空调器开关机控制方法、装置、空调器及存储介质与流程

1.本发明实施例涉及空调器技术领域，尤其涉及一种空调器开关机控制方法、装置、空调器及存储介质。


背景技术：

2.随着人们生活水平的不断提高，人们对室内环境舒适度的要求也越来越高。空调器不仅可以用于室内制冷和制热，还可以改善室内空气质量，通过在室内安装空调器，可以改善室内环境的舒适度。但现有技术中的空调器在使用时存在手动操作过于频繁，需要手动开启和关闭空调器，智能化程度较低，不仅如此，用户还会经常忘记关闭空调器，容易造成能源浪费。


技术实现要素：

3.本发明实施例提供了一种空调器开关机控制方法、装置、空调器及存储介质，旨在解决现有空调器智能化程度较低及能源浪费的问题。
4.第一方面，本发明实施例提供了一种空调器开关机控制方法，其包括：
5.对收集的数据信号集进行特征提取得到特征数据集；
6.根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型；
7.获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；
8.若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。
9.第二方面，本发明实施例还提供了一种空调器开关机控制装置，其包括：
10.特征提取单元，用于对收集的数据信号集进行特征提取得到特征数据集；
11.训练验证单元，用于根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型；
12.分类单元，用于获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；
13.控制单元，用于若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。
14.第三方面，本发明实施例还提供了一种空调器，所述空调器包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
15.第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法。
16.本发明实施例提供了一种空调器开关机控制方法、装置、空调器及存储介质。其中，所述方法包括：对收集的数据信号集进行特征提取得到特征数据集；根据所述特征数据
集对预设分类模型进行训练、验证以及测试，得到人体分类模型；获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。本发明实施例的技术方案，先对预设分类模型进行训练、验证以及测试得到人体分类模型，再通过人体分类模型对被测物体进行分类，当分类结果为预设结果时，可根据被测物体相对空调器的相对距离控制空调器的开关，无需用户手动开启和开闭空调器，不仅提高了空调器的智能化程度，而且还节约了能源。
附图说明
17.为了更清楚地说明本发明实施例技术方案，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发明的一些实施例，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。
18.图1为本发明实施例提供的一种空调器开关机控制方法的流程示意图；
19.图2为本发明实施例提供的一种空调器开关机控制方法中uwb检测模组的示意图；
20.图3为本发明实施例提供的一种空调器开关机控制方法中uwb检测模组检测被测物体相对空调器的相对距离的原理示意图；
21.图4为本发明实施例提供的一种空调器开关机控制方法中uwb检测模组检测人体和非人体时的回波示意图；
22.图5为本发明实施例提供的一种空调器开关机控制方法的子流程示意图；
23.图6为本发明实施例提供的一种空调器开关机控制方法的子流程示意图；
24.图7为本发明实施例提供的一种空调器开关机控制装置的示意性框图；以及
25.图8为本发明实施例提供的一种空调器的示意性框图。
具体实施方式
26.下面将结合本发明实施例中的附图，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，都属于本发明保护的范围。
27.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
28.还应当理解，在此本发明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发明。如在本发明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。
29.还应当进一步理解，在本发明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。
30.如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0031]
请参阅图1，图1是本发明实施例提供的空调器开关机控制方法的流程示意图。下面对所述空调器开关机控制方法进行详细说明。如图1所示，该方法包括以下步骤s110-s140。
[0032]
s110、对收集的数据信号集进行特征提取得到特征数据集。
[0033]
在本发明实施例中，在空调器中安装有uwb(ultra wide band，超宽带)检测模组，所述uwb检测模组用于检测被测物体是否为人体及所述被测物体为人体时，获取所述被测物体相对所述空调器的相对距离，根据所述相对距离控制所述空调器的开关。需要说明的是，所述被测物体为具有一定高度的物体，例如所述被测物体设置成高于1.2m的物体；本实施例中的所述uwb检测模组如图2所示，其包括射频识别单元和控制通信单元，其中，所述射频识别单元包括功率放大器、低噪声放大器以及模数转换器等，所述控制通信单元包括控制单元和延迟单元等，可理解地，所述uwb检测模组还包括发射天线和接收天线等。还需要说明的是，在本实施例中，如图3所示，展示了所述uwb检测模组可检测被测物体相对空调器的相对距离的原理图，uwb检测模组探测被测物体相对距离的计算公式如公式(1)所示，在公式(1)中，r代表被测物体的距离，c代表电磁波在空气中传播的速度，td表示电磁波收发延时。超宽带雷达发射脉冲宽度在纳秒或皮秒级别，并且波形上升沿极为陡峭，不易受到干扰，故可以从回波脉冲中准确检测出被测物体的相对距离。可理解地，在本实施例中，之所以采用超宽带雷达进行相对距离的检测，是因为超宽带雷达是一种利用超短脉冲信号而产生的带宽极宽、时域分辨率较高的雷达技术，相比传统雷达，超宽带雷具有时域分辨率高、抗干扰能力强、检测性能好、易部署以及穿透性较好等特点。
[0034]
r＝(c*td)/2
ꢀꢀꢀ
(1)
[0035]
进一步地，在空调器中安装好所述uwb检测模组之后，会通过所述uwb检测模组采集被测物体为人体时和非人体时在不同角度、不同距离以及不同方向上对应的人体数据信号和非人体数据信号以得到初始人体数据信号集和初始非人体数据信号集，并采用旋转、翻转以及裁切的方式对初始人体数据信号集和初始非人体数据信号集进行数据增强得到人体数据信号增强集和非人体数据信号增强集，最后对所述人体数据信号增强集和所述非人体数据信号增强集进行打标签得到人体数据信号集和非人体数据信号集，并将所述人体数据信号集和所述非人体数据信号集作为数据信号集。需要说明的是，所述目标人体数据信号集中的标签为人体标签，所述非目标人体数据信号集的标签为非人体标签。还需要说明的是，在本实施例中，所述uwb检测模组对被测物体进行相对距离检测时，如图4所示，通过连续不断的向被测物体发送脉冲，进而实时检测被测物体的相对距离，对于静止物体表面，接收到的回波脉冲相位保持不变，对于周期性运动的物体表面，雷达接收机接收到的回波脉冲随时间的变化呈周期性变化。数据信号采集阶段，所述uwb检测模组通过接收的回波脉冲是否为周期回波脉冲和非周期回波脉冲可对数据信号进行分类并进行打标签。
[0036]
更进一步地，收集到所述数据信号集之后，会对所述数据信号集进行特征提取得到特征数据集，其中，所述特征数据集包括人体特征集和非人体特征集。具体地，通过预设特征提取方法对所述人体信号数据集和所述非人体信号数据集分别进行特征提取得到所述人体特征集和所述非人体特征集，其中，所述预设特征提取方法为基于时域的特征提取
方法、基于频域的特征提取方法以及基于小波变换的特征提取方法中的任意一种。需要说明的是，在本实施例中，所述基于时域的特征提取方法又具体包括峰值检测、波形振幅、脉冲宽度、脉冲间隔等特征提取方法；所述基于频域的特征提取方法又包括功率谱密度、频谱形状、频带能量分布等特征提取方法。
[0037]
s120、根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型。
[0038]
在本发明实施例中，根据所述人体特征集和所述非人体特征集对预设分类模型进行训练、验证以及测试，得到人体分类模型，其中，所述预设分类模型为支持向量机(support vector machine,svm)、k近邻算法(k-nearestneighbor,knn)、决策树(decision tree)以及朴素贝叶斯(naive bayes)中的任意一种。还需要说明的是，在本实施例中，在对所述预设分类模型进行训练之后，还会对所述预设分类模型进行验证和测试，可提高分类的准确率。
[0039]
在某些实施例，例如本实施例中，如图5所示，所述步骤s120可包括步骤s121-s125。
[0040]
s121、将所述特征数据集进行划分得到训练数据集、验证数据集以及测试数据集，其中，所述训练数据集、所述验证数据集以及所述测试数据集均包括所述人体特征集和所述非人体特征集；
[0041]
s122、将所述训练数据集输入预设分类模型进行训练得到初始人体分类模型；
[0042]
s123、将所述验证数据集输入所述初始人体分类模型进行验证得到验证结果，并根据所述验证结果及预设分类准确度检测是否满足测试条件；
[0043]
s124、若满足所述测试条件，则将所述测试数据集输入所述初始人体分类模型进行测试得到测试结果；
[0044]
s125、若所述测试结果为所述预设测试结果，则将所述初始人体分类模型作为人体分类模型。
[0045]
在本发明实施例中，将所述特征数据集按预设比例进行随机划分得到训练数据集、验证数据集以及测试数据集，其中，所述训练数据集、所述验证数据集以及所述测试数据集均包括所述人体特征集和所述非人体特征集，所述预设比例根据实际需求而定，例如，可为7:2:1；将所述训练数据集输入预设分类模型进行训练得到初始人体分类模型，可理解地，在模型训练过程中，采用反向传播的方法对所述预设分类模型进行训练；训练结束后，将所述验证数据集输入所述初始人体分类模型进行验证得到验证结果，并根据所述验证结果及预设分类准确度检测是否满足测试条件；若满足所述测试条件，表明训练后的模型初步达到分类要求，则将所述测试数据集输入所述初始人体分类模型进行测试得到测试结果；若所述测试结果为所述预设测试结果，表明训练后的模型分类较为准确，无需再进行训练，则将所述初始人体分类模型作为人体分类模型，其中，所述预设测试结果为测试合格。可理解地，若所述测试结果不为预设测试结果或若不满足所述测试条件，则均会返回执行步骤s122，以对所述预设分类模型进行重新训练，还可理解地，在重新训练之前，还可修改训练次数，迭代次数等参数。需要说明的是，在本实施例中，当所述测试结果中测试准确度达到预设测试准确度时，所述测试结果为测试合格，反之，所述测试结果为测试不合格，其中，所述预设测试准确度为95％。
[0046]
进一步地，根据所述验证结果及预设分类准确度检测是否满足测试条件的步骤包括：根据所述验证结果计算分类准确度；判断所述分类准确度是否大于预设分类准确度，其中，所述预设分类准确度为90％；若所述分类准确度不大于所述预设分类准确度，则返回执行将步骤s122，以重新进行训练；若所述分类准确度大于所述预设分类准确度，则判定满足测试条件。
[0047]
s130、获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果。
[0048]
在本发明实施例中，得到所述人体分类模型之后，获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果，其中，所述分类结果包括人体和非人体。
[0049]
s140、若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。
[0050]
在本发明实施例中，当所述分类结果为预设结果时，即当所述分类结果为人体时，针对每一检测周期，获取与所述被测物体相对应的信号强度的绝对值得到绝对信号强度，并计算所述绝对信号强度与预设信号强度的差值得到信号强度差；根据所述信号强度差及预设路径损耗指数通过预设距离公式计算所述被测物体相对空调器的相对距离，其中，所述预设距离公式如公式(2)所示，在公式(2)中，distance表示相对距离，rssi表示信号强度，a表示预设信号强度，需要说明的是，在本实施例中，a具体为在距离空调器1米距离处时rssi对应的平均值；n表示预设路径损耗指数，可理解地，对于不同的墙体，n的取值会有所不同，通常取2-4之间的数值。
[0051][0052]
进一步地，计算出所述相对距离之后，获取所述相对距离，并根据所述相对距离控制所述空调器的开关。在某些实施例，例如本实施例中，如图6所示，所述步骤s140可包括步骤s141-s145。
[0053]
s141、针对预设个数检测周期中的每一所述检测周期，检测所述被测物体相对空调器的相对距离，以得到与所述检测周期对应的多个所述相对距离；
[0054]
s142、若相邻检测周期中的前一检测周期对应的所述相对距离大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离小于预设距离，则控制所述空调器打开；
[0055]
s143、若相邻检测周期中的前一检测周期对应的所述相对距离不大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离不小于所述预设距离，则控制所述空调器关闭；
[0056]
s144、若相邻检测周期中的前一检测周期对应的所述相对距离大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离不小于所述预设距离，则保持所述空调器的关闭状态；
[0057]
s145、若相邻检测周期中的前一检测周期对应的所述相对距离不大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离小于所述预设距离，则保持所述空调器的打开状态。
[0058]
在本发明实施例中，针对预设个数检测周期中的每一所述检测周期，检测所述被测物体相对空调器的相对距离，以得到与所述检测周期对应的多个所述相对距离，可理解地，在获取每一所述检测周期对应的所述相对距离之前，都会先获取与所述检测周期相对应的信号强度，并根据所述信号强度计算与所述检测周期相对应的所述相对距离。需要说明的是，在本实施例中，所述预设个数至少为2个，所述检测周期为根据实际需求设定，例如为0.3s。
[0059]
为方便理解，假设所述预设距离为d0，所述预设个数为3，三个检测周期分别为t1，t2以及t3，与t1，t2以及t3相对应的相对距离为d1、d2以及d3，若d1》d2、d2》d3且d3《d0，表明用户正在靠近所述空调器，且已经达到打开所述空调器的距离，即用户距离所述空调器很近，则控制所述空调器打开；若d1≤d2、d2≤d3且d3≥d0，表明用户正在远离所述空调器，且已经达到关闭所述空调器的距离，即用户距离所述空调器很远，则控制所述空调器关闭；若d1》d2、d2》d3且d3≥d0，表明用户正在靠近所述空调器，但却未达到打开所述空调器的距离，即靠近的并不是很近，则保持所述空调器的关闭状态；若d1≤d2、d2≤d3且d3《d0，表明用户正在远离所述空调器，但却未达到关闭所述空调器的距离，即用户距离所述空调器并不是很远，则保持所述空调器的打开状态。需要说明的是，在本实施例中，d0为3.6m，在其它实施例中，d0根据实际需求设定。还需要说明的是，在本实施例中，还定义了“极近”(intimate,《＝46cm)、“个人空间”(personal,46cm-1.2m)、“社交空间”(social,1.2m-3.6m)以及“公共空间”(public,》＝3.6m)，可理解地，d0即为“社交空间”和“公共空间”的临界值，在本实施例中，当d3《d0时，打开所述空调器之后，还会对d3的值进行再判断，若d3处于“极近”区间，则控制所述空调器进入弱风挡模式，以免空调风直吹到人体；若d3处于“个人空间”，则控制所述空调器进入中风挡模式；若d3处于“社交空间”，则控制所述空调器进入强风挡模式。还需要说明的是，“极近”、“个人空间”、“社交空间”以及“公共空间”的区间范围均可根据实际需求设定，在此不作具体限定。
[0060]
进一步地，在本实施例中，通过在空调器中安装uwb检测模组，可实现是否为人体的检测，并在检测到人体时，在进行相对距离的检测，根据相对距离控制空调器的开关，无需用户手动开启和开闭空调器，不仅提高了空调器的智能化程度，而且还节约了能源，提高用户体验和舒适度。
[0061]
图7是本发明实施例提供的一种空调器开关机控制装置200的示意性框图。如图7所示，对应于以上空调器开关机控制方法，本发明还提供一种空调器开关机控制装置200。该空调器开关机控制装置200包括用于执行上述空调器开关机控制方法的单元，该装置可以被配置于空调器中。具体地，请参阅图7，该空调器开关机控制装置200包括特征提取单元201、训练验证单元202、分类单元203以及控制单元204。
[0062]
其中，所述特征提取单元201用于对收集的数据信号集进行特征提取得到特征数据集；所述训练验证单元202用于根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型；所述分类单元203用于获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；所述控制单元204用于若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。
[0063]
在某些实施例，例如本实施例中，所述控制单元204包括检测单元、第一控制子单
元、第二控制子单元、第三控制子单元以及第四控制子单元。
[0064]
其中，所述检测单元用于针对预设个数检测周期中的每一所述检测周期，检测所述被测物体相对空调器的相对距离，以得到与所述检测周期对应的多个所述相对距离；所述第一控制子单元用于若相邻检测周期中的前一检测周期对应的所述相对距离大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离小于预设距离，则控制所述空调器打开；所述第二控制子单元用于若相邻检测周期中的前一检测周期对应的所述相对距离不大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离不小于所述预设距离，则控制所述空调器关闭；所述第三控制子单元用于若相邻检测周期中的前一检测周期对应的所述相对距离大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离不小于所述预设距离，则保持所述空调器的关闭状态；所述第四控制子单元用于若相邻检测周期中的前一检测周期对应的所述相对距离不大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离小于所述预设距离，则保持所述空调器的打开状态。
[0065]
在某些实施例，例如本实施例中，所述检测单元包括第一计算单元及第二计算单元。
[0066]
其中，所述第一计算单元获取与所述被测物体相对应的信号强度的绝对值得到绝对信号强度，并计算所述绝对信号强度与预设信号强度的差值得到信号强度差；所述第二计算单元根据所述信号强度差及预设路径损耗指数通过预设距离公式计算所述被测物体相对空调器的相对距离。
[0067]
在某些实施例，例如本实施例中，所述特征提取单元201包括特征提取子单元。
[0068]
其中，所述特征提取子单元用于通过预设特征提取方法对所述人体信号数据集和所述非人体信号数据集分别进行特征提取得到所述人体特征集和所述非人体特征集，其中，所述预设特征提取方法为基于时域的特征提取方法、基于频域的特征提取方法以及基于小波变换的特征提取方法中的任意一种。
[0069]
在某些实施例，例如本实施例中，所述训练验证单元202包括划分单元、训练单元、验证检测单元、测试单元以及作为单元。
[0070]
其中，所述划分单元用于将所述特征数据集进行划分得到训练数据集、验证数据集以及测试数据集，其中，所述训练数据集、所述验证数据集以及所述测试数据集均包括所述人体特征集和所述非人体特征集；所述训练单元用于将所述训练数据集输入预设分类模型进行训练得到初始人体分类模型；所述验证检测单元用于将所述验证数据集输入所述初始人体分类模型进行验证得到验证结果，并根据所述验证结果及预设分类准确度检测是否满足测试条件；所述测试单元用于若满足所述测试条件，则将所述测试数据集输入所述初始人体分类模型进行测试得到测试结果；所述作为单元用于若所述测试结果为所述预设测试结果，则将所述初始人体分类模型作为人体分类模型。
[0071]
在某些实施例，例如本实施例中，所述验证检测单元包括第三计算单元、执行单元以及判定单元。
[0072]
其中，所述第三计算单元用于根据所述验证结果计算分类准确度；所述执行单元用于若所述分类准确度不大于预设分类准确度，则返回执行将所述验证数据集输入所述初
始人体分类模型进行验证得到验证结果的步骤；所述判定单元用于若所述分类准确度大于所述预设分类准确度，则判定满足测试条件。
[0073]
上述空调器开关机控制装置可以实现为一种计算机程序的形式，该计算机程序可以在如图8所示的空调器上运行。
[0074]
请参阅图8，图8是本发明实施例提供的一种空调器的示意性框图。该空调器300为具有开机快速制冷的设备。
[0075]
参阅图8，该空调器300包括通过系统总线301连接的处理器302、存储器和网络接口305，其中，存储器可以包括非易失性存储介质303和内存储器304。
[0076]
该非易失性存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032被执行时，可使得处理器302执行一种空调器开关机控制方法。
[0077]
该处理器302用于提供计算和控制能力，以支撑整个空调器300的运行。
[0078]
该内存储器304为非易失性存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行一种空调器开关机控制方法。
[0079]
该网络接口305用于与其它设备进行网络通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的空调器300的限定，具体的空调器300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。
[0080]
其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现上述空调器开关机控制方法的任意实施例。
[0081]
应当理解，在本发明实施例中，处理器302可以是中央处理单元(central processing unit，cpu)，该处理器302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)、现成可编程门阵列(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。
[0082]
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中，该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
[0083]
因此，本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行上述空调器开关机控制方法的任意实施例。
[0084]
所述存储介质可以是u盘、移动硬盘、只读存储器(read-only memory，rom)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
[0085]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不
应认为超出本发明的范围。
[0086]
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，各个单元的划分，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。例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
[0087]
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外，在本发明各个实施例中的各功能单元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，也可以是两个或两个以上单元集成在一个单元中。
[0088]
该集成的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，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台空调器执行本发明各个实施例所述方法的全部或部分步骤。
[0089]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。
[0090]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
[0091]
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，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发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种空调器开关机控制方法，其特征在于，包括：对收集的数据信号集进行特征提取得到特征数据集；根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型；获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。2.根据权利要求1所述的方法，其特征在于，所述检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关的步骤，包括：针对预设个数检测周期中的每一所述检测周期，检测所述被测物体相对空调器的相对距离，以得到与所述检测周期对应的多个所述相对距离；若相邻检测周期中的前一检测周期对应的所述相对距离大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离小于预设距离，则控制所述空调器打开；若相邻检测周期中的前一检测周期对应的所述相对距离不大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离不小于所述预设距离，则控制所述空调器关闭。3.根据权利要求2所述的方法，其特征在于，所述针对预设个数检测周期中的每一所述检测周期，检测所述被测物体相对空调器的相对距离，以得到与所述检测周期对应的多个所述相对距离的步骤之后，还包括：若相邻检测周期中的前一检测周期对应的所述相对距离大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离不小于所述预设距离，则保持所述空调器的关闭状态；若相邻检测周期中的前一检测周期对应的所述相对距离不大于后一检测周期对应的所述相对距离且所述预设个数中的最后检测周期对应的所述相对距离小于所述预设距离，则保持所述空调器的打开状态。4.根据权利要求3所述的方法，其特征在于，所述检测所述被测物体相对空调器的相对距离的步骤，包括：获取与所述被测物体相对应的信号强度的绝对值得到绝对信号强度，并计算所述绝对信号强度与预设信号强度的差值得到信号强度差；根据所述信号强度差及预设路径损耗指数通过预设距离公式计算所述被测物体相对空调器的相对距离。5.根据权利要求1所述的方法，其特征在于，所述数据信号集包括人体信号数据集和非人体信号数据集，所述特征数据集包括人体特征集和非人体特征集，所述对收集的数据信号集进行特征提取得到特征数据集的步骤，包括：通过预设特征提取方法对所述人体信号数据集和所述非人体信号数据集分别进行特征提取得到所述人体特征集和所述非人体特征集，其中，所述预设特征提取方法为基于时域的特征提取方法、基于频域的特征提取方法以及基于小波变换的特征提取方法中的任意一种。
6.根据权利要求5所述的方法，其特征在于，所述根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型的步骤，包括：将所述特征数据集进行划分得到训练数据集、验证数据集以及测试数据集，其中，所述训练数据集、所述验证数据集以及所述测试数据集均包括所述人体特征集和所述非人体特征集；将所述训练数据集输入预设分类模型进行训练得到初始人体分类模型；将所述验证数据集输入所述初始人体分类模型进行验证得到验证结果，并根据所述验证结果及预设分类准确度检测是否满足测试条件；若满足所述测试条件，则将所述测试数据集输入所述初始人体分类模型进行测试得到测试结果；若所述测试结果为所述预设测试结果，则将所述初始人体分类模型作为人体分类模型。7.根据权利要求6所述的方法，其特征在于，所述根据所述验证结果及预设分类准确度检测是否满足测试条件的步骤，包括：根据所述验证结果计算分类准确度；若所述分类准确度不大于预设分类准确度，则返回执行将所述验证数据集输入所述初始人体分类模型进行验证得到验证结果的步骤；若所述分类准确度大于所述预设分类准确度，则判定满足测试条件。8.一种空调器开关机控制装置，其特征在于，包括：特征提取单元，用于对收集的数据信号集进行特征提取得到特征数据集；训练验证单元，用于根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型；分类单元，用于获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；控制单元，用于若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。9.一种空调器，其特征在于，所述空调器包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的方法。

技术总结
本发明公开了一种空调器开关机控制方法、装置、空调器及存储介质，其涉及空调器技术领域。其中，所述方法包括：对收集的数据信号集进行特征提取得到特征数据集；根据所述特征数据集对预设分类模型进行训练、验证以及测试，得到人体分类模型；获取与被测物体相对应的待检测信号进行特征提取得到待分类特征，将所述待分类特征输入所述人体分类模型进行分类得到分类结果；若所述分类结果为预设结果，则检测所述被测物体相对空调器的相对距离，并根据所述相对距离控制所述空调器的开关。本发明可根据被测物体相对空调器的相对距离控制空调器的开关，无需用户手动开启和开闭空调器，不仅提高了空调器的智能化程度，而且还节约了能源。源。源。


技术研发人员：张裕松 毛跃辉 魏贤 梁博 陶梦春
受保护的技术使用者：珠海格力电器股份有限公司
技术研发日：2023.07.06
技术公布日：2023/10/6