基于人工智能的健身房温度自适应调控方法
阅读说明:本技术 基于人工智能的健身房温度自适应调控方法 (Gymnasium temperature self-adaptive control method based on artificial intelligence ) 是由 秦义忠 于 2021-10-27 设计创作,主要内容包括:本发明涉及一种基于人工智能的健身房温度自适应调控方法,包括:在健身房安装多台相机,采集房内健身者的图像数据,并通过图像处理方法获取健身房区域的全景图像;获取所需的全景图像数据后,对健身房进行区域划分得到各子区域;通过健身动作数据库对健身者的各健身类型进行分析,得到各子区域内健身者的健身类型,进一步获取各子区域的运动指标;将对温度调控后的效果进行分析,并设置优化模型,以使得各子区域环境能够满足健身者的健身环境要求。节省能源,方便调节,满足健身者们对健身过程中降温散热的需求。(The invention relates to a gymnasium temperature self-adaptive control method based on artificial intelligence, which comprises the following steps: installing a plurality of cameras in the gymnasium, acquiring image data of a gymnastic person in the gymnasium, and acquiring a panoramic image of the gymnasium area through an image processing method; analyzing each fitness type of the fitness person through a fitness action database to obtain the fitness type of the fitness person in each sub-area, and further obtaining the motion index of each sub-area; the effect after the temperature regulation and control is analyzed, and an optimization model is set, so that the environment of each subarea can meet the fitness environment requirements of the fitness users. The energy is saved, the adjustment is convenient, and the requirements of body builders on cooling and heat dissipation in the body building process are met.)
技术领域
本发明涉及人工智能领域,具体涉及一种基于人工智能的健身房温度自适应调控方法。
背景技术
目前,随着人们生活水平的提高,健身房成为了人们优选地健身场所,健身房的环境不受天气的气候的影响,去健身房运动是健身人士的最佳首选。考虑到健身房的温度变化会影响健身者的健身效果,健身者们所处的环境下相对静止,产生的热量等在无通风降温的情况下无法高效的排出,进而在健身房经常出现很多健身者通过自备的小风扇来进行健身后的身体降温。当下,对于健身房温度的调控多通过人工调控,人为调节无法进行精确的调控,从而无法提供给用户更好的健身体验,甚至造成健身者健身后身体异常等现象。
发明内容
为了克服上述现有技术的缺点,本发明采用以下技术方案:
一种基于人工智能的健身房温度自适应调控方法,包括以下步骤:
步骤一:在健身房安装多台相机,采集房内健身者的图像数据,并通过图像处理方法获取健身房区域的全景图像;
步骤二:获取所需的全景图像数据后,对健身房进行区域划分得到各子区域;
步骤三:通过健身动作数据库对健身者的各健身类型进行分析,得到各子区域内健身者的健身类型,进一步获取各子区域的运动指标;
步骤四:将对温度调控后的效果进行分析,并设置优化模型,以使得各子区域环境能够满足健身者的健身环境要求。
进一步,基于健身房全景图像通过语义感知网络获取健身房的全景语义感知图,获取各健身器材的连通域,根据各连通域的质心点位置,其中n为连通域数量,即健身器材数量;通过DBSCAN密度聚类算法对所述连通域质心进行聚类分析,获取多个聚类簇,其中,k为聚类簇的数量,各聚类簇对应的中心点记为,聚类之后,对于各离散点,计算各离散点到各聚类簇中心点的欧式距离,以离散点i为例,计算离散点i到各聚类簇中心点的欧式距离,然后将离散点i分类到所对应的簇内。
进一步,所述步骤三方法为:根据一段时间内的健身房全景图像数据,通过关键点检测网络提取健身房内的关键点热力图,进一步也即得到各子区域的关键点热力图,所述关键点为健身者的人体关键点;所述一段时间的时长以及图像帧数的选取实施者自行设定,获取图像关键点热力图之后,基于关系矢量谱PAFs对人体关键点进行匹配,以实现关键点的连接,即可根据所述方法得到健身房各子区域内各健身者的二维关键点信息,通过TCN网络模型提取健身者的三维动作序列,用于准确分析健身者的运动信息,基于模拟器建立各健身器材健身动作的数据库,基于健身类型数据库对各子区域内健身者的健身类型进行识别,通过孪生网络对健身者的健身类型进行检测识别,通过孪生网络分析健身者的健身动作与数据库中各健身动作数据的特征差距,基于孪生网络获取健身者的健身类型,即可得到各子区域内各健身者的健身类型,对于各子区域,计算在时段内各健身者的运动指标。
进一步,所述步骤四具体如下:获取各子区域的运动指标后,可基于区域运动指标对各子区域的温度进行调控,建立子区域温度调控模型并对其进行归一化处理,保证函数值处于[0,1],所述子区域温度调控模型为:
为温度调控因子,为模型可调参数,实施者可自行设定,本发明将其设置为;根据所述温度调控模型,可得到各子区域温度调控因子序列:,式中,为子区域k所对应的温度调控因子。
本发明的有益效果是:
本发明通过人工智能的方式对健身房的温度进行局部自适应调控,对各健身房各子区域进行分析,并基于各子区域特征数据对各子区域进行自适应的温度调控,针对性的给出较好的降温散热方案,满足健身者健身过程中的环境需求,同时,该方法能够有效减少健身房电力资源的浪费。目前较多健身房采用中央环境温度控制器,通过中央控制系统对健身房整体温度控制,不能够根据健身者的健身状况进行针对性的调节,温度调节效果过于片面、局限。本发明能够针对性地对健身房的各子区域进行温度自适应调控,且对各子区域的温度调控进行优化,达到最佳的温度调控效果,节省能源,方便调节,满足健身者们对健身过程中降温散热的需求。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明通过人工智能的方式对健身房的温度控制设备进行调控,实现健身房内的温度满足整体健身人员的舒适度。本发明实施例主要对健身房内的空调设备进行自动控制,以对健身房内的温度进行实时调节。
为了实现本发明所述内容,本发明设计了一种基于人工智能的健身房温度自适应调控方法。
步骤一:在健身房安装多台相机,采集房内健身者的图像数据,并通过图像处理方法获取健身房区域的全景图像,用于后续分析健身者的运动情况。
首先,在健身房安装多台相机设备,相机数量以及相机位置的布置实施者根据健身房实际情况进行安排,为保证后续基于图像数据分析的准确性,各相机的采集范围需要包含健身房内的各健身区域,以便后续基于健身房的整体情况进行分析,保证数据信息的完整性。本发明中,在健身房天花板上部署多台相机,以俯视或者斜视的视角进行图像采集,各相机的拍摄范围具有一定的重叠区域,以便基于多位置相机采集的图像,通过投影变换和图像拼接处理获取大型健身房全景图。
至此,即可根据健身房的相机对健身房内图像数据进行采集,实时获取各健身区域的图像信息,并基于投影变换和图像拼接操作得到健身房的全景图像。
步骤二:获取所需的全景图像数据后,对健身房进行区域划分得到各子区域,以便后续基于各子区域进行针对性调控。
该步骤的目的主要是对健身房进行区域划分,同时对各子区域的健身者以及健身器材进行分析,用于对各子区域的运动指标进行分析。所用现有技术为:语义感知网络(用于感知各健身器材)、关键点检测网络(用于提取健身者的人体关键点)、关系矢量谱PartAffinity Fields(用于关键点的匹配)、TCN网络模型(用于提取健身者三维动作序列)、孪生网络(用于识别健身者的健身类型)。
所述健身房各子区域划分过程具体为:
首先,基于健身房全景图像通过语义感知网络获取健身房的全景语义感知图,获取各健身器材的连通域,根据各连通域的质心点位置,其中n为连通域数量,也即健身器材数量;
然后通过DBSCAN密度聚类算法对所述连通域质心进行聚类分析,获取多个聚类簇,其中,k为聚类簇的数量,各聚类簇对应的中心点记为,聚类之后,对于各离散点,本发明设置:计算各离散点到各聚类簇中心点的欧式距离,以离散点i为例,计算离散点i到各聚类簇中心点的欧式距离,然后将离散点i分类到所对应的簇内;
至此,即可根据本发明所述方法基于各健身器材实现对健身房各子区域的划分,用于后续分析各子区域的区域特征。
步骤三:通过健身动作数据库对健身者的各健身类型进行分析,得到各子区域内健身者的健身类型,进一步获取各子区域的运动指标。
对健身房进行子区域划分后,本发明将构建健身者运动指标分析模型、健身器材使用热度分析模型,用于对各子区域内健身者的运动指标以及健身器材的使用热度进行分析计算,后续将用于对各子区域温度进行自适应调控。
所述健身者运动指标分析模型具体为:
首先,根据一段时间内的健身房全景图像数据,通过关键点检测网络提取健身房内的关键点热力图,进一步也即得到各子区域的关键点热力图,所述关键点为健身者的人体关键点。所述一段时间的时长以及图像帧数的选取实施者自行设定,所述关键点检测网络训练数据及其训练过程均为公知技术,不在本发明保护范围内,本发明不做相关详细阐述。所述关键点热力图为健身者的人体关键点,实施者可自行设定人体关键点数量,优选地,对于一个人体,本发明所述关键点为:头部、颈部、左右肩部、左右肘关节、左右腕关节、左右胯关节、左右膝关节、左右踝关节;
获取图像关键点热力图之后,为避免多健身者之间关键点的错误识别情况,实现各子区域内各健身者的对应关键点的组合,本发明将基于关系矢量谱Part AffinityFields(PAFs)对人体关键点进行匹配,以实现关键点的连接。基于PAFs的关键点匹配连接具体过程为公知技术,不在本发明做相关阐述;
至此,即可根据所述方法得到健身房各子区域内各健身者的二维关键点信息。为准确识别各子区域内各健身者的运动情况,本发明将通过TCN网络模型提取健身者的三维动作序列,用于准确分析健身者的运动信息。在此需要说明,所述帧数的选取以及动作序列长度的选取实施者自行设定。所述TCN网络模型为公知技术,不在本发明保护范围内。
进一步地,基于模拟器建立各健身器材健身动作的数据库,在此需要说明,不同健身器材的健身动作数据库的建立为现有技术,实施者可以自行选取健身类型动作数据库。基于健身类型数据库对各子区域内健身者的健身类型进行识别,通过孪生网络对健身者的健身类型进行检测识别,所述孪生网络的训练过程为公知技术,本发明不做相关阐述。通过孪生网络分析健身者的健身动作与数据库中各健身动作数据的特征差距,基于孪生网络获取健身者的健身类型。具体孪生网络进行特征差异分析过程为公知技术;
至此,即可得到各子区域内各健身者的健身类型,对于各子区域,计算在时段内各健身者的运动指标:
先分析健身者的强度指标,对各健身者的强度指标进行等级划分,本发明将其分为四个等级,具体设置为:对于未使用任何健身器材的健身者,其强度等级为1;对于使用可移动健身器材的健身者(哑铃、弹簧拉力器、握力器等),强度等级根据可移动健身器材的大小进行等级划分,所述健身器材大小为上述通过语义感知网络获取的各健身器材对应连通域的面积大小(连通域面积大小可以通过统计连通域内的像素数量来获取,各连通域的像素总数就是对应各连通域的面积值),划分4个等级,例如,哑铃为可移动健身器材,按照其面积大小将强度分为1到4个等级,面积越大,强度越高,其他可移动健身器材同样按照型号进行强度等级划分;对于不可移动的健身器材(跑步机、划船机等),对于不可移动的健身器材,通过传感器对其使用情况进行检测,并根据实际使用情况划分不同的强度,对于该类型的健身器材,通过传感器采集健身器材的参数值,本发明对其进行参数范围划分得到对应的强度级别,以跑步机为例:先设定跑步机的速度阈值,当健身者使用跑步机时的速度,强度等级为1;若,强度等级为2;若时,强度等级为3;当时,强度等级为4,同样的,对于其他不可移动的健身器材,实施者可根据同样的方法对其进行强度等级划分;
进一步,建立健身者运动指标分析模型,对时段内各子区域中各健身者的运动指标进行计算,所述健身者运动指标分析模型具体为:
式中,为健身者的运动指标,为健身者的强度指标,为健身者在对应强度指标下的健身时长。根据所述方法获取各健身者的运动指标,进一步可得到各子区域的运动指标,例如子区域A内各健身者的运动指标序列为,式中,r为时间段内子区域A中的健身者总数量, 为子区域A中健身者r的运动指标;
对于各子区域,将时间段内将各子区域中所有健身者运动指标之和作为该时段内各子区域的运动指标,也即:,式中,为该时段内子区域运动指标,P为该时段内子区域内的健身者数量,为健身者p的运动指标。至此,可得到健身房各子区域运动指标序列,式中,为子区域的运动指标,后续基于各子区域的运动指标对温度进行自适应调控。
步骤四:获取各子区域的运动指标后,建立子区域温度调控模型,并对各子区域的关联性进行分析,对温度调控模型进行优化,实现各子区域温度的自适应调控。
获取各子区域的运动指标后,可基于区域运动指标对各子区域的温度进行调控,建立子区域温度调控模型并对其进行归一化处理,保证函数值处于[0,1],所述子区域温度调控模型为:
式中,为温度调控因子,为模型可调参数,实施者可自行设定,本发明将其设置为。根据所述温度调控模型,可得到各子区域温度调控因子序列:,式中,为子区域k所对应的温度调控因子。进一步地,根据温度调控因子,对各子区域的温度进行针对性调节:本发明设置:
时,本发明将对应子区域温度调整为24°;
时,本发明将子区域温度调整为22°;
时,本发明将子区域温度调整为20°;
时,本发明将子区域温度调整为18°;
时,本发明将对应子区域温度调整为16°。
具体地,实施者也可对各子区域温度值进行其他的设定。至此即可获取各子区域的调整温度序列,式中,T为子区域的调整温度,也即调整之后的温度,为子区域k的调整温度。
至此,即可根据所述方法获取各子区域温度调控模型,进一步得到各子区域温度调控因子,对各子区域进行温度调控。
在此需要说明,在实际使用过程中,实施者可对温度调控时刻以及温度调控周期进行设置,具体的调控周期H设置本发明不做相关描述,所述各子区域温度调控周期H也即每隔H时长进行一次子区域运动指标的计算,并基于运动指标及温度调控模型对各子区域的温度调控因子进行计算,通过温度调控因子对各子区域温度进行自适应调控。
为进一步保证满足各子区域内健身者的健身状态需求,本发明将对温度调控后的效果进行分析,并设置优化模型,以使得各子区域环境能够满足健身者的健身环境要求。
对各子区域温度进行调控之后,本发明将对调控效果进行分析,通过温度传感器采集温度调控前后的各子区域体表温度变化,所述子区域体表温度为在各子区域安装一个或多个温度传感器,用于检测各子区域的体表温度,子区域温度传感器的数量以及位置设置实施者可自行设定,可基于各子区域大小均匀的设定温度传感器的数量及位置,实施者自行设定。所述子区域体表温度为子区域内各温度传感器的温度均值,为子区域体表温度。通过温度传感器获取温度调控前各子区域的体表温度:为温度调控前子区域k的体表温度,设定效果评估时段t,从温度调控时刻起,经过时长t后,获取调控后的各子区域的体表温度:,所述效果评估时段t设置为t=8min。
通过温度调控前后体表温度变化为调整之后的温度,调整前的温度,对温度调控效果进行评估,设置体表温度变化阈值时,则认为温度调控之后效果较好,能够满足子区域健身者健身状态;当时,则认为温度调控之后效果不佳,不能够尽快满足健身者对于健身环境的需求,因此,当温度调控不满足需求时,本发明将对各子区域的风速进行调控,以保证短时间内满足健身者的健身环境需求。对于调控效果不佳的子区域,具体优化模型为:对于调整后温度增加的子区域,也即,当温度调控效果不佳时,本发明将对该子区域进行风速调节,降低风速:,式中,为模型大于零的可调参数,实施者自行设定,越小,风速越低;对于调整后温度降低的子区域,也即,当温度调控效果不佳时,本发明将对该子区域进行风速调节,增加风速:,式中,为模型大于零的可调参数,实施者自行设定,越大,风速越大。
至此,根据本发明所述方法即可实现健身房进行子区域划分,并对各子区域进行温度自适应调控,进一步为提高各子区域的健身环境调控效果,本发明将通过风速调节对各子区域进行进一步的健身环境优化,提高各子区域的健身舒适性,避免人为控制的不确定性、主观性等问题。
以上实施例仅仅是对本发明的举例说明,并不构成对本发明的保护范围的限制,凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
- 上一篇:一种医用注射器针头装配设备
- 下一篇:一种空调器控制方法、控制装置及空调器