CN111023470A - 空调温度调节方法、介质、设备及装置 - Google Patents

Abstract

本发明公开了一种空调温度调节方法、介质、设备及装置，其中方法包括：获取第一音频数据，并对第一音频数据分类，以生成训练集；提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应的组合特征；将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；获取空调用户第二音频数据，并提取第二音频数据对应的组合特征；将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段，以及根据空调用户的年龄段对空调的温度进行调节；能够根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

Description

空调温度调节方法、介质、设备及装置

技术领域

本发明涉及家电控制技术领域，特别涉及一种空调温度调节方法、一种计算机可读存储介质、一种计算机设备以及一种空调温度调节装置。

背景技术

通过空调对温度进行控制，是现代人们改善生活环境的一种常用手段。在很多场合中(例如，商场、会议室、礼堂和公交车等)，都会通过空调来调节温度。

然而，在这些场合中，经常会有老人和小孩存在；由于这些人群的免疫力普遍较低，因此，当空调的功率过大，而导致这些场合中的温度过低时，往往容易导致这些特殊人群的身体产生疾病，例如，感冒等。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种空调温度调节方法，能够根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种空调温度调节装置。

为达到上述目的，本发明第一方面实施例提出了一种空调温度调节方法，包括以下步骤：获取第一音频数据，并对所述第一音频数据进行分类，以生成多个类别的训练集；提取所述训练集中每个音频数据所对应的声学特征，并对所述声学特征进行组合，以生成对应的组合特征；将所述训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；获取空调用户的第二音频数据，并提取所述第二音频数据对应的组合特征；将所述第二音频数据对应的组合特征输入到所述音频识别模型中，并根据音频识别模型的输出结果判断所述空调用户的年龄段，以及根据所述空调用户的年龄段对空调的温度进行调节。

根据本发明实施例的空调温度调节方法，首先，获取第一音频数据，并对第一音频数据进行分类，以生成多个类别的训练集；接着，提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应每个音频数据的组合特征；然后，将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；接着，获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征；然后，将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段，以及根据空调用户的年龄段对空调的温度进行调节，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

另外，根据本发明上述实施例提出的空调温度调节方法还可以具有如下附加的技术特征：

可选地，多维MFCC特征、每维MFCC特征所对应一阶导数、每维MFCC特征所对应二阶导数、一维基频估计以及一维能量特征。

可选地，所述音频识别模型包括两层lstm层和两层全连接层。

为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储空调温度调节程序，该空调温度调节程序被处理器执行时实现如上述的空调温度调节方法。

根据本发明实施例的计算机可读存储介质，通过存储器对空调温度调节程序进行存储，以使得处理器在执行该空调温度调节程序时，实现如上述的空调温度调节方法，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

为达到上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如上述的空调温度调节方法。

根据本发明实施例的计算机设备，通过存储器对空调温度调节程序进行存储，以使得处理器在执行存储在该存储器上的计算机程序时，实现如上述的空调温度调节方法，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

为达到上述目的，本发明第四方面实施例提出了一种空调温度调节装置，包括：第一获取模块，所述第一获取模块用于提取所述训练集中每个音频数据所对应的声学特征，并对所述声学特征进行组合，以生成对应的组合特征；训练模块，所述训练模块用于将所述训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；第二获取模块，所述第二获取模块用于获取空调用户的第二音频数据，并提取所述第二音频数据对应的组合特征；识别模块，所述识别模块用于将所述第二音频数据对应的组合特征输入到所述音频识别模型中，并根据音频识别模型的输出结果判断所述空调用户的年龄段；调节模块，所述调节模块用于根据所述空调用户的年龄段对空调的温度进行调节。

根据本发明实施例的空调温度调节装置，设置第一获取模块用于提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应的组合特征；训练模块用于将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；第二获取模块用于获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征；识别模块用于将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段；调节模块用于根据空调用户的年龄段对空调的温度进行调节；从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

另外，根据本发明上述实施例提出的空调温度调节装置还可以具有如下附加的技术特征：

可选地，所述组合特征包括：多维MFCC特征、每维MFCC特征所对应一阶导数、每维MFCC特征所对应二阶导数、一维基频估计以及一维能量特征。

可选地，所述音频识别模型包括两层lstm层和两层全连接层。

附图说明

图1为根据本发明实施例的空调温度调节方法的流程示意图；

图2为根据本发明实施例的空调温度调节装置的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在很多场合中，如果空调的温度过低，容易导致特殊人群的身体产生疾病；根据本发明实施例的空调温度调节方法，首先，获取第一音频数据，并对第一音频数据进行分类，以生成多个类别的训练集；接着，提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应每个音频数据的组合特征；然后，将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；接着，获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征；然后，将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段，以及根据空调用户的年龄段对空调的温度进行调节，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

请参阅图1，图1为根据本发明实施例的空调温度调节方法的流程示意图，如图1所示，该空调温度调节方法包括以下步骤：

S101，获取第一音频数据，并对第一音频数据进行分类，以生成多个类别的训练集。

也就是说，获取用于训练模型的音频数据，并对获取到的数据进行分类，以生成多个类别的训练集，以便后续通过多个类别的训练集对模型进行训练。

作为一种示例，首先，对大量不同年龄段的人的音频数据进行采集，以获得不同年龄段人们所对应的音频数据，然后，在获取到这些音频数据之后，根据不同的年龄段对音频数据进行分类，优选地，可以根据年龄段将音频数据划分为：A类(1-15岁)、B类(16-65岁)、C类(66岁及以上)。

S102，提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应的组合特征。

也就是说，对多个分类训练集中的每个音频数据所对应的声学特征进行提取，可以理解，当人处于不同年龄段时，其声音的特征会存在不同(例如，在特定频率段声音的能量和基频)，从而，可以对这些存在区别的特征进行提取，以完成对声学特征的提取；然后，根据提取出来的声学特征进行组合，以生成对应音频数据的组合特征，以提高后续音频识别模型的识别效果。

其中，组合特征的组合方式可以有多种。

作为一种示例，组合特征包括多维MFCC特征、每维MFCC特征所对应一阶导数、每维MFCC特征所对应二阶导数、一维基频估计以及一维能量特征。

S103，将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型。

即言，在获取到组合特征之后，将训练集中的每个组合特征输入到长短期记忆模型中，以通过长短期记忆模型进行音频识别模型的训练，最终训练得到音频识别模型。

作为一种示例，将每个音频数据所对应的组合特征输入到lstm网络(长短期记忆模型)中进行音频识别模型的训练，以获得音频识别模型。

其中，音频识别模型的设置方式可以有多种。

作为一种示例，音频识别模型包括两层lstm层和两层全连接层。

需要说明的是，在一些实施例中，为了防止音频识别模型过拟合，在音频识别模型中还加入了droput操作，以防止音频识别模型过拟合。

在一些实施例中，音频识别模型的训练过程中，其损失函数采用交叉熵损失，同时，采用Adam算法对音频识别模型的参数进行更新，以此为基础进行迭代训练，以获得最终的音频识别模型。

S104，获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征。

也就是说，在音频识别模型训练好之后，在具体的使用过程中，首先，获取空调用户的第二音频数据，并根据第二音频数据提取其对应的组合特征。

作为一种示例，首先，在空调中安装声音接收器和调节装置；接着，通过声音接收器获取用户的第二音频数据，并将第二音频数据发送给控制器，以便控制器根据第二音频数据提取对应的声学特征，以及对该声学特征进行组合，以完成组合特征的提取。

S105，将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段，以及根据空调用户的年龄段对空调的温度进行调节。

也就是说，在提取到第二音频数据对应的组合特征之后，将该组合特征输入到音频识别模型中，以便音频识别模型根据组合特征输出结果，然后，即可根据音频识别模型输出的结果判断当前空调用户所处的年龄段，并根据空调用户的年龄段对空调的温度进行调节，以防止特殊年龄人群在空调温度过低的环境下而造成身体上的不适。

作为一种示例，首先，空调内部安装的声音接收器在获取到用户的第二音频数据之后，将其发送给控制器，控制器提取该第二音频数据所对应的声学特征之后，对其进行组合，以获得组合特征；然后，将该组合特征输入到训练好的音频识别模型，以通过音频识别模型根据该组合特征输出结果；控制器根据该输出结果判断当前用户的年龄段(例如，判断当前用户是否包含处于1-15岁或者66岁及以上的人)，接着，当控制器的判断结果为当前用户中包含特征人群时，通过温度调节装置将空调温度调整至26-28摄氏度，以防止特殊人群在空调温度过低的环境中产生身体上的不适。

综上所述，根据本发明实施例的空调温度调节方法，首先，获取第一音频数据，并对第一音频数据进行分类，以生成多个类别的训练集；接着，提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应每个音频数据的组合特征；然后，将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；接着，获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征；然后，将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段，以及根据空调用户的年龄段对空调的温度进行调节，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

为了实现上述实施例，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储空调温度调节程序，该空调温度调节程序被处理器执行时实现如上述的空调温度调节方法。

根据本发明实施例的计算机可读存储介质，通过存储器对空调温度调节程序进行存储，以使得处理器在执行该空调温度调节程序时，实现如上述的空调温度调节方法，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

为了实现上述实施例，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如上述的空调温度调节方法。

根据本发明实施例的计算机设备，通过存储器对空调温度调节程序进行存储，以使得处理器在执行存储在该存储器上的计算机程序时，实现如上述的空调温度调节方法，从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

为了实现上述实施例，本发明实施例提出了一种空调温度调节装置，图2为根据本发明实施例提出的空调温度调节装置的方框示意图，如图2所示，该空调温度调节装置包括：

第一获取模块10、训练模块20、第二获取模块30、识别模块40和调节模块50。

其中，第一获取模块10用于提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应的组合特征；

训练模块20用于将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；

第二获取模块30用于获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征；

识别模块40用于将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段；

调节模块50用于根据空调用户的年龄段对空调的温度进行调节。

在一些实施例中，组合特征包括：多维MFCC特征、每维MFCC特征所对应一阶导数、每维MFCC特征所对应二阶导数、一维基频估计以及一维能量特征。

在一些实施例中，音频识别模型包括两层lstm层和两层全连接层。

需要说明的是，上述关于图1中空调温度调节方法的描述同样适用于该空调温度调节装置，在此不做赘述。

综上所述，根据本发明实施例的空调温度调节装置，设置第一获取模块用于提取训练集中每个音频数据所对应的声学特征，并对声学特征进行组合，以生成对应的组合特征；训练模块用于将训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；第二获取模块用于获取空调用户的第二音频数据，并提取第二音频数据对应的组合特征；识别模块用于将第二音频数据对应的组合特征输入到音频识别模型中，并根据音频识别模型的输出结果判断空调用户的年龄段；调节模块用于根据空调用户的年龄段对空调的温度进行调节；从而实现根据空调用户的年龄对温度进行调节，以防止特殊人群因为空调温度过低而导致身体不适，提高用户体验。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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，倘若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。

在本发明的描述中，需要理解的是，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。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种空调温度调节方法，其特征在于，包括以下步骤：

获取第一音频数据，并对所述第一音频数据进行分类，以生成多个类别的训练集；

提取所述训练集中每个音频数据所对应的声学特征，并对所述声学特征进行组合，以生成对应的组合特征；

将所述训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；

获取空调用户的第二音频数据，并提取所述第二音频数据对应的组合特征；

将所述第二音频数据对应的组合特征输入到所述音频识别模型中，并根据音频识别模型的输出结果判断所述空调用户的年龄段，以及根据所述空调用户的年龄段对空调的温度进行调节。

2.如权利要求1所述的空调温度调节方法，其特征在于，所述组合特征包括：多维MFCC特征、每维MFCC特征所对应一阶导数、每维MFCC特征所对应二阶导数、一维基频估计以及一维能量特征。

3.如权利要求1所述的空调温度调节方法，其特征在于，所述音频识别模型包括两层lstm层和两层全连接层。

4.一种计算机可读存储介质，其特征在于，其上存储空调温度调节程序，该空调温度调节程序被处理器执行时实现如权利要求1-3中任一项所述的空调温度调节方法。

5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-3中任一项所述的空调温度调节方法。

6.一种空调温度调节装置，其特征在于，包括：

第一获取模块，所述第一获取模块用于提取所述训练集中每个音频数据所对应的声学特征，并对所述声学特征进行组合，以生成对应的组合特征；

训练模块，所述训练模块用于将所述训练集中的每个组合特征输入到长短期记忆模型中进行音频识别模型的训练，以获取音频识别模型；

第二获取模块，所述第二获取模块用于获取空调用户的第二音频数据，并提取所述第二音频数据对应的组合特征；

识别模块，所述识别模块用于将所述第二音频数据对应的组合特征输入到所述音频识别模型中，并根据音频识别模型的输出结果判断所述空调用户的年龄段；

调节模块，所述调节模块用于根据所述空调用户的年龄段对空调的温度进行调节。

7.如权利要求6所述的空调温度调节装置，其特征在于，所述组合特征包括：多维MFCC特征、每维MFCC特征所对应一阶导数、每维MFCC特征所对应二阶导数、一维基频估计以及一维能量特征。

8.如权利要求6所述的空调温度调节装置，其特征在于，所述音频识别模型包括两层lstm层和两层全连接层。

Images