智能门窗开闭检测方法及装置与流程

1.本发明涉及一种门窗开闭检测技术领域，尤其是一种智能门窗开闭检测方法及装置。


背景技术：

2.智能门窗检测装置，用于自动检测们装的开闭并及时通知用户，受到人们越来越广泛的欢迎。目前，市面上普遍在用的一款门窗开闭检测装置，利用磁铁磁性检测门窗开闭状态，又称门磁报警器。上述门磁报警器为两片式结构，主部件为磁感应器及处理器，副部件为磁铁，分别安装在门(窗)和门框(窗框)上，当两者分开或接近至一定距离后，引起开关的通断从而感应门窗开合状态，发送报警信息至手机或后台服务器等。
3.由于上述门磁报警器需要主副部件成对使用，安装步骤多、成本较高；而且，主副部件必须紧挨安装，有效距离受限，因为门/窗结构各异(比如门框存在花纹，不平整)导致施工难度较高，门磁报警器的检测精度和安装方式强相关，安装不到位容易造成误判，影响门窗开闭检测精度。
4.还有一种单片式的门窗开闭检测器，采用六轴陀螺仪，直接计算出开门角度，从而判断门的开闭状态。然而，这种开闭检测器，由于成本较高，而且精度受六轴陀螺仪精度限制，存在零飘进而导致角度测量不准。


技术实现要素：

5.本发明的目的在于提供一种简单、精度高的门窗开闭检测方法。
6.本发明的目的是通过以下技术方案实现：
7.一种智能门窗开闭检测方法，包括：
8.获取门窗的加速度，得到第一采样数据队列；其中，所述加速度数据由设置在门窗活动主体上加速度计检测获取；
9.对所述第一采样数据队列进行修正处理得到第一采样数据修正队列；
10.对所述第一采样数据修正队列进行滑动窗口滤波，对窗口内的数据求和得到第二采样数据队列；
11.根据所述第二采样数据队列计算加速度特征参数，将所述加速度特征参数与预设开闭条件进行比较，根据比较结果识别门窗开闭状态。
12.在其中一实施例中，所述根据所述第二采样数据队列计算加速度特征参数包括：
13.计算所述第二采样数据队列的峰谷值参数和方差参数，其中，所述峰谷值参数为第二数据队列的峰值与谷值之差，所述方差参数为所述第二采样数据队列的尾部p个数的方差。
14.在其中一实施例中，所述将所述加速度特征参数与预设开闭条件进行比较，根据比较结果判断门窗开闭状态包括：
15.将所述峰谷值参数与峰谷值门限进行比较，以及将所述方差参数与所述方差门限
进行比较；
16.若所述峰谷值参数大于峰谷值门限，且所述方差参数小于所述方差门限，则判断门窗为打开状态；
17.若所述峰谷值参数大于峰谷值门限，且所述方差参数大于所述方差门限，则判断为门窗为关闭状态。
18.在其中一实施例中，所述获取预设时长内门窗的加速度，得到第一采样数据队列包括：
19.在感应到门窗加速度高于第一预设阈值的情况下，记录门窗的加速度，直到门窗加速度低于第二预设阈值，根据记录的所述加速度形成所述第一采样数据队列。
20.在其中一实施例中，所述对所述第一采样数据队列进行修正处理得到第一采样数据修正队列包括：
21.将所述第一采样数据队列的每个采样值都减去门窗静止状态下的加速度均值,得到所述第一采样数据修正队列；其中，所述加速度均值通过采样n个加速度数据，在n个加速度数据的绝对值均小于预设阈值的情况下确定n个加速度数据的均值为所述加速度均值。
22.在其中一实施例中，所述方法还包括：
23.确认所述第二采样数据队列与第一预设采样数据队列的数据匹配度是否满足第一预设匹配条件，若是，则根据识别结果输出所述门窗开闭状态。
24.在其中一实施例中，所述第一采样数据队列为门窗开闭过程的切向方向的加速度数据；所述获取门窗的加速度还包括：
25.获取门窗开闭过程的径向方向的加速度，形成第一径向采样数据队列；
26.将所述第一径向采样数据队列的每个采样值都减去门窗静止状态下的径向方向的加速度均值,得到所述径向采样数据修正队列；
27.对所述径向采样数据修正队列进行滑动窗口滤波，对窗口内的数据求和得到第二径向采样数据队列；
28.若所述第二采样数据队列与第一预设采样数据队列的数据匹配度不满足第一预设匹配条件；则，确认所述第二采样数据队列与第一预设采样数据队列的数据匹配度是否满足第二预设匹配条件，以及所述第二径向采样数据队列与第二预设采样数据队列的数据匹配度是否满足所述第二预设匹配条件，若均满足，则根据识别结果输出所述门窗开闭状态。
29.此外，本发明还提供一种智能门窗开闭检测装置，包括：
30.加速度计，设置在门窗活动主体上，用于获取门窗的加速度，得到第一采样数据队列；
31.处理器，设置在所述门窗活动主体上，与所述加速度计电连接，用于：
32.对所述第一采样数据队列进行修正处理得到第一采样数据修正队列；
33.对所述第一采样数据修正队列进行滑动窗口滤波，对窗口内的数据求和得到第二采样数据队列；
34.根据所述第二采样数据队列计算加速度特征参数，将所述加速度特征参数与预设开闭条件进行比较，根据比较结果识别门窗开闭状态。
35.在其中一实施例中，所述加速度计为三轴陀螺仪。
36.在其中一实施例中，所述处理器还用于：
37.计算所述第二采样数据队列的峰谷值参数和方差参数，其中，所述峰谷值参数为第二数据队列的峰值与谷值之差，所述方差参数为所述第二采样数据队列的尾部p个数的方差；
38.将所述峰谷值参数与峰谷值门限进行比较，以及将所述方差参数与所述方差门限进行比较；
39.若所述峰谷值参数大于峰谷值门限，且所述方差参数小于所述方差门限，则判断门窗为打开状态；
40.若所述峰谷值参数大于峰谷值门限，且所述方差参数大于所述方差门限，则判断为门窗为关闭状态。
41.与现有技术相比，本发明具有如下有益效果：本发明提供的智能门窗开闭检测方法及装置，通过设置在门窗活动主体上的加速度计检测获取门窗开闭过程的加速度，通过对加速度进行数据处理，得到加速度特征参数，将加速度特征参数与预设门窗开闭条件进行比较，根据比较结果判断门窗开闭状态。本发明提供的方法和装置，仅需获取加速度就能评估门窗的开闭、运动状态，简化了门窗开闭检测的结构，降低了门窗开闭检测装置的安装难度，同时也提高了门窗开闭检测的精度和准确度。
附图说明
42.图1是本发明实施例提供的智能门窗开闭检测方法的流程图。
43.图2是本发明实施例提供的智能门窗开闭检测装置一场景的门窗开闭检测结构示意图；
44.图3是本发明一实施例提供的智能门窗开闭检测装置的简单架构示意图。
具体实施方式
45.为使本技术的上述目的、特征和优点能够更为明显易懂，下面结合附图，对本技术的具体实施方式做详细的说明。可以理解的是，此处所描述的具体实施例仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。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它实施例，都属于本技术保护的范围。
46.本技术中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
47.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
48.随着门窗开闭检测的普及，对门窗开闭检测的精度和可靠性要求越来越高。如背景技术所述，由于现有的门磁报警器为两片式结构，主部件为磁感应器及处理器，副部件为
磁铁，分别安装在门(窗)和门框(窗框)上，需要主副部件成对使用，安装步骤多、成本较高；而且，主副部件必须紧挨安装，有效距离受限，因为门/窗结构各异导致施工难度较高，门磁报警器的检测精度和安装方式强相关，安装不到位容易造成误判，影响门窗开闭检测精度。而现有采用六轴陀螺仪的门窗开闭检测器，直接计算出开门角度，从而判断门的开闭状态，成本很高，而且精度受六轴陀螺仪精度限制，存在零飘进而导致角度测量不准。
49.为了解决上述问题，本发明一实施例提供了一种智能门窗开闭检测方法。请参阅图1所示，该方法应可以用于门窗开闭检测装置200，如图3所示，该门窗开闭检测装置200包括处理器220和加速度计210。该方法在具体实施时包括以下步骤：
50.s10：获取门窗的加速度，得到第一采样数据队列；其中，所述加速度数据由设置在门窗活动主体上加速度计检测获取；
51.s20：对所述第一采样数据队列进行修正处理得到第一采样数据修正队列；
52.s30：对所述第一采样数据修正队列进行滑动窗口滤波，对窗口内的数据求和得到第二采样数据队列；
53.s40：根据所述第二采样数据队列计算加速度特征参数，将所述加速度特征参数与预设开闭条件进行比较，根据比较结果识别门窗开闭状态。
54.图2为智能门窗开闭检测装置在一实施场景的门窗开闭检测结构示意图。具体的，门窗活动主体100相对门窗框体101转动设置，虚线所示为门窗活动主体100打开过程的一位置的状态图。在图2所示的实施场景中，上述获取的加速度为门窗活动主体100开闭过程的切向方向z的加速度。加速度计设置在门窗活动主体100上。在门窗活动主体为移门的场景中，上述获取的加速度为移门的移动方向的加速度。
55.其中，获取的门窗的加速度的绝对值均大于预设下限阈值。上述“第一采样数据队列”为门窗打开过程或者门窗关闭过程中门窗的加速度数据。当门窗处于静止状态，也即采样的加速度数据的绝对值为零或者低于下限阈值，则放弃该加速度的获取。
56.在一实施例中，在感应到门窗加速度的绝对值高于第一预设阈值的情况下，记录门窗的加速度，直到门窗加速度的绝对值低于第二预设阈值，根据记录的加速度参数形成所述第一采样数据队列。在该实施例中，加速度的获取的启示时刻为加速度的绝对值大于第一预设阈值，加速度的获取的终止时刻为加速度低于第二预设阈值。其中，第一预设阈值可以与第二预设阈值相同，也可以不同。
57.以图2所示场景为例，获取门窗z方向的加速度，采样周期为t(秒)，采样频率f＝1/t，单次采样时间为t(秒)，单次采样点个数为m＝tf，得到第一采样数据队列：
58.am＝{a1，a2，...am}
59.上述修正处理理解为对加速度的干扰、噪音进行抑制处理，降低测量数据误差。在具体实施例中，对第一采样数据队列am进行修正处理，得到第一采样数据修正队列，能够降低加速度参数的干扰，提高加速度参数的准确性，确保门窗开闭检测的准确性。
60.上述“对第一采样数据修正队列进行滑动窗口滤波”，设窗口大小为w，窗口内数据进行求和(或均值)运算，可得到一个新的数据队列b，也即第二采样数据队列，长度为n＝m-w 1。以对窗口内的数据求和运算为例说明，第二采样数据队列的表达式为：
61.bn＝{b1，b2，...bn}
62.其中：
[0063][0064][0065][0066]
通过滑动窗口滤波，对窗口内的数据进行求和或均值得到第二采样数据队列，能够降低单一数据的不准对整体门窗判断结果的影响。
[0067]
根据上述第二采样数据队列bn计算加速度特征参数，将加速度特征参数与预设开闭条件进行比较，根据比较结果识别门窗开闭状态。其中，预设开闭条件为预先设置的，通过预先研究门窗开闭过程中加速度的变化趋势，根据门窗开闭过程中加速度的变化趋势设置预设开闭条件，从而根据加速度特征参数是否符合预设开闭条件来识别门窗的打开状态或者关闭状态。具体的，预设开闭条件包括门窗打开和关闭过程的加速度特征参数的阈值门限。
[0068]
本实施例提供的智能门窗开闭检测方法，通过设置在门窗活动主体上的加速度计检测获取门窗开闭过程的加速度参数，通过对加速度参数进行数据处理，得到加速度特征参数，将加速度特征参数与预设门窗开闭条件进行比较，根据比较结果判断门窗开闭状态。本发明提供的智能门窗开闭检测方法，仅需获取加速度参数就能评估门窗的开闭、运动状态，简化了门窗开闭检测的结构，降低了门窗开闭检测装置的安装难度，同时也提高了门窗开闭检测的精度和准确度。
[0069]
在实施场景中，门窗活动主体在开门过程中，其加速度呈先增大后减小的变化趋势；关门过程中，门窗的活动主体的加速度呈先增大后减小的变化趋势，而且门窗在闭合时与门框碰撞的瞬间存在抖动，通过识别该抖动可以区分门窗是打开还是关闭。在一实施具体实施例中，步骤“根据所述第二采样数据队列计算加速度特征参数”可以包括以下内容：
[0070]
计算所述第二采样数据队列的峰谷值参数和方差参数，其中，所述峰谷值参数为第二数据队列的峰值与谷值之差，所述方差参数为所述第二采样数据队列的尾部p个数的方差。
[0071]
具体的，根据第二采样数据队列bn，计算bn计的峰谷值参数diff，计算表达式为：
[0072]
diff＝max{b1，b2，...bn}-min(b1，b2，...bn)
[0073]
方差参数的计算公式为：
[0074][0075][0076]
其中，p为方差计算队列长度，具体为bn尾部的p个数。通过计算第二采样数据队列的尾部p个数的方差，设置方差门限，当p个数的方差大于方差门限，即可识别为关闭过程。
[0077]
具体的，将峰谷值参数与峰谷值门限进行比较，以及将方差参数与方差门限进行
比较；若峰谷值参数大于峰谷值门限，且方差参数小于方差门限，则判断门窗为打开状态；若峰谷值参数大于峰谷值门限，且方差参数大于方差门限，则判断为门窗为关闭状态。
[0078]
在一实施例中，上述步骤“对所述第一采样数据队列进行修正处理得到第一采样数据修正队列”包括以下内容：
[0079]
将所述第一采样数据队列的每个采样值都减去门窗静止状态下的加速度均值,得到所述第一采样数据修正队列。
[0080]
其中，加速度均值通过采样n个加速度数据，在n个加速度数据的绝对值均小于预设阈值的情况下确定n个加速度数据的均值为上述加速度均值。具体而言，通过门窗静止检测，在门窗静止状态下获取门窗的加速度，将门窗静止状态下的加速度均值作为修正基准，将得到较准确的第一采样数据修正队列。
[0081]
在一实施例中，上述步骤“获取门窗的加速度”可以包括以下内容：
[0082]
获取门窗开闭过程的切向方向的加速度；相应的，第一采样数据队列为门窗开闭过程的切向方向的加速度。请参见图2所示，门或窗为枢转结构，采集的数据为门窗转动过程中切向方向z的加速度参数。
[0083]
上述加速度计为三轴陀螺仪传感器。可以用于测量门窗的三个方向的加速度。
[0084]
在一实施例中，该方法还包括：
[0085]
确认第二采样数据队列与第一预设采样数据队列的数据匹配度是否满足第一预设匹配条件，若是，则根据识别结果输出所述门窗开闭状态。
[0086]
其中，第一预设采样数据队列为是通过对多次门窗打开和关闭过程的数据采集而制定的门窗打开和关闭过程的加速度变化标准。通过比较第二采样数据队列与第一预设采样数据队列的匹配度能够识别第二采样数据队列是否符合门窗开闭过程的加速度变化特征，若匹配度满足第一预设匹配条件，则认为第一预设采样数据队列是准确的，直接输出门窗开闭识别结果。具体的，第一预设匹配条件可以为第二采样数据队列与第一预设采样数据队列的相似度，相似度大于80％则认为满足第一预设匹配条件。
[0087]
上述第一采样数据队列为门窗开闭过程的切向方向的加速度数据，为了提高门窗开闭状态的检测精度。在一实施例中，上述方法还包括：
[0088]
获取门窗开闭过程的径向方向的加速度，形成第一径向采样数据队列；
[0089]
将所述第一径向采样数据队列的每个采样值都减去门窗静止状态下的径向方向的加速度均值,得到所述径向采样数据修正队列；
[0090]
对所述径向采样数据修正队列进行滑动窗口滤波，对窗口内的数据求和得到第二径向采样数据队列；
[0091]
若所述第二采样数据队列与第一预设采样数据队列的数据匹配度不满足第一预设匹配条件；则，确认所述第二采样数据队列与第一预设采样数据队列的数据匹配度是否满足第二预设匹配条件，以及所述第二径向采样数据队列与第二预设采样数据队列的数据匹配度是否满足所述第二预设匹配条件，若均满足，则根据识别结果输出所述门窗开闭状态。
[0092]
也就是说，在第二采样数据队列与第一预设采样数据队列的的匹配度不满足较严格的第一预设匹配条件，则进一步确认其是否满足第二预设匹配条件，同时确认第二径向采样数据队列与第二预设采样数据队列的数据匹配度是否满足第二预设匹配条件，若均满
足，则根据识别结果输出所述门窗开闭状态。示例性的，第一预设匹配条件为第二采样数据队列与第一预设采样数据队列的相似度，相似度大于80％则认为满足第一预设匹配条件，相似度小于等于80％但大于60％认为满足第二预设匹配条件，在第二采样数据队列与第一预设采样数据队列的相似度仅满足第二预设匹配条件的情况下，进一步确认径向方向的加速度是否满足第二预设匹配条件，通过采用两个方向的加速度识别门窗开闭，能够确保门窗开闭识别的准确性和可靠性。
[0093]
上述实施例通过径向方向的加速度参数来验证第一采样数据的准确性，若两组数据相互印证，均符合第二预设匹配条件，则认为第一采样数据可信，可以用于确定门窗的开闭状态。
[0094]
若径向方向加速度数据不符合第二预设匹配条件，则重新调整预设时长，重新获取第一采样数据队列，能够降低第一采样加速度数据的不准确导致的门窗开闭误判，提高判断的准确性。
[0095]
请参见图3，本发明还提供了一种智能门窗开闭检测装置200，该装置包括加速度计210和处理器220。加速度计210和处理器220均设置于门窗活动主体上。具体的，加速度计210为三轴陀螺仪传感器。
[0096]
在一实施例中，处理器用于：对所述第一采样数据队列进行修正处理得到第一采样数据修正队列；对所述第一采样数据修正队列进行滑动窗口滤波，对窗口内的数据求和得到第二采样数据队列；根据所述第二采样数据队列计算加速度特征参数，将所述加速度特征参数与预设开闭条件进行比较，根据比较结果识别门窗开闭状态。
[0097]
在一具体实施例中，处理器220还用于：计算所述第二采样数据队列的峰谷值参数和方差参数；将所述峰谷值参数与峰谷值门限进行比较，以及将所述方差参数与所述方差门限进行比较；若峰谷值参数大于峰谷值门限，且所述方差参数小于所述方差门限，则判断门窗为打开状态；若峰谷值参数大于峰谷值门限，且所述方差参数大于所述方差门限，则判断为门窗为关闭状态。其中，所述峰谷值参数为第二数据队列的峰值与谷值之差，所述方差参数为所述第二采样数据队列的尾部p个数的方差；
[0098]
上述任意实施例所述的智能门窗开闭检测方法可以用于本实施例所提供的门窗开闭检测装置200。处理器220用于执行上述任意实施例所述的智能门窗开闭检测方法，具体内容可参照对上述行进方法的描述，在此不再赘述。
[0099]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本技术的专利保护范围内。