的循环扇的限定，具体的循环扇可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
56.应当理解的是，处理器12可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
57.其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
58.获取所述深度摄像头采集的包括挂放衣物的彩色深度图像，所述彩色深度图像包括深度信息；
59.根据所述深度信息确定所述循环扇在第一方向上的吹风距离；
60.根据所述彩色深度图像确定所述挂放衣物的当前状态；
61.获取所述当前状态为潮湿状态的挂放衣物的边界坐标；
62.根据所述边界坐标和所述吹风距离计算所述循环扇在第二方向上的左右偏转角度区间，以根据所述左右偏转角度区间调节所述循环扇的送风范围。
63.在一些实施例中，所述处理器在实现所述根据所述彩色深度图像确定所述挂放衣物的当前状态时，用于实现：
64.提取所述彩色深度图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预
设范围内；
65.若所述颜色分量不在预设范围内，则获取晾衣架采集的所述挂放衣物的压力数据，以确定所述挂放衣物的当前状态；
66.若所述颜色分量在预设范围内，则将所述彩色深度图像输入预先训练的状态识别模型。
67.在一些实施例中，所述处理器在实现所述提取所述彩色深度图像在颜色空间内的颜色分量时，用于实现：
68.将所述彩色深度图像转换至hsv颜色空间，以得到所述hsv颜色空间的饱和度分量和亮度分量；
69.所述处理器在实现所述判断所述颜色分量是否在预设范围内时，用于实现：
70.判断所述饱和度分量和亮度分量是否均在预设范围内。
71.在一些实施例中，所述处理器在实现所述获取晾衣架采集的所述挂放衣物的压力数据，以确定所述挂放衣物的当前状态时，用于实现：
72.获取晾衣架采集的所述挂放衣物压力数据，并判断所述压力数据在预设时间间隔内是否发生变化；
73.若所述压力传感器的数值在预设时间间隔内发生变化，则确定所述晾晒衣物的当前状态为潮湿状态。
74.在一些实施例中，所述处理器在实现所述获取所述当前状态为潮湿状态的挂放衣物的边界坐标时，用于实现：
75.对所述彩色深度图像进行切割，以得到所述当前状态为潮湿状态的挂放衣物的区域图像；
76.对所述区域图像进行轮廓提取，以得到所述当前状态为潮湿状态的挂放衣物的边界坐标。
77.在一些实施例中，所述处理器在实现所述根据所述边界坐标和所述吹风距离计算所述循环扇在第二方向上的左右偏转角度区间时，用于实现：
78.根据所述吹风距离和所述边界坐标计算所述循环扇在第二方向上的偏转距离；
79.根据所述吹风距离和所述偏转距离计算所述循环扇的左右偏转角度区间。
80.在一些实施例中，所述处理器还用于实现：
81.获取所述深度摄像头连续采集的多帧彩色深度图像；
82.若在预设时段内，所述多帧彩色深度图像中均未包括所述当前状态为潮湿状态的挂放衣物，则关闭所述循环扇。
83.在一些实施例中，所述处理器还用于实现：
84.获取样本图像，所述样本图像包括深度摄像头拍摄的潮湿状态的衣物图像和对应的干燥状态的衣物图像；
85.根据所述潮湿状态和干燥状态对所述样本图像进行标注，以构建样本数据；
86.基于卷积神经网络，根据所述样本数据进行模型训练以得到状态识别模型，并将得到的状态识别模型作为预先训练的状态识别模型。
87.请参阅图3，图3是本技术实施例提供的一种状态识别模型的训练方法的步骤示意图。该状态识别模型是基于卷积神经网络进行模型训练得到的，当然也可以采用其他网络
进行训练得到。
88.如图3所示，该状态识别模型的训练方法用于训练出状态识别模型以便于应用在循环扇控制方法上。其中，该训练方法包括步骤s201和步骤s203。
89.s201、获取样本图像，所述样本图像包括深度摄像头拍摄的潮湿状态的衣物图像和对应的干燥状态的衣物图像。
90.具体地，利用深度摄像头拍摄同一衣物处于潮湿状态下的衣物图像和处于干燥状态下的衣物图像，从而将拍摄到的衣物图像共同作为样本图像。在具体实施过程中，在拍摄样本图像中，可以使用不同颜色、不同材质的衣物进行拍摄，以提高样本图像的多样性，提高训练得到的状态识别模型的识别准确度。
91.s202、根据所述潮湿状态和干燥状态对所述样本图像进行标注，以构建样本数据。
92.具体地，对样本图像中处于潮湿状态和处于干燥状态的图像分别进行标注，从而构建样本数据，以便于根据该具有标注的样本数据训练状态识别模型。
93.s203、基于卷积神经网络，根据所述样本数据进行模型训练以得到状态识别模型，并将得到的状态识别模型作为预先训练的状态识别模型。
94.具体地，利用卷积神经网络，将所述样本数据输入所述卷积神经网络进行模型训练，在经过多次迭代训练和验证后，将最终得到的状态识别模型作为预先训练的状态识别模型。
95.在一些实施例中，由于循环扇控制方法应用于循环扇中，因此可以将训练好的模型保存在循环扇的状态识别装置中，以提高数据处理速度和模型的反应速度，提高交互速度，给用户带来更实时的体验。
96.在一些实施例中，为了保证循环扇的正常运行以及快速识别出挂放衣物的状态，还需要对训练得到的状态识别模型进行压缩处理，将压缩处理后的模型保存在循环扇的状态识别装置中。
97.其中，该压缩处理具体包括对状态识别模型进行量化处理等，以减小状态识别模型的大小，进而方便保存在容量较小的循环扇的状态识别装置中。
98.上述实施例提供的训练方法，通过获取潮湿状态和干燥状态两种状态下的衣物图像，并对样本图像进行标注，构建样本数据，最终基于卷积神经网络根据样本数据进行模型训练得到状态识别模型，并将得到的状态识别模型应用于衣物收取提醒方法中，提高了对于挂放衣物进行图像识别，从而提高确定其干湿状态的准确度。
99.请参阅图4，图4是本技术实施例提供的一种循环扇控制方法的步骤示意图。该循环扇控制方法可应用于如图2所示的循环扇上，通过包括挂放衣物的深度图像确定循环扇在第一方向上的吹风距离，然后再根据包括挂放衣物的彩色深度图像识别挂放衣物的当前状态，从而获取当前状态为潮湿状态的挂放衣物的边界坐标，以通过计算得到循环扇的左右偏转角度区间，从而调节循环扇的送风范围，使循环扇能够更好的对潮湿状态的挂放衣物进行送风。
100.如图4所示，该循环扇控制方法，具体包括：步骤s301至步骤s305。
101.s301、获取所述深度摄像头采集的包括挂放衣物的彩色深度图像。
102.其中，所述彩色深度图像包括深度信息。循环扇上的深度摄像头开启，由处理器获取循环扇上的深度摄像头采集的包括挂放衣物的彩色深度图像，以便于对获取到的彩色深
度图像进行进一步的处理。
103.在一些实施例中，为了降低循环扇上深度摄像头的能耗，可以控制深度摄像头每间隔预设时段开启一次，例如，每6个小时开启一次。开启后获取晾衣架附近的彩色深度图像，并对获取到的晾衣架附近的彩色深度图像进行图像识别，以判断晾衣架上是否存在挂放衣物，若晾衣架上存在挂放衣物，则继续采集包括挂放衣物的彩色深度图像，若晾衣架上不存在挂放衣物，则关闭深度摄像头。
104.需要说明的是，为了便于描述，本技术中安装于循环扇上的深度摄像头在采集包括挂放衣物的彩色深度图像时，是在循环扇处于初始位置时采集的，也即，是循环扇的扇头的偏转角度为0时采集的。
105.s302、根据所述深度信息确定所述循环扇在第一方向上的吹风距离。
106.其中，第一方向是指循环扇相对于挂放衣物的第一方向，其中，第一方向可以为水平纵向，吹风距离是指挂放衣物在水平纵向方向上与循环扇之间的距离。如图5所示，f表示吹风距离。
107.深度图像中的像素点代表的是在深度摄像头的视野中，该特定坐标处的物体到深度摄像头所在平面的距离。因此，通过彩色深度图像中包括的深度信息，可以确定循环扇相对于挂放衣物在第一方向上的吹风距离。
108.在一些实施例中，所述循环扇控制方法还包括：根据所述吹风距离确定所述循环扇的吹风档位。
109.具体地，循环扇的吹风档位越高，则风力越大，其吹风距离也越远，因此，分别获取循环扇每一档位的吹风距离区间，在得到吹风距离后，即可根据该吹风距离判断循环扇的吹风档位，使得循环扇能够自动调节风力，使用便捷。
110.s303、根据所述彩色深度图像确定所述挂放衣物的当前状态。
111.具体地，当前状态包括潮湿状态和干燥状态。对于同一颜色的衣物而言，在潮湿状态和干燥状态时所呈现的颜色略有差异，因此，可以根据采集到的彩色深度图像确定挂放衣物的当前状态。
112.在一些实施例中，请参阅图6，步骤s303具体包括步骤s3031至步骤s3033。
113.s3031、提取所述彩色深度图像在颜色空间内的颜色分量，并判断所述颜色分量是否在预设范围内。
114.具体地，对于同一材质的衣物而言，由于挂放衣物的颜色越深(也即越靠近黑色)或颜色越浅(也即越靠近白色)，挂放衣物在潮湿状态和干燥状态下的颜色变化越不明显，因此可以根据挂放衣物的颜色确定其对应的判断方法。提取彩色深度图像在颜色空间内的颜色分量，以便于判断颜色分量是否在预设范围内，若提取到的颜色分量处于预设范围内，则利用预先训练的状态识别模型进行识别，若提取到的颜色分量未处于预设范围内，则利用压力传感器识别衣物状态，对衣物进行分类识别，提高衣物状态识别的准确率。
115.在一些实施例中，所述提取所述彩色深度图像在颜色空间内的颜色分量，具体包括：将所述彩色深度图像转换至hsv颜色空间，以得到所述hsv颜色空间的饱和度分量和亮度分量；所述判断所述颜色分量是否在预设范围内，包括：判断所述饱和度分量和亮度分量是否均在预设范围内。
116.具体地，可以使用数学公式进行rgb颜色空间和hsv颜色空间的坐标转换。通常深
度摄像头采集到的图像为rgb颜色空间的图像，将rgb颜色空间的彩色深度图像转换至hsv颜色空间的图像，其中，hsv颜色空间中的h表示色调，s表示饱和度，v表示亮度，饱和度表示颜色的深浅，亮度表示颜色的明暗程度。
117.预设范围可以是预先设置好的，例如饱和度范围为0.6～1，亮度范围为0.5～0.75，提取到hsv颜色空间的饱和度分量和亮度分量，并判断提取到的饱和度分量和亮度分量是否均处于对应的范围内。
118.s3032、若所述颜色分量不在预设范围内，则获取晾衣架采集的所述挂放衣物的压力数据，以确定所述挂放衣物的当前状态。
119.具体地，若颜色分量不在预设范围内，则使用压力传感器确定挂放衣物的当前状态，由于挂放衣物在潮湿状态下衣物重量较重，随着挂放衣物逐渐晒干，挂放衣物的重量也会逐渐减轻，直至到达挂放衣物干燥状态下的重量，因此，可以根据压力传感器确定晾晒衣物的当前状态。
120.在一些实施例中，请参阅图7，根据压力数据确定挂放衣物的当前状态具体包括步骤s3032a和s3032b。
121.s3032a、获取晾衣架采集的所述挂放衣物压力数据，并判断所述压力数据在预设时间间隔内是否发生变化。
122.具体地，获取晾衣架采集的所述挂放衣物压力数据，也即压力传感器的数值，在衣物晾晒过程中，压力传感器采集到的数值会逐渐减小，判断压力传感器的数值在预设时间间隔内是否发生变化，以判断衣物的当前状态。其中，预设时间间隔是预先设置的可调整的数值，例如可以为6小时。
123.s3032b、若所述压力传感器的数值在预设时间间隔内发生变化，则确定所述晾晒衣物的当前状态为潮湿状态。
124.具体地，若压力传感器的数值在预设时间间隔内发生变化，则说明此时挂放衣物尚未完成晾晒，则确定所述挂放衣物的当前状态为潮湿状态。
125.s3033、若所述颜色分量在预设范围内，则将所述彩色深度图像输入预先训练的状态识别模型。
126.具体地，若颜色分量在预设范围内，则将彩色深度图像输入预先训练的状态识别模型，由状态识别模型对挂放衣物进行状态识别，以得到挂放衣物的当前状态，所述当前状态包括潮湿状态和干燥状态。
127.s304、获取所述当前状态为潮湿状态的挂放衣物的边界坐标。
128.具体地，在对挂放衣物进行状态识别后，多件挂放衣物中获取当前状态为潮湿状态的挂放衣物的边界坐标，以便于调整循环扇的送风范围，使得循环扇能够根据潮湿状态的挂放衣物的位置进行送风。
129.需要说明的是，为了便于描述，本技术中挂放衣物在采集到的彩色深度图像中坐标所在坐标系是以循环扇上的深度摄像头所在位置为原点而建立的坐标系。
130.在一些实施例中，如图8所示，所述获取所述当前状态为潮湿状态的挂放衣物的边界坐标，包括步骤s3041和步骤s3042。
131.s3041、对所述彩色深度图像进行切割，以得到所述当前状态为潮湿状态的挂放衣物的区域图像。
132.具体地，在识别出挂放衣物的当前状态后，根据挂放衣物的当前状态对彩色深度图像进行切割，从而得到当前状态为潮湿状态的挂放衣物的区域图像。
133.在进行切割时，可根据识别出的当前状态为潮湿状态的挂放衣物的像素点对彩色深度图像进行切割，从而得到区域图像。
134.s3042、对所述区域图像进行轮廓提取，以得到所述当前状态为潮湿状态的挂放衣物的边界坐标。
135.具体地，对包括挂放衣物的区域图像进行轮廓识别，其中，轮廓识别可以是边缘检测等相关检测算法，以识别出挂放衣物在区域图像中的图像轮廓。并根据图像轮廓确定挂放衣物的边界坐标，其中，边界坐标可以是多个。
136.s305、根据所述边界坐标和所述吹风距离计算所述循环扇在第二方向上的左右偏转角度区间，以根据所述左右偏转角度区间调节所述循环扇的送风范围。
137.具体地，第二方向是指循环扇相对于挂放衣物的第二方向，其中，第二方向可以为水平横向，所述循环扇相对于所述挂放衣物在第二方向上的偏转距离，也即可以是指挂放衣物在横向水平方向上距循环扇的扇头之间的距离，如图9所示，w表示偏转距离。
138.可以先根据边界坐标和吹风距离计算循环扇在第二方向上偏转距离，然后再根据吹风距离和偏转距离计算循环扇在第二方向上的左右偏转角度区间，以使得循环扇能够根据左右偏转角度区间调节送风范围。
139.在一些实施例中，请参阅图10，计算所述循环扇在第二方向上的左右偏转角度区间具体包括，步骤s3051和步骤s3052。
140.s3051、根据所述吹风距离和所述边界坐标计算所述循环扇在第二方向上的偏转距离。
141.其中，在得到边界坐标后，即可根据边界坐标和吹风距离计算循环扇在第二方向上的偏转距离。
142.在一些实施例中，所述偏转距离可以包括左偏转距离和右偏转距离，步骤s3051还可以包括：
143.对所述边界坐标进行筛选，得到左边界坐标和右边界坐标；获取所述彩色深度图像的基准线，并计算左边界坐标与所述基准线的左图像距离，以及右边界坐标与所述基准线的右图像距离；分别根据所述左图像距离和右图像距离、所述深度摄像头的焦距和所述第一距离计算所述挂放衣物相对于所述循环扇在第二方向上的左偏转距离和右偏转距离。
144.具体地，对边界坐标进行筛选，确定挂放衣物的左边界坐标和右边界坐标。在确定左边界坐标和右边界坐标时，可以对多个边界坐标中的横坐标进行筛选，取横坐标最大值对应的边界坐标为右边界坐标，横坐标最小值对应的边界坐标作为左边界坐标。
145.其中，基准线是指循环扇上安装的深度摄像头所在的平面在坐标系中的位置。
146.在计算左图像距离时，可以将左边界坐标中的横坐标与基准线的横坐标相减，将差值取绝对值作为左图像距离，同样的，在计算右图像距离时，可以将右边界坐标中的横坐标与基准线的横坐标相减，将差值取绝对值作为右图像距离。例如，左边界坐标为(-20,40)，右边界坐标为(60,40)，基准线为x＝25，则左图像距离为|-20-25|＝45，右图像距离为|60-25|＝35。
147.在计算出左图像距离和右图像距离后，可以根据偏转距离计算公式，分别计算挂
放衣物相对于循环扇在第二方向上的左偏转距离和右偏转距离。
148.其中，偏转距离计算公式如下：
[0149][0150]
其中，w
i
表示左偏转距离或右偏转距离，f表示吹风距离，f表示摄像头的焦距，x
i
表示左图像距离或右图像距离。
[0151]
当公式中的x为左图像距离时，计算得到的是左偏转距离，当公式中的x为右图像距离时，计算得到的为右偏转距离。
[0152]
s3052、根据所述吹风距离和所述偏转距离计算所述循环扇的左右偏转角度区间。
[0153]
具体地，在得到吹风距离和偏转距离后，即可根据吹风距离和偏转距离计算循环扇在第二方向上的左右偏转角度区间，并将左右偏转角度区间发送至循环扇，以根据左右偏转角度区间调节循环扇的送风范围。
[0154]
在一些实施例中，步骤s3052还可以包括：
[0155]
利用反三角函数公式，根据所述吹风距离和所述左偏转距离计算所述挂放衣物与所述循环扇之间的左偏转夹角；利用反三角函数公式，根据所述吹风距离和所述右偏转距离计算所述挂放衣物与所述循环扇之间的右偏转夹角；基于所述左偏转夹角与右偏转夹角确定所述循环扇的左右偏转角度区间。
[0156]
具体地，在已知吹风距离和左偏转距离后，利用反三角函数，即可计算挂放衣物与循环扇之间的夹角角a的度数，并将计算出的角a的度数作为循环扇的左偏转角度。具体地，夹角角a的度数为：
[0157][0158]
其中，∠a为左偏转角度，w
左
表示左偏转距离，f表示吹风距离。
[0159]
同样的，在已知吹风距离和右偏转距离后，利用反三角函数，即可计算挂放衣物与循环扇之间的夹角角b的度数，并将计算出的角b的度数作为循环扇的右偏转角度。具体地，夹角角b的度数为：
[0160][0161]
其中，∠b为右偏转角度，w
右
表示右偏转距离，f表示吹风距离。
[0162]
在计算出左偏转夹角和右偏转夹角后，即可确定循环扇在第二方向上的左右偏转角度区间。
[0163]
在一些实施例中，基于所述左偏转夹角与右偏转夹角确定所述循环扇的左右偏转角度区间，还可以包括以下步骤：
[0164]
根据所述左边界坐标、右边界坐标和所述基准线确定所述挂放衣物在所述深度图像中的位置；根据所述挂放衣物在所述深度图像中的位置确定所述循环扇的左右偏转方向；根据所述左右偏转方向、左偏转夹角和右偏转夹角确定所述循环扇的左右偏转角度区间。
[0165]
具体地，根据挂放衣物的左边界坐标、右边界坐标和基准线确定挂放衣物在彩色
深度图像中的位置，挂放衣物在彩色深度图像中的位置也即挂放衣物相对于循环扇的位置。
[0166]
其中，挂放衣物相对于循环扇的位置可以为挂放衣物全部在循环扇的左边，挂放衣物全部在循环扇的右边，挂放衣物部分在循环扇的左边、部分在循环扇的右边。
[0167]
例如，若定义循环扇以初始位置在右侧转动时的角度为正，在左侧转动时的角度为负，则：
[0168]
当挂放衣物全部在循环扇的左边时，若左偏转角度为70
°
，右偏转角度为15
°
，则循环扇的左右偏转角度区间为-15
°
～-70
°
。
[0169]
当挂放衣物全部在循环扇的右边时，若左偏转角度为15
°
，右偏转角度为70
°
，则循环扇的左右偏转角度区间为15
°
～70
°
。
[0170]
当挂放衣物部分在循环扇左边，部分在循环扇右边时，若左偏转角度为15
°
，右偏转角度为70
°
，则循环扇的左右偏转角度区间为-15
°
～70
°
。
[0171]
在具体实施过程中，在计算出左偏转角度和右偏转角度的读数后，可以将计算出的左偏转角度减小5
°
，右偏转角度增加5
°
，作为最终的循环扇左右偏转角度区间，以补偿左偏转角度和右偏转角度在计算时的计算误差，提高循环扇的吹风效果。
[0172]
在一些实施例中，为了降低循环扇的能耗，该循环扇控制方法还包括：
[0173]
获取所述深度摄像头连续采集的多帧彩色深度图像；若在预设时段内，所述多帧彩色深度图像中均未包括所述当前状态为潮湿状态的挂放衣物，则关闭所述循环扇。
[0174]
具体地，深度摄像头持续采集多帧彩色深度图像，并将采集到的多帧彩色深度图像发送至处理器，由处理器获取到深度摄像头连续采集的多帧彩色深度图像，并对获取到的彩色深度图像进行图像分析，以判断深度图像中是否包括当前状态为潮湿状态的挂放衣物。
[0175]
若处理器判断出在预设时段内的每帧彩色深度图像中均未包括当前状态为潮湿状态的挂放衣物，则认为此时晾衣架上并不存在需要吹风的挂放衣物，向控制模块发送判断结果，由控制模块生成控制指令以自动控制循环扇关闭，以降低循环扇的耗能。其中，预设时段可以是用户预先设置的，也可以是开发人员设置的。
[0176]
例如，预设时段为十分钟，则深度摄像头持续采集当前的彩色深度图像，并将采集到的彩色深度图像发送至处理器，若处理器在连续十分钟内均未检测到深度图像中包括当前状态为潮湿状态的挂放衣物，则控制循环扇自动关闭。
[0177]
上述实施例提供的循环扇控制方法，通过获取深度摄像头采集的包括挂放衣物的彩色深度图像，然后根据彩色深度图像中的深度信息确定循环扇的吹风距离，随后将彩色深度图像输入状态识别模型进行挂放衣物状态的识别，以获取当前状态为潮湿状态的挂放衣物的边界坐标，最终根据边界坐标和吹风距离计算循环扇在第二方向上的左右偏转角度区间，从而使得循环扇能够根据左右偏转角度区间调整送风范围。根据采集到的彩色深度图像确定挂放衣物的当前状态，并从中筛选出潮湿状态的挂放衣物，根据潮湿状态的挂放衣物的空间范围确定循环扇的左右偏转角度区间，从而确定循环扇的送风范围，使得循环扇能够对潮湿状态的挂放衣物所在的空间范围进行精准吹风，提高了对循环扇控制的便捷性和精准度。
[0178]
本技术的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存
储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本技术实施例提供的任一项循环扇控制方法。
[0179]
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。
[0180]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。