一种空调器和人脸区域的检测方法与流程

1.本技术涉及空调器技术领域，更具体地，涉及一种空调器和人脸区域的检测方法。


背景技术：

2.人脸检测具有非常广泛的应用，比如智能家居，根据人脸的位置调整空调的出风方向，达到最舒适的效果，也可以根据环境内是否有人存在，而控制空调设备的启动或者停止，达到节约能源的目的。
3.由于担心存在隐私窃取和泄露的风险，在智能家居上采用摄像头多不为用户所接受。而红外传感器在家居家电上存在着广泛的应用，现有空调产品上已有很多系列在使用红外传感器做相关的应用，但由于成本等问题，所使用的红外传感器的分辨率较低，对于人脸区域只能识别大致轮廓且不能分辨五官等细节特征。
4.另外，由于空调器的成本管控等因素，红外传感器往往使用计算能力较弱的单片机来作为承载红外传感器运算的主控芯片，从而不能使用对人脸特征信息、芯片算力等有依赖性的深度学习神经网络的方法进行人脸检测。
5.因此，如何提供一种在不增加产品成本的基础上准确检测人脸区域的空调器，是目前有待解决的技术问题。


技术实现要素：

6.本发明提供一种空调器和人脸区域的检测方法，用以解决现有技术中过红外传感器检测人脸区域时准确率较低的技术问题。
7.该空调器包括：
8.红外传感器，用于对室内空间进行检测并输出流明数据；
9.室内温度传感器，用于检测室内温度；
10.控制器，被配置为：
11.根据所述流明数据和所述室内温度生成红外图像；
12.根据至少两个像素阈值对所述红外图像进行二值化处理并分别生成与各所述像素阈值对应的二值化图像；
13.根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域；
14.其中，所述第一目标区域为所述二值化图像中像素值连续为预设像素值的区域，所述第二目标区域为所述红外图像中与所述第一目标区域对应的区域。
15.在本技术一些实施例中，所述控制器具体被配置为：
16.根据所述形状参数和所述亮度参数从各所述第一目标区域中筛选出有效目标区域；
17.根据各所述有效目标区域确定所述人脸区域。
18.在本技术一些实施例中，所述形状参数包括面积比和矩形比，所述亮度参数包括
亮度比，所述控制器还具体被配置为：
19.根据所述第一目标区域的面积比和第一对应关系确定第一得分；
20.根据所述第一目标区域的矩形比和第二对应关系确定第二得分；
21.根据所述第二目标区域的亮度比和第三对应关系确定第三得分；
22.根据所述第一得分、第二得分和所述第三得分之和确定人脸置信得分；
23.若所述人脸置信得分大于预设置信得分，确定所述第一目标区域为所述有效目标区域；
24.其中，r＝h/w*100，q＝sum/(h*w)*100，b＝avr1/avr2*100，r为所述矩形比，h为所述第一目标区域的高度，w为所述第一目标区域的宽度，q为所述面积比，sum为所述第一目标区域的像素总个数，b为所述亮度比，avr1为将所述第二目标区域缩小预设比例后的第一亮度平均值，avr2为将所述第二目标区域放大预设倍数后的第二亮度平均值，所述第一对应关系由不同面积比范围和第一组预设得分值确定，所述第二对应关系由不同矩形比范围和第二组预设得分值确定，所述第三对应关系由不同亮度比范围和第三组预设得分值确定。
25.在本技术一些实施例中，所述形状参数包括像素总个数、面积比和矩形比，所述亮度参数包括亮度比，所述控制器还具体被配置为：
26.若所述像素总个数不小于预设个数，且所述面积比不小于预设面积比，且所述矩形比大于第一矩形比且小于第二矩形比，判断所述亮度比是否不小于预设亮度比，否则确定第一目标区域为干扰物；
27.若所述亮度比不小于所述预设亮度比，确定所述第一目标区域为有效目标区域，否则确定第一目标区域为干扰物；
28.其中，r＝h/w*100，q＝sum/(h*w)*100，b＝avr1/avr2*100，r为所述矩形比，h为所述第一目标区域的高度，w为所述第一目标区域的宽度，q为所述面积比，sum为所述第一目标区域的像素总个数，b为所述亮度比，avr1为将所述第二目标区域缩小预设比例后的第一亮度平均值，avr2为将所述第二目标区域放大预设倍数后的第二亮度平均值。
29.在本技术一些实施例中，所述控制器还具体被配置为：
30.根据各所述有效目标区域的坐标确定每个所述有效目标区域分别与其他有效目标区域之间交并比；
31.若所述交并比大于预设占比，将两个有效目标区域合并确定为一个人脸区域；
32.若所述交并比不大于所述预设占比，将两个有效目标区域确定为两个人脸区域。
33.在本技术一些实施例中，所述控制器具体被配置为：
34.根据公式一将所述流明数据转换为温度数据；
35.根据公式二将所述温度数据转换为像素数据；
36.将所述像素数据表示为二维矩阵后生成所述红外图像；
37.其中，所述公式一为：t1＝(l-8191)/30 t2，
38.所述公式二为：i＝(t1-t
min
)/(t
max-t
min
)*255，
39.t1为所述温度数据，l为所述流明数据，t2为红外传感器控制板的预设基准温度，i为所述像素数据，t
min
在所述室内温度小于第一预设温度时为所述第一预设温度，t
min
在所述室内温度大于第二预设温度时为所述第二预设温度，t
max
为第三预设温度，所述第一预设
温度小于所述第二预设温度，所述第二预设温度小于所述第三预设温度。
40.在本技术一些实施例中，所述控制器还被配置为：
41.在根据至少两个像素阈值对所述红外图像进行二值化处理之前，基于中值滤波算法对所述红外图像进行去噪，并根据插值算法对所述红外图像进行分辨率扩大。
42.在本技术一些实施例中，所述控制器还被配置为：
43.在生成与各所述二值化图像之后，基于图像开运算对各所述二值化图像进行处理。
44.在本技术一些实施例中，所述控制器具体被配置为：
45.将各所述像素阈值分别与所述红外图像中的各像素值进行比较，根据比较结果生成各所述二值化图像；
46.其中，将所述红外图像中大于所述像素阈值的像素值置为255，将所述红外图像中不大于所述像素阈值的像素值置为0。
47.相应的，本发明还提出了一种人体区域的检测方法，应用于包括红外传感器、室内温度传感器和控制器的空调器中，所述方法包括：
48.根据从所述红外传感器获取的流明数据和从所述室内温度传感器获取的室内温度生成红外图像；
49.根据至少两个像素阈值对所述红外图像进行二值化处理并分别生成与各所述像素阈值对应的二值化图像；
50.根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域；
51.其中，所述第一目标区域为所述二值化图像中像素值连续为预设像素值的区域，所述第二目标区域为所述红外图像中与所述第一目标区域对应的区域。
52.通过应用以上技术方案，在包括红外传感器、室内温度传感器和控制器的空调器中，控制器被配置为：根据所述流明数据和所述室内温度生成红外图像；根据至少两个像素阈值对所述红外图像进行二值化处理并分别生成与各所述像素阈值对应的二值化图像；根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域；其中，所述第一目标区域为所述二值化图像中像素值连续为预设像素值的区域，所述第二目标区域为所述红外图像中与所述第一目标区域对应的区域，基于至少两个像素阈值进行二值化处理，可提取不同温度值的层级图像，提高了对不同红外图像的适应性和泛化能力，并结合形状参数和亮度参数排除干扰因素，在不增加产品成本的基础上提高了检测人脸区域的准确性。
附图说明
53.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，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。
54.图1示出了本发明实施例提出的一种空调器的结构示意图；
55.图2示出了本发明实施例提出的一种人脸区域的检测方法的流程示意图；
56.图3示出了本发明另一实施例提出的一种人脸区域的检测方法的流程示意图。
具体实施方式
57.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，所描述的实施例仅仅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。
58.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
59.本技术中空调器通过使用压缩机、冷凝器、膨胀阀和蒸发器来执行制冷循环。制冷循环包括一系列过程，涉及压缩、冷凝、膨胀和蒸发，并向已被调节和热交换的空气供应制冷剂。
60.压缩机压缩处于高温高压状态的制冷剂气体并排出压缩后的制冷剂气体，所排出的制冷剂气体流入冷凝器，冷凝器将压缩后的制冷剂冷凝成液相，并且热量通过冷凝过程释放到周围环境。
61.膨胀阀使在冷凝器中冷凝的高温高压状态的液相制冷剂膨胀为低压的液相制冷剂。蒸发器蒸发在膨胀阀中膨胀的制冷剂，并使处于低温低压状态的制冷剂气体返回到压缩机。蒸发器可以通过利用制冷剂的蒸发的潜热与待冷却的材料进行热交换来实现制冷效果。在整个循环中，空调器可以调节室内空间的温度。
62.空调器的室外单元是指制冷循环的包括压缩机和室外热交换器的部分，空调器的室内单元包括室内热交换器，并且膨胀阀可以提供在室内单元或室外单元中。
63.室内热交换器和室外热交换器用作冷凝器或蒸发器。当室内热交换器用作冷凝器时，空调器用作制热模式的加热器，当室内热交换器用作蒸发器时，空调器用作制冷模式的冷却器。
64.本技术实施例提供一种空调器，如图1所示，包括：
65.红外传感器10，用于对室内空间进行检测并输出流明数据；
66.室内温度传感器20，用于检测室内温度；
67.控制器30，被配置为：
68.根据所述流明数据和所述室内温度生成红外图像；
69.根据至少两个像素阈值对所述红外图像进行二值化处理并分别生成与各所述像素阈值对应的二值化图像；
70.根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域。
71.本实施例中，红外传感器是利用红外线进行检测的一种传感器，红外传感器对室内空间进行检测并输出包括多个流明值的流明数据，流明值一般在七八千左右，温度高的区域流明值大，反之相对小。
72.控制器分别连接红外传感器和室内温度传感器，基于红外传感器可获取流明数
据，基于室内温度传感器可获取室内温度，根据流明数据和室内温度可生成红外图像，红外图像是单通道图，即一个二维数据，数值在0-255之间，就比如灰度图、黑白照片，都是单通道图片。然后根据至少两个像素阈值对红外图像进行二值化处理并分别生成与各像素阈值对应的二值化图像，二值化图像是图像像素值为0或者255的图像，只有这两个值，0表示纯黑，255表示纯白，将灰度图转换到二值化图像的操作称为二值化处理。可以理解的是，二值化图像的数量与像素阈值的数量一致。再将二值化图像中像素值连续为预设像素值的区域确定为第一目标区域，最后根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域。由于第一目标区域位于二值化图像中，无法有效展现亮度参数，因此，需要从红外图像中确定第二目标区域。
73.为了准确的确定人脸区域，在本技术一些实施例中，所述控制器具体被配置为：
74.根据所述形状参数和所述亮度参数从各所述第一目标区域中筛选出有效目标区域；
75.根据各所述有效目标区域确定所述人脸区域。
76.本实施例中，根据形状参数和亮度参数判断第一目标区域是否存在人脸，若存在，该第一目标区域为有效目标区域，从而从各第一目标区域中筛选出有效目标区域，然后根据各有效目标区域确定人脸区域。
77.为了准确的确定有效目标区域，在本技术一些实施例中，所述形状参数包括面积比和矩形比，所述亮度参数包括亮度比，所述控制器还具体被配置为：
78.根据所述第一目标区域的面积比和第一对应关系确定第一得分；
79.根据所述第一目标区域的矩形比和第二对应关系确定第二得分；
80.根据所述第二目标区域的亮度比和第三对应关系确定第三得分；
81.根据所述第一得分、第二得分和所述第三得分之和确定人脸置信得分；
82.若所述人脸置信得分大于预设置信得分，确定所述第一目标区域为所述有效目标区域。
83.本实施例中，矩形比r为目标区域的高度h和宽度w的比值，r＝h/w*100；面积比q为第一目标区域的像素总个数sum与高度h和宽度w的乘积的比值，q＝sum/(h*w)*100；确定将第二目标区域缩小预设比例后的第一亮度平均值avr1，和将第二目标区域放大预设倍数后的第二亮度平均值avr2，亮度比b＝avr1/avr2*100。
84.第一对应关系由不同面积比范围和第一组预设得分值确定，在本技术具体的应用场景中，如表1所示。
85.表1
86.面积比q得分值65≦q3560≦q《653050≦q《602540≦q《5020
87.第二对应关系由不同矩形比范围和第二组预设得分值确定，在本技术具体的应用场景中，如表2所示。
88.表2
89.矩形比r得分值80≦r《1203570≦r《80or120≦r《1603060≦r《70or160≦r《2002550≦r《60or200≦r《22020
90.第三对应关系由不同亮度比范围和第三组预设得分值确定，在本技术具体的应用场景中，如表3所示。
91.表3
92.亮度比b得分值160≦b30130≦b《16020100≦b《1301090≦b《1005
93.可选的，预设置信得分为80。
94.本领域技术人员可灵活设定不同的第一对应关系、第二对应关系和第三对应关系。
95.作为另一种实施例方式，为了准确的确定有效目标区域，在本技术一些实施例中，所述形状参数包括像素总个数，面积比和矩形比，所述亮度参数包括亮度比，所述控制器还具体被配置为：
96.若所述像素总个数不小于预设个数，且所述面积比不小于预设面积比，且所述矩形比大于第一矩形比且小于第二矩形比，判断所述亮度比是否不小于预设亮度比，否则确定第一目标区域为干扰物；
97.若所述亮度比不小于所述预设亮度比，确定所述第一目标区域为有效目标区域，否则确定第一目标区域为干扰物。
98.在本技术具体的应用场景中，预设个数为40，预设面积比为30，第一矩形比为50，第二矩形比为220，预设亮度比为90。
99.由于不同的有效目标区域可能存在重叠，为了准确的确定人脸区域，在本技术一些实施例中，所述控制器具体被配置为：
100.根据各所述有效目标区域的坐标确定每个所述有效目标区域分别与其他有效目标区域之间交并比；
101.若所述交并比大于预设占比，将两个有效目标区域合并确定为一个人脸区域；
102.若所述交并比不大于所述预设占比，将两个有效目标区域确定为两个人脸区域。
103.本实施例中，各有效目标区域的坐标表征了各有效目标区域在各二值化图像中的位置，根据该坐标确定每个有效目标区域分别与其他有效目标区域之间的交并比，交并比为两个有效目标区域的交集与并集的比值，若交并比大于预设占比，将两个有效目标区域合并确定为一个人脸区域；若交并比不大于预设占比，将两个有效目标区域确定为两个人脸区域。
104.需要说明的是，以上实施例的方案仅为本技术所提出的一种具体实现方案，其他根据各有效目标区域确定人体区域的方式均属于本技术的保护范围。
105.为了准确的生成红外图像，在本技术一些实施例中，所述控制器具体被配置为：
106.根据公式一将所述流明数据转换为温度数据；
107.根据公式二将所述温度数据转换为像素数据；
108.将所述像素数据表示为二维矩阵后生成所述红外图像；
109.其中，所述公式一为：t1＝(l-8191)/30 t2，
110.所述公式二为：i＝(t1-t
min
)/(t
max-t
min
)*255，
111.t1为所述温度数据，l为所述流明数据，t2为红外传感器控制板的预设基准温度，i为所述像素数据，t
min
在所述室内温度小于第一预设温度时为所述第一预设温度，t
min
在所述室内温度大于第二预设温度时为所述第二预设温度，t
max
为第三预设温度，所述第一预设温度小于所述第二预设温度，所述第二预设温度小于所述第三预设温度。
112.在本技术具体的应用场景中，第一预设温度为20，第二预设温度为32，第三预设温度为38。
113.需要说明的是，以上实施例的方案仅为本技术所提出的一种具体实现方案，其他根据流明数据和室内温度生成红外图像的方式均属于本技术的保护范围。
114.为了准确的生成二值化图像，在本技术一些实施例中，所述控制器还被配置为：
115.在根据至少两个像素阈值对所述红外图像进行二值化处理之前，基于中值滤波算法对所述红外图像进行去噪，并根据插值算法对所述红外图像进行分辨率扩大。
116.本实施例中，基于中值滤波算法对所述红外图像进行去噪，降低了图像的噪声并尽可能的保留了细节特征，根据插值算法对红外图像进行分辨率扩大，增加了图像数据，使人脸目标更突出和准确。
117.中值滤波可以为3*3的中值滤波，对3x3里的九个值进行排序，最后输出中间值。差值算法可以为双立方插值算法，将图像分辨率扩大4倍，即图像尺寸从80*60变为320*240。
118.本领域技术人员可根据实际需要灵活选择不同的中值滤波算法和插值算法，这并不影响本技术的保护范围，另外，基于中值滤波算法和插值算法对图像处理的具体过程对本领域技术人员是显而易见的，在此不再赘述。
119.为了准确的确定第一目标区域，在本技术一些实施例中，所述控制器还被配置为：
120.在生成与各所述二值化图像之后，基于图像开运算对各所述二值化图像进行处理。
121.图像开运算是形态学处理中的一种常见手段，开运算操作一般会平滑物体的轮廓、断开较窄的狭颈并消除细的突出物。由于人脸与脖子以及胸膛温度差异不是很大，在二值化处理时，有时若衣领较低的情况下，会将其人脸与其他区域作为一个整体标记，从而影响人脸的检测效果。为解决这一问题，故结合形态学处理对图像二值图像进行开运算，即先腐蚀再膨胀运算。这样能去除噪声，消除小物体和在纤细点处分离物体，以及平滑较大物体的边界的同时并不明显改变其面积。
122.为了准确的生成二值化图像，在本技术一些实施例中，所述控制器具体被配置为：
123.将各所述像素阈值分别与所述红外图像中的各像素值进行比较，根据比较结果生成各所述二值化图像；
124.其中，将所述红外图像中大于所述像素阈值的像素值置为255，将所述红外图像中不大于所述像素阈值的像素值置为0。
125.举例来说，如像素阈值为128，将红外图像中大于128的像素值置为255，将红外图像中不大于128的像素值置为0。所述预设像素值可以为255。
126.在本技术具体的应用场景中，所述像素阈值包括第一像素阈值、第二像素阈值、第三像素阈值和第四像素阈值。
127.通过应用以上技术方案，在包括红外传感器、室内温度传感器和控制器的空调器中，控制器被配置为：根据所述流明数据和所述室内温度生成红外图像；根据至少两个像素阈值对所述红外图像进行二值化处理并分别生成与各所述像素阈值对应的二值化图像；根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域；其中，所述第一目标区域为所述二值化图像中像素值连续为预设像素值的区域，所述第二目标区域为所述红外图像中与所述第一目标区域对应的区域，基于至少两个像素阈值进行二值化处理，可提取不同温度值的层级图像，提高了对不同红外图像的适应性和泛化能力，并结合形状参数和亮度参数排除干扰因素，在不增加产品成本的基础上提高了检测人脸区域的准确性。
128.为了进一步阐述本发明的技术思想，现结合具体的应用场景，对本发明的技术方案进行说明。
129.本技术实施例提供一种人体区域的检测方法，应用于包括红外传感器、室内温度传感器和控制器的空调器中，如图2所示，该方法包括以下步骤：
130.步骤s101，开始。
131.步骤s102，生成红外图像。
132.本步骤中，根据流明数据和室内温度生成红外图像。
133.步骤s103，图像预处理。
134.本步骤中，基于中值滤波算法对所述红外图像进行去噪，并根据插值算法对所述红外图像进行分辨率扩大。
135.步骤s104，生成二值化图像。
136.步骤s105，当前像素阈值下是否有二值化图像，若是执行步骤s106，否则执行步骤s110。
137.步骤s106，图像开运算。
138.本步骤中，基于图像开运算对各二值化图像进行处理。
139.步骤s107，根据形状参数和亮度参数确定人脸置信得分。
140.步骤s108，人脸置信得分大于预设置信得分，若是执行步骤s109，否则执行步骤s110。
141.步骤s109，保存当前有效目标区域。
142.步骤s110，完成遍历所有像素阈值，若是执行步骤s111，否则执行步骤s104。
143.步骤s111，整合各有效目标区域。
144.本步骤中，若交并比大于预设占比，将两个有效目标区域合并确定为一个人脸区域；若交并比不大于预设占比，将两个有效目标区域确定为两个人脸区域。
145.步骤s112，输出人脸区域。
146.步骤s113，结束。
147.本技术实施例还提出了一种人体区域的检测方法，应用于包括红外传感器、室内
温度传感器和控制器的空调器中，如图3所示，所述方法包括以下步骤：
148.步骤s201，根据从所述红外传感器获取的流明数据和从所述室内温度传感器获取的室内温度生成红外图像；
149.步骤s202，根据至少两个像素阈值对所述红外图像进行二值化处理并分别生成与各所述像素阈值对应的二值化图像；
150.步骤s203，根据第一目标区域的形状参数和第二目标区域的亮度参数确定室内空间的人脸区域；
151.其中，所述第一目标区域为所述二值化图像中像素值连续为预设像素值的区域，所述第二目标区域为所述红外图像中与所述第一目标区域对应的区域。
152.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。