控制方法及控制系统与流程

1.本发明涉及控制系统技术领域，尤其涉及一种控制方法及控制系统。


背景技术：

2.目前的电子设备都需要操作人员到达面前后手动唤醒，这样导致操作人员无法在到达电子设备面前时立刻使用，不便于操作人员使用，并且在操作人员离开时，也需要手动控制或很长时间之后，电子设备才会进入休眠状态，增加了电子设备的功耗。
3.因此，有必要提供一种新型的控制方法及控制系统以解决现有技术中存在的上述问题。


技术实现要素：

4.本发明的目的在于提供一种控制方法及控制系统，便于自动控制电子设备的唤醒或休眠，提高电子设备的启动速度以及降低电子设备的功耗。
5.为实现上述目的，本发明的所述控制方法，应用于电子设备，控制电子设备的唤醒和休眠，所述控制方法包括：
6.获取视频流数据，检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像；
7.对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势；
8.根据所述目标对象的运动变化趋势，控制所述电子设备唤醒或休眠。
9.所述控制方法的有益效果在于：获取视频流数据，检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像，对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，根据所述目标对象的运动变化趋势，控制所述电子设备唤醒或休眠，能够通过视频流数据中目标对象的运动变化以及目标对象的运动变化趋势，在人物接近电子设备或远离电子设备时，及时控制电子设备唤醒或休眠，提高了电子设备的气动速度，并且及时控制电子设备休眠，降低了电子设备的功耗。
10.可选地，所述获取视频流数据，检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像，包括：
11.提取所述视频流数据中的多帧图像，检测所述图像中是否存在目标对象；
12.将存在所述目标对象且相邻的两帧图像进行对比，以判断所述目标对象是否存在运动变化；
13.若判断所述目标对象存在运动变化，则获取所述目标对象存在运动变化的图像。其有益效果在于：便于准确的获取目标对象存在运动变化的图像。
14.可选地，所述将存在所述目标对象且相邻的两帧图像进行对比，以判断所述目标对象是否存在运动变化，包括：
15.将存在所述目标对象且相邻的两帧图像进行对比，以确定所述存在所述目标对象且相邻的两帧图像的差异度；
16.将所述差异度与差异度阈值进行对比，以判断所述差异度是否小于或等于所述差异度阈值；
17.若判断所述差异度小于或等于所述差异度阈值，则判断所述目标对象不存在运动变化；
18.若所述差异度大于所述差异度阈值，则判断所述目标对象存在运动变化。其有益效果在于：避免因视频流数据获取时的不准确行以环境的微小改变导致运动变化检测的不准确性。
19.可选地，所述对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，包括：
20.按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测，以获取人脸框；
21.根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势。
22.可选地，所述按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测，以获取人脸框，包括：
23.依次对所述目标对象存在运动变化的每一帧图像进行人脸检测，以确定所述目标对象存在运动变化的每一帧图像中是否存在人脸，当所述图像中存在人脸时，从所述图像中获取到人脸框，则将帧计数加1，以得到新帧计数，并将所述帧计数替换为所述新帧计数，以获得至少一个人脸框。其有益效果在于：便于通过对帧计数的计算提高对目标对象的运动滨化趋势检测的准确性。
24.可选地，所述根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势，包括：
25.按照所述人脸框的获取顺序，依次比较相邻所述人脸框的大小；
26.根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；
27.将所述新第一计算值与第一判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势。其有益效果在于：避免个别人脸框的误检对目标对象的运动变化趋势检测的影响，提高了检测的准确性。
28.可选地，所述将所述新第一计算值与第一判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势，包括：
29.将所述新第一计算值与第一判断阈值进行比较，以得到人脸框的变化趋势；
30.若所述新第一计算值大于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；
31.若所述新第一计算值小于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
32.可选地，所述根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势，包括：
33.判断所述新帧计数是否小于帧计数阈值；
34.若判断所述新帧计数小于帧计数阈值，则按所述人脸框的获取顺序，依次比较相邻所述人脸框的大小；
35.根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值。
36.可选地，所述根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势，还包括：
37.若判断所述新帧计数大于或等于帧计数阈值，则求取在所述新帧计数等于所述帧计数阈值之前获取的所有所述人脸框的平均值框；
38.比较所述平均值框与最新得到的所述人脸框的大小，根据所述平均值框与最新得到的所述人脸框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；
39.对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到比较结果值；
40.将所述比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势。其有益效果在于：避免个别人脸框的误检对目标对象的运动变化趋势检测的影响，并且结合了帧计数，进一步提高了检测的准确性。
41.可选地，所述将所述比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势，包括：
42.将所述比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势；
43.若所述比较结果值大于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；
44.若所述比较结果值小于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
45.可选地，所述对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，包括：
46.按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人形检测，以获取人形框；
47.根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势。
48.可选地，所述按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人形检测，以获取人形框，包括：
49.依次对所述目标对象存在运动变化的每一帧图像进行人形检测，以确定所述目标对象存在运动变化的每一帧图像中是否存在人形，当所述图像中存在人形时，从所述图像中获取到人形框，则将帧计数加1，以得到新帧计数，并将所述帧计数替换为所述新帧计数，以获得至少一个人形框。其有益效果在于：便于通过对帧计数的计算提高对目标对象的运动滨化趋势检测的准确性。
50.可选地，所述根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：
51.按照所述人形框的获取顺序，依次比较相邻所述人形框的大小；
52.根据相邻所述人形框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩
小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；
53.将所述新第一计算值与第一判断阈值进行比较，以得到人形框的变化趋势，进而得到所述目标对象的运动变化趋势。其有益效果在于：避免个别人形框的误检对目标对象的运动变化趋势检测的影响，提高了检测的准确性。
54.可选地，所述将所述新第一计算值与第一判断阈值进行比较，以得到人形框的变化趋势，进而得到所述目标对象的运动变化趋势，包括：
55.将所述新第一计算值与第一判断阈值进行比较，以得到人形框的变化趋势；
56.若所述新第一计算值大于所述第一判断阈值，则判断所述人形框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；
57.若所述新第一计算值小于所述第一判断阈值，则判断所述人形框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
58.可选地，所述根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：
59.判断所述新帧计数是否小于帧计数阈值；
60.若判断所述新帧计数小于帧计数阈值，则按所述图像在所述视频流数据中的排序顺序，依次比较相邻所述图像中人形框的大小；
61.根据相邻所述图像中人形框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值。
62.可选地，所述根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势，还包括：
63.若判断所述新帧计数大于或等于帧计数阈值，则求取在所述新帧计数等于所述帧计数阈值之前获取的所有所述人形框的平均值框；
64.比较所述平均值框与最新得到的所述人形框的大小，根据所述平均值框与最新得到的所述人形框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；
65.对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到比较结果值；
66.将所述比较结果值与第二判断阈值进行比较，以得到人形框的变化趋势，进而得到目标对象的运动变化趋势。其有益效果在于：避免个别人形框的误检对目标对象的运动变化趋势检测的影响，结合帧计数，进一步提高了检测的准确性。
67.可选地，所述将所述比较结果值与第二判断阈值进行比较，以得到人形框的变化趋势，进而得到目标对象的运动变化趋势，包括：
68.将所述新比较结果值与第二判断阈值进行比较，以得到人形框的变化趋势；
69.若所述比较结果值大于所述第二判断阈值，则判断所述人形框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；
70.若所述比较结果值小于所述第二判断阈值，则判断所述人形框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
71.可选地，所述对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，包括：
72.按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测和人形检测，以获取人脸框和人形框；
73.根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势。其有益效果在于：结合人脸框和人形框，提高了目标对象的运动变化趋势检测的准确性。
74.可选地，所述按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测和人形检测，以获取人脸框和人形框，包括：
75.依次对所述目标对象存在运动变化的每一帧图像进行人脸检测和人形检测，以确定所述目标对象存在运动变化的每一帧图像中是否同时存在人脸和人形，当所述图像中同时存在人脸和人形时，从所述图像中获取到人脸框和人形框，则将帧计数加1，以得到新帧计数，并将所述帧计数替换为所述新帧计数，以获得至少一个人脸框和至少一个人形框。其有益效果在于：便于通过对帧计数的计算提高对目标对象的运动滨化趋势检测的准确性。
76.可选地，所述根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：
77.按照所述人脸框的获取顺序，依次比较相邻所述人脸框的大小，按照所述人形框的获取顺序，依次比较相邻所述人形框的大小；
78.根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；
79.根据相邻所述人形框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；
80.对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到第一比较结果值；
81.将所述第一比较结果值与第一判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势。其有益效果在于：避免因个别人脸框和人形框的误检对目标对象的运动变化趋势的影响，提高了检测的准确性。
82.可选地，所述将所述第一比较结果值与第一判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势，包括：
83.将所述第一比较结果值与第一判断阈值进行比较，以得到人脸框的变化趋势；
84.若所述第一比较结果值大于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越大，所述人形框的变化趋势为越来越大，进而可以得到所述目标对象的运动变化趋势为靠近所述电子设备；
85.若所述第一比较结果值小于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越小，所述人形框的变化趋势为越来越小，进而可以得到所述目标对象的运动变化趋势为远离所述电子设备。
86.可选地，所述根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：
87.判断所述新帧计数是否小于帧计数阈值；
88.若判断所述新帧计数小于帧计数阈值，则按照所述人脸框的获取顺序，依次比较
相邻所述人脸框的大小，按照所述人形框的获取顺序，依次比较相邻所述人形框的大小；
89.根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；
90.根据相邻所述人形框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；
91.对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到第一比较结果值。
92.可选地，所述根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势，还包括：
93.若判断所述新帧计数大于或等于帧计数阈值，则求取所述新帧计数等于所述帧计数阈值之前获取的所有所述人脸框的平均值框和所有所述人形框的平均值框；
94.比较所有所述人脸框的平均值框的与最新得到的所述人脸框的大小，根据所有所述人脸框的平均值框与最新得到的所述人脸框的大小的比较结果，将第三计算值乘第三放大阈值或第三缩小阈值，以得到新第三计算值，然后将所述第三计算值替换为所述新第三计算值；
95.比较所有所述人形框的平均值框的与最新得到的所述人形框的大小，根据所有所述人形框的平均值框与最新得到的所述人形框的大小的比较结果，将第四计算值乘第四放大阈值或第四缩小阈值，以得到新第四计算值，然后将所述第四计算值替换为所述新第四计算值；
96.对所述新第三计算值和所述新第四计算值进行加权平均计算，以得到第二比较结果值；
97.对所述第一比较结果和所述第二比较结果值进行加权平均，以得到第三比较结果值；
98.将所述第三比较结果值与第二判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势。
99.可选地，所述将所述第三比较结果值与第二判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势，包括：
100.将所述第三比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势和所述人形框的变化趋势；
101.若所述第三比较结果值大于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越大，所述人形框的变化趋势为越来越大，进而可以得到所述目标对象的运动变化趋势为靠近所述电子设备；
102.若所述第三比较结果值小于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越小，所述人形框的变化趋势为越来越小，进而可以得到所述目标对象的运动变化趋势为远离所述电子设备。
103.本发明还提供了一种控制系统，所述控制系统包括视频流数据获取单元、运动检测单元、运动趋势计算单元、唤醒与休眠控制单元，其中，所述视频流数据获取单元用于获取视频流数据；所述运动检测单元用于检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像；所述运动趋势计算单元用于对所述目标对象存在运
动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势；所述唤醒与休眠控制单元用于根据所述目标对象的运动变化趋势，控制所述电子设备唤醒或休眠。
104.所述控制系统的有益效果在于：所述视频流数据获取单元用于获取视频流数据；所述运动检测单元用于检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像；所述运动趋势计算单元用于对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势；所述唤醒与休眠控制单元用于根据所述目标对象的运动变化趋势，控制所述电子设备唤醒或休眠，能够通过视频流数据中目标对象的运动变化以及目标对象的运动变化趋势，在人物接近电子设备或远离电子设备时，及时控制电子设备唤醒或休眠，提高了电子设备的气动速度，并且及时控制电子设备休眠，降低了电子设备的功耗。
附图说明
105.图1为本发明控制系统的结构框图；
106.图2为本发明控制方法的流程图；
107.图3为本发明一些实施例中第一帧图像的示意图；
108.图4为本发明一些实施例中第二帧图像的示意图；
109.图5为本发明一些实施例中第三帧图像的示意图；
110.图6为本发明一些实施例中第四帧图像的示意图；
111.图7为本发明一些实施例中第五帧图像的示意图；
112.图8为本发明一些实施例中第六帧图像的示意图；
113.图9为本发明一些实施例中第七帧图像的示意图；
114.图10为本发明一帧图像中出现两个人脸框的示意图。
具体实施方式
115.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
116.针对现有技术存在的问题，本发明的实施例提供了一种控制系统。参照图1，所述控制系统100包括视频流数据获取单元101、运动检测单元102、运动趋势计算单元103、唤醒与休眠控制单元104，其中，所述视频流数据获取单元101用于获取视频流数据；所述运动检测单元102用于检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像；所述运动趋势计算单元103用于对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势；所述唤醒与休眠控制单元104用于根据所述目标对象的运动变化趋势，控制所述电子设备唤醒或休眠。其中，所述电子设备包括笔记本电脑、手机等。
117.图2为本发明控制方法的流程图。参照图2，控制方法应用于电子设备，控制电子设备的唤醒和休眠，并通过所述控制系统实现所述控制方法，所述控制方法包括以下步骤：
118.s1：获取视频流数据，检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像；
119.s2：对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势；
120.s3：根据所述目标对象的运动变化趋势，控制所述电子设备唤醒或休眠。
121.一些实施例中，所述人物检测包括人脸框检测、人形框检测中的至少一种。
122.一些实施例中，过训练好的神经网络模型进行人脸检测，所述神经网络模型的训练方法包括：采集自定义数据集，所述自定义数据集包括人脸图片；对rgb格式下的人脸图片进行归一化预处理；获取自定义训练网络模型，所述自定义训练网络模型基于yolov4进行了模型压缩；将进行了归一化预处理的人脸图片输入到所述自定义训练网络模型中进行训练；通过损失函数计算得到人脸图片的训练损失，将该训练损失进行反向传播更新训练网络模型，当该训练网络模型在验证集上的性能符合预设阈值时，训练结束；对训练结束的网络模型进行网络剪枝，并对剪枝后的网络模型中的所有数据训练至少十遍，得到训练好的用于人脸检测的神经网络模型。所述人形检测的神经网络模型的训练方法与所述人脸检测的神经网络模型的训练方法相同，也可以通过其他方式进行人脸检测和人形检测，在此并不对人脸检测和人形检测的方式做具体限定。
123.一些实施例中，所述获取视频流数据，检测所述视频流数据每一帧图像中的目标对象，获取所述目标对象存在运动变化的图像，包括：提取所述视频流数据中的多帧图像，检测所述图像中是否存在目标对象；将存在所述目标对象且相邻的两帧图像进行对比，以判断所述目标对象是否存在运动变化；若判断所述目标对象存在运动变化，则获取所述目标对象存在运动变化的图像。
124.一些实施例中，所述将存在所述目标对象且相邻的两帧图像进行对比，以判断所述目标对象是否存在运动变化，包括：将存在所述目标对象且相邻的两帧图像进行对比，以确定所述存在所述目标对象且相邻的两帧图像的差异度；将所述差异度与差异度阈值进行对比，以判断所述差异度是否小于或等于所述差异度阈值；若判断所述差异度小于或等于所述差异度阈值，则判断所述目标对象不存在运动变化；若所述差异度大于所述差异度阈值，则判断所述目标对象存在运动变化。
125.图3为本发明一些实施例中第一帧图像的示意图，图4为本发明一些实施例中的第二帧图像。参照图3和图4，第一帧图像300和第二帧图像400为相邻两帧图像,对所述第一帧图像300和所述第二帧图像400进行检测，判断所述第一帧图像300和所述第二帧图像400中均不存在目标对象。
126.图5为本发明一些实施例中第三帧图像的示意图。参照图4和图5，第三帧图像500为当前帧图像，所述第二帧图像400为所述第三帧图像500的前一帧图像，即所述第二帧图像400和所述第三帧图像500为相邻两帧图像，对所述第三帧图像500进行检测，检测到所述第三帧图像500中存在脚501的20％的图像，即所述第三帧图像500中存在目标对象，将所述第二帧图像400和所述第三帧图像500进行对比，判断所述第二帧图像400和所述第三帧图像500的差异度为52，而所述差异度阈值为50，所述第二帧图像400和所述第三帧图像500的
差异度大于所述差异度阈值，判断所述第三帧图像500为目标对象存在运动变化的图像。
127.图6为本发明一些实施例中第四帧图像的示意图。参照图5和图6，第四帧图像600为当前帧图像，所述第三帧图像500为所述第四帧图像600的前一帧图像，即所述第三帧图像500和所述第四针图像600为相邻两帧图像，对所述第四帧图像600进行检测，检测到所述第四帧图像600中存在脚501的80％的图像，即所述第四帧图像600中存在目标对象，将所述第三帧图像500和所述第四帧图像600进行对比，判断所述第三帧图像500和所述第四帧图像600的差异度为55，而所述差异度阈值为50，所述第三帧图像500和所述第四帧图像600的差异度大于所述差异度阈值，判断所述第四帧图像600为目标对象存在运动变化的图像。
128.图7为本发明一些实施例中第五帧图像的示意图。参照图6和图7，第五帧图像700为当前帧图像，所述第四帧图像600为所述第五帧图像700的前一帧图像，即所述第四帧图像600和所述第五帧图像700为相邻两帧图像，对所述第五帧图像700进行检测，检测到所述第五帧图像700中存在人体701的80％的图像，即所述第五帧图像700中存在目标对象，将所述第四帧图像600和所述第五帧图像700进行对比，判断所述第四帧图像600和所述第五帧图像700的差异度为300，而所述差异度阈值为50，所述第四帧图像600和所述第五帧图像700的差异度大于所述差异度阈值，判断所述第五帧图像700为目标对象存在运动变化的图像。
129.图8为本发明一些实施例中第六帧图像的示意图。参照图7和图8，第六帧图像800为当前帧图像，所述第五帧图像700为所述第六帧图像800的前一帧图像，即所述第五帧图像700和所述第六帧图像800为相邻两帧图像，对所述第六帧图像800进行检测，检测到所述第六帧图像800中存在人体701的100％的图像，即所述第六帧图像800中存在目标对象，将所述第五帧图像700和所述第六帧图像800进行对比，判断所述第五帧图像700和所述第六帧图像800的差异度为400，而所述差异度阈值为50，所述第五帧图像700和所述第六帧图像800的差异度大于所述差异度阈值，判断所述第六帧图像800为目标对象存在运动变化的图像。
130.图9为本发明一些实施例中第七帧图像的示意图。参照图8和图9，第七帧图像900为当前帧图像，所述第六帧图像800为所述第七帧图像900的前一帧图像，即所述第六帧图像800和所述第七帧图像900为相邻两帧图像，对所述第七帧图像900进行检测，检测到所述第七帧图像900中存在人体701的100％的图像，即所述第七帧图像900中存在目标对象，将所述第六帧图像800和所述第七帧图像900进行对比，所述第七帧图像900相对于所述第六帧图像800人体701的图像向前移动，判断所述第六帧图像800和所述第七帧图像900的差异度为600，而所述差异度阈值为50，所述第六帧图像800和所述第七帧图像900的差异度大于所述差异度阈值，判断所述第七帧图像900为目标对象存在运动变化的图像。
131.一些实施例中，所述对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，包括：按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测，以获取人脸框；根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势。
132.一些实施例中，所述按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测，以获取人脸框，包括：依次对所述目标对象存在运动变化的每一帧图像进行人脸检测，以确定所述目标对象存在
运动变化的每一帧图像中是否存在人脸，当所述图像中存在人脸时，从所述图像中获取到人脸框，则将帧计数加1，以得到新帧计数，并将所述帧计数替换为所述新帧计数，以获得至少一个人脸框。
133.参照图5，所述帧计数为0，对第三帧图像500进行人脸检测，判断所述第三帧图像500中不存在人脸，无法从所述第三帧图像500中获取人脸框，帧计数不变，维持为0。
134.参照图6，所述帧计数为0，对第四帧图像600进行人脸检测，判断所述第四帧图像600中不存在人脸，无法从所述第四帧图像600中获取人脸框，帧计数不变，维持为0。
135.参照图7，所述帧计数为0，对第五帧图像700进行人脸检测，判断所述第五帧图像700中存在人脸，获取所述第五帧图像700中的第一人脸框701，则所述帧计数加1，即0加1等于1，所述新帧计数为1，将所述帧计数替换为所述新帧计数，则所述帧计数为1。
136.参照图8，所述帧计数为1，对第六帧图像800进行人脸检测，判断所述第六帧图像800中存在人脸，获取所述第六帧图像800中的第二人脸框801，则所述帧计数加1，即1加1等于2，所述新帧计数为2，将所述帧计数替换为所述新帧计数，则所述帧计数为2。
137.参照图9，所述帧计数为2，对第七帧图像902进行人脸检测，判断所述第七帧图像900中存在人脸，获取所述第七帧图像900中的第三人脸框901，则所述帧计数加1，即2加1等于3，所述新帧计数为3，将所述帧计数替换为所述新帧计数，则所述帧计数为3。
138.一些实施例中，所述根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势，包括：按照所述人脸框的获取顺序，依次比较相邻所述人脸框的大小；根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；将所述新第一计算值与第一判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势。
139.一些实施例中，所述第一放大阈值大于1且小于2，所述第一缩小阈值小于1且大于0，所述第一放大阈值和所述第一缩小阈值的和为2。例如，所述第一放大阈值为1.2，所述第一缩小阈值为0.8。具体地，相邻所述人脸框中，当排序在后的所述人脸框的大小大于排序在前的所述人脸框的大小，则将所述第一计算值与所述第一放大阈值相乘；当排序在后的所述图像中的人脸框的大小小于排序在前的的所述图像的人脸框的大小，则将所述第一计算值与所述第一缩小阈值相乘。
140.一些实施例中，所述将所述新第一计算值与第一判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势，包括：将所述新第一计算值与第一判断阈值进行比较，以得到人脸框的变化趋势；若所述新第一计算值大于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；若所述新第一计算值小于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
141.一些实施例中，所述第一判断阈值等于所述第一计算值。
142.参照图7～图9，预设第一计算值为20，所述第一判断阈值为20，所述第一放大阈值为1.1，所述第一缩小阈值为0.9，所述第一人脸框702的四个顶点坐标分别为(10，11)、(15，11)、(10，6)和(15，6)，所述第二人脸框801四个顶点坐标分别为(9.75，11.25)、(15.25，11.25)、(9.75，5.75)和(15.25，5.75)，所述第三人脸框901的四个顶点坐标分别为(9.5，11.5)、(15.5，11.5)、(9.5，5.5)和(15.5，5.5)，即所述第一人脸框702的长为5，所述第一人
脸框702的高为5，所述第二人脸框801的长为5.5，所述第二人脸框801的高为5.5，所述第三人脸框901的长为6，所述第三人脸框901的高为6。判断所述第二人脸框801的大小大于所述第一人脸框702的大小，则将所述第一计算值和所述第一放大阈值相乘，即20
×
1.1＝22，所述新第一计算值为22，所述第一计算值变为22；判断所述第三人脸框901的大小大于所述第二人脸框801的大小，则将所述第一计算值和所述第一放大阈值相乘，即22
×
1.1＝24.2，所述新第一计算值为24.2，所述第一计算值变为24.2，判断所述第一计算值大于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越大，进而可以得到所述目标运动趋势为靠近所述电子设备，然后控制所述电子设备唤醒。
143.一些实施例中，所述控制方法还包括：当判断所述人脸框的变化趋势为越来越大，则将所述新第一计算值与唤醒阈值进行比较，若所述新第一计算值大于所述唤醒阈值，则控制所述电子设备唤醒；当判断所述人脸框的变化趋势为越来越小，则将所述新第一计算值与休眠阈值进行比较，若所述新第一计算值小于所述唤醒阈值，则控制所述电子设备休眠。
144.一些实施例中，所述根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势，包括：判断所述新帧计数是否小于帧计数阈值；若判断所述新帧计数小于帧计数阈值，则按所述人脸框的获取顺序，依次比较相邻所述人脸框的大小；根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值。
145.一些实施例中，所述根据所述人脸框的变化趋势，得到所述目标对象的运动变化趋势，还包括：若判断所述新帧计数大于或等于帧计数阈值，则求取在所述新帧计数等于所述帧计数阈值之前获取的所有所述人脸框的平均值框；比较所述平均值框与最新得到的所述人脸框的大小，根据所述平均值框与最新得到的所述人脸框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到比较结果值；将所述比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势。
146.一些实施例中，所述将所述比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势，进而得到所述目标对象的运动变化趋势，包括：将所述比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势；若所述比较结果值大于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；若所述比较结果值小于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
147.一些实施例中，所述第一放大阈值和所述第二放大阈值均大于1且小于2，所述第一缩小阈值和所述第二缩小阈值均小于1且大于0，且所述第一放大阈值和所述第一缩小阈值的和为2，所述第二放大阈值和所述第二缩小阈值的和为2。例如，所述第一放大阈值为1.1，所述第一缩小阈值为0.9；例如，所述第二放大阈值为1.3，所述第二缩小阈值为0.7。所述控制方法还包括：当判断所述人脸框的变化趋势为越来越大，则将所述比较结果值与唤醒阈值进行比较，若所述比较结果值大于所述唤醒阈值，则控制所述电子设备唤醒；当判断所述人脸框的变化趋势为越来越小，则将所述比较结果值与休眠阈值进行比较，若所述比
较结果值小于所述唤醒阈值，则控制所述电子设备休眠。
148.一些实施例中，所述对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，包括：按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人形检测，以获取人形框；根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势。
149.一些实施例中，所述按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人形检测，以获取人形框，包括：依次对所述目标对象存在运动变化的每一帧图像进行人形检测，以确定所述目标对象存在运动变化的每一帧图像中是否存在人形，当所述图像中存在人形时，从所述图像中获取到人形框，则将帧计数加1，以得到新帧计数，并将所述帧计数替换为所述新帧计数，以获得至少一个人形框。
150.一些实施例中，所述根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：按照所述人形框的获取顺序，依次比较相邻所述人形框的大小；根据相邻所述人形框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；将所述新第一计算值与第一判断阈值进行比较，以得到人形框的变化趋势，进而得到所述目标对象的运动变化趋势。
151.一些实施例中，所述将所述新第一计算值与第一判断阈值进行比较，以得到人形框的变化趋势，进而得到所述目标对象的运动变化趋势，包括：将所述新第一计算值与第一判断阈值进行比较，以得到人形框的变化趋势；若所述新第一计算值大于所述第一判断阈值，则判断所述人形框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；若所述新第一计算值小于所述第一判断阈值，则判断所述人形框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
152.所述控制方法还包括：当判断所述人形框的变化趋势为越来越大，则将所述新第一计算值与唤醒阈值进行比较，若所述新第一计算值大于所述唤醒阈值，则控制所述电子设备唤醒；当判断所述人形框的变化趋势为越来越小，则将所述新第一计算值与休眠阈值进行比较，若所述新第一计算值小于所述唤醒阈值，则控制所述电子设备休眠。
153.一些实施例中，所述根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：判断所述新帧计数是否小于帧计数阈值；若判断所述新帧计数小于帧计数阈值，则按所述图像在所述视频流数据中的排序顺序，依次比较相邻所述图像中人形框的大小；根据相邻所述图像中人形框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值。
154.一些实施例中，所述根据所述人形框的变化趋势，得到所述目标对象的运动变化趋势，还包括：若判断所述新帧计数大于或等于帧计数阈值，则求取在所述新帧计数等于所述帧计数阈值之前获取的所有所述人形框的平均值框；比较所述平均值框与最新得到的所述人形框的大小，根据所述平均值框与最新得到的所述人形框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到比较结果值；将所述比较结果值与第二判断阈值进行比较，以得到人形框的变化趋势，进而得到目标对象的运动变化趋势。
155.一些实施例中，所述将所述比较结果值与第二判断阈值进行比较，以得到人形框的变化趋势，进而得到目标对象的运动变化趋势，包括：将所述新比较结果值与第二判断阈值进行比较，以得到人形框的变化趋势；若所述比较结果值大于所述第二判断阈值，则判断所述人形框的变化趋势为越来越大，进而得到所述目标对象的运动变化趋势为靠近所述电子设备；若所述比较结果值小于所述第二判断阈值，则判断所述人形框的变化趋势为越来越小，进而得到所述目标对象的运动变化趋势为远离所述电子设备。
156.一些实施例中，所述第一放大阈值和所述第二放大阈值均大于1且小于2，所述第一缩小阈值和所述第二缩小阈值均小于1且大于0，且所述第一放大阈值和所述第一缩小阈值的和为2，所述第二放大阈值和所述第二缩小阈值的和为2。例如，所述第一放大阈值为1.1，所述第一缩小阈值为0.9；例如，所述第二放大阈值为1.3，所述第二缩小阈值为0.7。所述控制方法还包括：当判断所述人形框的变化趋势为越来越大，则将所述比较结果值与唤醒阈值进行比较，若所述比较结果值大于所述唤醒阈值，则控制所述电子设备唤醒；当判断所述人形框的变化趋势为越来越小，则将所述比较结果值与休眠阈值进行比较，若所述比较结果值小于所述唤醒阈值，则控制所述电子设备休眠。
157.一些实施例中，所述对所述目标对象存在运动变化的图像进行目标检测，以得到所述目标对象的运动变化趋势，包括：按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测和人形检测，以获取人脸框和人形框；根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势。
158.一些实施例中，所述按所述目标对象存在运动变化的图像在所述视频流数据中的排序顺序，依次对所述目标对象存在运动变化的图像进行人脸检测和人形检测，以获取人脸框和人形框，包括：依次对所述目标对象存在运动变化的每一帧图像进行人脸检测和人形检测，以确定所述目标对象存在运动变化的每一帧图像中是否同时存在人脸和人形，当所述图像中同时存在人脸和人形时，从所述图像中获取到人脸框和人形框，则将帧计数加1，以得到新帧计数，并将所述帧计数替换为所述新帧计数，以获得至少一个人脸框和至少一个人形框。
159.一些实施例中，所述根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：按照所述人脸框的获取顺序，依次比较相邻所述人脸框的大小，按照所述人形框的获取顺序，依次比较相邻所述人形框的大小；根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；根据相邻所述人形框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到第一比较结果值；将所述第一比较结果值与第一判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势。
160.一些实施例中，所述将所述第一比较结果值与第一判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势，包括：将所述第一比较结果值与第一判断阈值进行比较，以得到人脸框的变化趋势；若所述第一比较结果值大于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越大，所述人形
框的变化趋势为越来越大，进而可以得到所述目标对象的运动变化趋势为靠近所述电子设备；若所述第一比较结果值小于所述第一判断阈值，则判断所述人脸框的变化趋势为越来越小，所述人形框的变化趋势为越来越小，进而可以得到所述目标对象的运动变化趋势为远离所述电子设备。
161.一些实施例中，所述根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势，包括：判断所述新帧计数是否小于帧计数阈值；若判断所述新帧计数小于帧计数阈值，则按照所述人脸框的获取顺序，依次比较相邻所述人脸框的大小，按照所述人形框的获取顺序，依次比较相邻所述人形框的大小；根据相邻所述人脸框的大小的比较结果，将第一计算值乘第一放大阈值或第一缩小阈值，以得到新第一计算值，然后将所述第一计算值替换为所述新第一计算值；根据相邻所述人形框的大小的比较结果，将第二计算值乘第二放大阈值或第二缩小阈值，以得到新第二计算值，然后将所述第二计算值替换为所述新第二计算值；对所述新第一计算值和所述新第二计算值进行加权平均计算，以得到第一比较结果值。
162.一些实施例中，所述根据所述人脸框的变化趋势和所述人形框的变化趋势，得到所述目标对象的运动变化趋势，还包括：若判断所述新帧计数大于或等于帧计数阈值，则求取所述新帧计数等于所述帧计数阈值之前获取的所有所述人脸框的平均值框和所有所述人形框的平均值框；比较所有所述人脸框的平均值框的与最新得到的所述人脸框的大小，根据所有所述人脸框的平均值框与最新得到的所述人脸框的大小的比较结果，将第三计算值乘第三放大阈值或第三缩小阈值，以得到新第三计算值，然后将所述第三计算值替换为所述新第三计算值；比较所有所述人形框的平均值框的与最新得到的所述人形框的大小，根据所有所述人形框的平均值框与最新得到的所述人形框的大小的比较结果，将第四计算值乘第四放大阈值或第四缩小阈值，以得到新第四计算值，然后将所述第四计算值替换为所述新第四计算值；对所述新第三计算值和所述新第四计算值进行加权平均计算，以得到第二比较结果值；对所述第一比较结果和所述第二比较结果值进行加权平均，以得到第三比较结果值；将所述第三比较结果值与第二判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势。
163.一些实施例中，所述将所述第三比较结果值与第二判断阈值进行比较，以得到所述人脸框的变化趋势和所述人形框的变化趋势，进而得到目标对象的运动变化趋势，包括：将所述第三比较结果值与第二判断阈值进行比较，以得到人脸框的变化趋势和所述人形框的变化趋势；若所述第三比较结果值大于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越大，所述人形框的变化趋势为越来越大，进而可以得到所述目标对象的运动变化趋势为靠近所述电子设备；若所述第三比较结果值小于所述第二判断阈值，则判断所述人脸框的变化趋势为越来越小，所述人形框的变化趋势为越来越小，进而可以得到所述目标对象的运动变化趋势为远离所述电子设备。
164.一些实施例中，所述第一放大阈值、所述第二放大阈值、所述第三放大阈值和所述第四放大阈值均大于1且小于2，所述第一缩小阈值、所述第二缩小阈值、所述第三缩小阈值和所述第四缩小阈值均小于1且大于0，且所述第一放大阈值和所述第一缩小阈值的和为2，所述第二放大阈值和所述第二缩小阈值的和为2,所述第三放大阈值和所述第三缩小阈值的和为2,所述第四放大阈值和所述第四缩小阈值的和为2。例如，所述第一放大阈值为1.1，
所述第一缩小阈值为0.9；例如，所述第二放大阈值为1.3，所述第二缩小阈值为0.7；例如，所述第三放大阈值为1.1，所述第三缩小阈值为0.9；例如，所述第四放大阈值为1.2，所述第四缩小阈值为0.8。
165.一些实施例中，所述控制方法还包括：当判断所述人脸框的变化趋势为越来越大，所述人形框的变化趋势为越来越大，则将所述第三比较结果值与唤醒阈值进行比较，若所述第三比较结果值大于所述唤醒阈值，则控制所述电子设备唤醒；当判断所述人脸框的变化趋势为越来越小，所述人形框的变化趋势为越来越小，则将所述第三比较结果值与休眠阈值进行比较，若所述第三比较结果值小于所述唤醒阈值，则控制所述电子设备休眠。
166.一些实施例中，所述控制方法中，若同一所述图像中人脸框的数量大于1，则仅获取距离所在图像中心点最近的人脸框。选取合适的人脸框，避免多个人脸框之间的相互干扰，也能降低控制的复杂度；若同一所述图像中人形框的数量大于1，则仅获取距离所在图像中心点最近的人形框。选取合适的人形框，避免多个人形框之间的相互干扰，也能降低控制的复杂度。
167.图10为本发明一帧图像中出现两个人脸框的示意图。参照图10，图中包括图像的中心点201、左人脸框202和右人脸框203，所述中心点201为所述图像对角线的交点，所述左人脸框202距离所述中心点201的距离小于所述右人脸框203距离所述中心点201的距离，在获取所述图像中的人脸框时，仅获取所述左人脸框202。
168.虽然在上文中详细说明了本发明的实施方式，但是对于本领域的技术人员来说显而易见的是，能够对这些实施方式进行各种修改和变化。但是，应理解，这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且，在此说明的本发明可有其它的实施方式，并且可通过多种方式实施或实现。