基于风力检测的窗帘状态转换方法

摘要

本发明涉及一种基于风力检测的窗帘状态转换方法，所述方法包括使用基于风力检测的窗帘状态转换平台以基于环境参数实现对窗帘状态的自动转换，所述平台包括风力检测设备、图像采集设备、电机驱动设备以及嵌入式处理设备，所述风力检测设备用于检测吹过窗帘的实时风速，所述图像采集设备用于对窗帘外的场景进行高清场景图像采集以获得高清场景图像，所述电机驱动设备用于通过直流电机来控制窗帘的打开状态与收起状态之间的切换，所述嵌入式处理设备基于所述风力检测设备的输出和所述图像采集设备的输出确定发送给所述电机驱动设备的控制信号。

权利要求

1.一种基于风力检测的窗帘状态转换方法，所述方法包括使用基于风力检测的窗帘状态转换平台以基于环境参数实现对窗帘状态的自动转换，所述基于风力检测的窗帘状态转换平台包括：风力检测设备、图像采集设备、电机驱动设备以及嵌入式处理设备，所述嵌入式处理设备分别与所述风力检测设备、所述图像采集设备和所述电机驱动设备连接，所述风力检测设备用于检测吹过窗帘的实时风速，所述图像采集设备用于对窗帘外的场景进行高清场景图像采集以获得高清场景图像，所述电机驱动设备用于通过直流电机来控制窗帘的打开状态与收起状态之间的切换；

其中，所述嵌入式处理设备基于所述风力检测设备的输出和所述图像采集设备的输出确定发送给所述电机驱动设备的控制信号；

对比度增强设备，位于窗帘支架内部，与所述图像采集设备连接，用于接收高清场景图像，并对高清场景图像执行对比度增强处理以获得增强图像；

均方差检测设备，用于接收增强图像，基于增强图像的各个像素点的像素值确定增强图像像素值的均方差以作为目标均方差输出；

其特征在于，所述平台还包括：

信噪比检测设备，用于接收增强图像，对增强图像进行噪声分析，以获得噪声幅值最大的主噪声信号和噪声幅值次大的次噪声信号，基于主噪声信号、次噪声信号以及增强图像确定增强图像的信噪比以作为目标信噪比输出，还用于对增强图像进行场景判断以确定增强图像内像素点像素值的分布情况，基于所述分布情况对增强图像中每一个像素点进行像素值分析以确定是否为噪声点，将增强图像内各个噪声点组成多个噪声区域，确定每一个噪声区域的面积和形状，并将各个噪声区域的面积汇总以获取噪声区域总面积；

改进型中值滤波设备，分别与均方差检测设备以及信噪比检测设备连接，用于在目标信噪比小于等于预设信噪比阈值且目标均方差大于等于预设均方差阈值时，从省电状态进入工作状态，接收每一个噪声区域的形状，基于每一个噪声区域的形状的几何特征，将每一个噪声区域拆分成多个基准子区域，每一个基准子区域的形状为方形、圆形或线形，对每一个噪声区域，针对其被拆分后的各个基准子区域，选择对应的中值滤波模板分别执行中值滤波，以获得各个子区域滤波图案，并将各个子区域滤波图案组合成滤波后的噪声区域子图像，并将增强图像中的非噪声区域与各个噪声区域子图像组合以获得中值滤波图像；

高斯滤波设备，分别与改进型中值滤波设备、均方差检测设备以及信噪比检测设备连接，用于在目标信噪比小于等于预设信噪比阈值且目标均方差大于等于预设均方差阈值时，从省电状态进入工作状态，接收中值滤波图像并对中值滤波图像进行高斯滤波处理以获得高斯滤波图像；

人体识别设备，与高斯滤波设备连接，用于接收高斯滤波图像，对高斯滤波图像，用于基于人体上限灰度阈值和人体下限灰度阈值识别高斯滤波图像中的人体像素，基于高斯滤波图像中的所有人体像素组成人体子图像，当人体子图像的面积与所述高斯滤波图像的面积的比例大于等于预设比例阈值时，发出识别人体信号，否则，发出其他目标信号；

其中，在增强图像内，多个噪声区域之外的区域为非噪声区域；

其中，增强图像内像素点像素值的分布情况包括针对每一个像素点在增强图像内的所在区域确定该像素点像素值应归属的像素值范围；

其中，所述嵌入式处理设备分别与所述人体识别设备和所述风力检测设备连接，用于在接收到所述识别人体信号时，向所述电机驱动设备发送收起控制信号，同时停止基于所述风力检测设备的输出向所述电机驱动设备发送控制信号；所述嵌入式处理设备还用于在接收到所述其他目标信号时，恢复基于所述风力检测设备的输出向所述电机驱动设备发送控制信号。

2.如权利要求1所述的方法，其特征在于：

所述嵌入式处理设备基于所述风力检测设备的输出向所述电机驱动设备发送控制信号包括：当接收到所述风力检测设备输出的风速过快信号时，向所述电机驱动设备发送收起控制信号。

3.如权利要求2所述的方法，其特征在于：

所述嵌入式处理设备基于所述风力检测设备的输出向所述电机驱动设备发送控制信号还包括：当接收到所述风力检测设备输出的风速正常信号时，向所述电机驱动设备发送打开控制信号。

说明书

基于风力检测的窗帘状态转换方法

技术领域

[0001] 本发明涉及自动控制领域，尤其涉及一种基于风力检测的窗帘状态转换方法。

背景技术

[0002] 窗户的材料，总的来说，可分成三大类：木质、塑钢、铝合金。三者各有所长。

[0003] 塑钢：因为是塑料材质，所以重量小，隔热性能好，而且价格相对较低。因为经常要面对风吹雨打太阳晒，所以最让人关心的是塑钢窗的防老化问题。实际上，高品质的塑钢窗的使用年限可达一百年左右。

[0004] 铝合金：因为是金属材质，所以不会存在老化问题，而且坚固，耐撞击，强度大。但铝合金窗最容易被攻击的一个弱点就是隔热性能，因为金属是热的良导体，外界与室内的温度会随着窗的框架传递。

[0005] 但值得疑问的是，在一扇窗户上框架所占的比例并不很大，窗户并不是一块金属板，而是镶着框的玻璃，通过框架边条传递的热量究竟会对有着暖器、空调的室内温度产生多大的影响？

[0006] 但还是有备无患的好，为了防止这个问题，在有的铝合金窗户上采用了“断桥”技术，即在铝合金窗框中加一层树脂材料，彻底断绝了导热的途径。

[0007] 木质：相对来说，木质应该是最为完美的窗体框架材质，无论从隔热、隔音等角度来说都有明显的优势，而且与生俱来的质感和自然花纹更为让人心动。虽然是木质，但实际上有的用于做窗框的实木已经经过了层层特殊的处理，不仅没有了水分，要求更高的甚至被吸去了脂肪，这样一来，所谓的木质实际上已经如同化石一样，经过处理后的实木，只保留了木材的外表，品质却完全不一样了，不会开裂变形，更不用担心遭虫咬、被腐蚀，而且，强度也大大增加。

[0008] 此外，还有一种框架结构被称作铝包木，木质框架的户外部分为一层铝合金结构，实际上，这是综合了木质框架的隔热性好以及铝合金强度高的优点，合而为一，扬长避短。木质窗唯一的一个缺点就是造价太高。

[0009] 现有技术中过于关注对窗户的材质的选择和构造上，而对于窗户配套的窗帘开启控制关注较少，尤其对在外部风速过大或者存在人体经过的情况下窗帘该如何动作缺乏研究。

发明内容

[0010] 为了解决上述问题，本发明提供了一种基于风力检测的窗帘状态转换方法，能够当接收到所述风力检测设备输出的风速过快信号时，向所述电机驱动设备发送收起控制信号以收起窗帘，还能够在接收到所述识别人体信号时，向所述电机驱动设备发送收起控制信号以收起窗帘，同时停止基于所述风力检测设备的输出向所述电机驱动设备发送控制信号。

[0011] 根据本发明的一方面，提供了一种基于风力检测的窗帘状态转换方法，所述方法包括使用基于风力检测的窗帘状态转换平台以基于环境参数实现对窗帘状态的自动转换，所述基于风力检测的窗帘状态转换平台包括风力检测设备、图像采集设备、电机驱动设备以及嵌入式处理设备，所述嵌入式处理设备分别与所述风力检测设备、所述图像采集设备和所述电机驱动设备连接，所述风力检测设备用于检测吹过窗帘的实时风速，所述图像采集设备用于对窗帘外的场景进行高清场景图像采集以获得高清场景图像，所述电机驱动设备用于通过直流电机来控制窗帘的打开状态与收起状态之间的切换；

[0012] 其中，所述嵌入式处理设备基于所述风力检测设备的输出和所述图像采集设备的输出确定发送给所述电机驱动设备的控制信号。

[0013] 更具体地，在所述基于风力检测的窗帘状态转换平台中，所述平台还包括：

[0014] 对比度增强设备，位于窗帘支架内部，与所述图像采集设备连接，用于接收高清场景图像，并对高清场景图像执行对比度增强处理以获得增强图像。

[0015] 更具体地，在所述基于风力检测的窗帘状态转换平台中，所述平台还包括：

[0016] 均方差检测设备，用于接收增强图像，基于增强图像的各个像素点的像素值确定增强图像像素值的均方差以作为目标均方差输出。

[0017] 更具体地，在所述基于风力检测的窗帘状态转换平台中，所述平台还包括：

[0018] 信噪比检测设备，用于接收增强图像，对增强图像进行噪声分析，以获得噪声幅值最大的主噪声信号和噪声幅值次大的次噪声信号，基于主噪声信号、次噪声信号以及增强图像确定增强图像的信噪比以作为目标信噪比输出，还用于对增强图像进行场景判断以确定增强图像内像素点像素值的分布情况，基于所述分布情况对增强图像中每一个像素点进行像素值分析以确定是否为噪声点，将增强图像内各个噪声点组成多个噪声区域，确定每一个噪声区域的面积和形状，并将各个噪声区域的面积汇总以获取噪声区域总面积；

[0019] 改进型中值滤波设备，分别与均方差检测设备以及信噪比检测设备连接，用于在目标信噪比小于等于预设信噪比阈值且目标均方差大于等于预设均方差阈值时，从省电状态进入工作状态，接收每一个噪声区域的形状，基于每一个噪声区域的形状的几何特征，将每一个噪声区域拆分成多个基准子区域，每一个基准子区域的形状为方形、圆形或线形，对每一个噪声区域，针对其被拆分后的各个基准子区域，选择对应的中值滤波模板分别执行中值滤波，以获得各个子区域滤波图案，并将各个子区域滤波图案组合成滤波后的噪声区域子图像，并将增强图像中的非噪声区域与各个噪声区域子图像组合以获得中值滤波图像；

[0020] 高斯滤波设备，分别与改进型中值滤波设备、均方差检测设备以及信噪比检测设备连接，用于在目标信噪比小于等于预设信噪比阈值且目标均方差大于等于预设均方差阈值时，从省电状态进入工作状态，接收中值滤波图像并对中值滤波图像进行高斯滤波处理以获得高斯滤波图像；

[0021] 人体识别设备，与高斯滤波设备连接，用于接收高斯滤波图像，对高斯滤波图像，用于基于人体上限灰度阈值和人体下限灰度阈值识别高斯滤波图像中的人体像素，基于高斯滤波图像中的所有人体像素组成人体子图像，当人体子图像的面积与所述高斯滤波图像的面积的比例大于等于预设比例阈值时，发出识别人体信号，否则，发出其他目标信号；

[0022] 其中，在增强图像内，多个噪声区域之外的区域为非噪声区域；

[0023] 其中，增强图像内像素点像素值的分布情况包括针对每一个像素点在增强图像内的所在区域确定该像素点像素值应归属的像素值范围；

[0024] 其中，所述嵌入式处理设备分别与所述人体识别设备和所述风力检测设备连接，用于在接收到所述识别人体信号时，向所述电机驱动设备发送收起控制信号，同时停止基于所述风力检测设备的输出向所述电机驱动设备发送控制信号；所述嵌入式处理设备还用于在接收到所述其他目标信号时，恢复基于所述风力检测设备的输出向所述电机驱动设备发送控制信号。

[0025] 更具体地，在所述基于风力检测的窗帘状态转换平台中：

[0026] 所述嵌入式处理设备基于所述风力检测设备的输出向所述电机驱动设备发送控制信号包括：当接收到所述风力检测设备输出的风速过快信号时，向所述电机驱动设备发送收起控制信号。

[0027] 更具体地，在所述基于风力检测的窗帘状态转换平台中：

[0028] 所述嵌入式处理设备基于所述风力检测设备的输出向所述电机驱动设备发送控制信号还包括：当接收到所述风力检测设备输出的风速正常信号时，向所述电机驱动设备发送打开控制信号。

[0029] 更具体地，在所述基于风力检测的窗帘状态转换平台中：

[0030] 当基准子区域的形状为方形时，每一个基准子区域的大小为3×3、5×5或7×7，当基准子区域的形状为圆形时，每一个基准子区域的半径为3像素、5像素或7像素，当基准子区域的形状为线形时，每一个基准子区域为一个一维像素集合。

[0031] 更具体地，在所述基于风力检测的窗帘状态转换平台中：

[0032] 所述对比度增强设备、所述均方差检测设备、所述信噪比检测设备、所述改进型中值滤波设备、所述高斯滤波设备以及所述人体识别设备分别采用不同的片上系统来实现。

附图说明

[0033] 以下将结合附图对本发明的实施方案进行描述，其中：

[0034] 图1为根据本发明实施方案示出的基于风力检测的窗帘状态转换平台的结构方框图。

[0035] 附图标记：1风力检测设备；2图像采集设备；3电机驱动设备；4嵌入式处理设备具体实施方式

[0036] 下面将参照附图对本发明的基于风力检测的窗帘状态转换平台的实施方案进行详细说明。

[0037] 窗户的作用，不只是用来看一看外面风光的，在很大程度上，决定了我们生活的质量，但有时，许多问题我们根本不会注意得到。

[0038] 家是我们的栖息之所，是我们自己营造的一个相对独立的小环境，挡风避雨，遮阳隔音，保护自己不受到任何来自外界的因素侵扰。说是相对的独立，是因为我们不可能完全脱离外界的环境而独自生活，我们需要室内室外能有一个合理的交流与互换。在这个小环境中，人们需要有合适的温度、湿度、空气和光线，还要有适合自己的声音环境。

[0039] 如何在跳过人工操作的模式下，自行根据外部环境，例如风速和路人通过情况，自动判断满足人们需求的窗帘控制策略，是当前窗户相关控制模式研究的空白之处。为了克服上述不足，本发明搭建了一种基于风力检测的窗帘状态转换方法，解决了上述技术问题。

[0040] 本发明提供一种基于风力检测的窗帘状态转换方法，所述方法包括使用基于风力检测的窗帘状态转换平台以基于环境参数实现对窗帘状态的自动转换，所述基于风力检测的窗帘状态转换平台包括风力检测设备、图像采集设备、电机驱动设备以及嵌入式处理设备，所述嵌入式处理设备分别与所述风力检测设备、所述图像采集设备和所述电机驱动设备连接，所述风力检测设备用于检测吹过窗帘的实时风速，所述图像采集设备用于对窗帘外的场景进行高清场景图像采集以获得高清场景图像，所述电机驱动设备用于通过直流电机来控制窗帘的打开状态与收起状态之间的切换；

[0041] 其中，所述嵌入式处理设备基于所述风力检测设备的输出和所述图像采集设备的输出确定发送给所述电机驱动设备的控制信号。

[0042] 图1为根据本发明实施方案示出的基于风力检测的窗帘状态转换平台的结构方框图，所述平台包括风力检测设备、图像采集设备、电机驱动设备以及嵌入式处理设备，所述嵌入式处理设备分别与所述风力检测设备、所述图像采集设备和所述电机驱动设备连接，所述风力检测设备用于检测吹过窗帘的实时风速，所述图像采集设备用于对窗帘外的场景进行高清场景图像采集以获得高清场景图像，所述电机驱动设备用于通过直流电机来控制窗帘的打开状态与收起状态之间的切换；

[0043] 其中，所述嵌入式处理设备基于所述风力检测设备的输出和所述图像采集设备的输出确定发送给所述电机驱动设备的控制信号。

[0044] 接着，继续对本发明的基于风力检测的窗帘状态转换平台的具体结构进行进一步的说明。

[0045] 所述平台还可以包括：对比度增强设备，位于窗帘支架内部，与所述图像采集设备连接，用于接收高清场景图像，并对高清场景图像执行对比度增强处理以获得增强图像。

[0046] 所述平台还可以包括：均方差检测设备，用于接收增强图像，基于增强图像的各个像素点的像素值确定增强图像像素值的均方差以作为目标均方差输出。

[0047] 所述平台还可以包括：

[0048] 信噪比检测设备，用于接收增强图像，对增强图像进行噪声分析，以获得噪声幅值最大的主噪声信号和噪声幅值次大的次噪声信号，基于主噪声信号、次噪声信号以及增强图像确定增强图像的信噪比以作为目标信噪比输出，还用于对增强图像进行场景判断以确定增强图像内像素点像素值的分布情况，基于所述分布情况对增强图像中每一个像素点进行像素值分析以确定是否为噪声点，将增强图像内各个噪声点组成多个噪声区域，确定每一个噪声区域的面积和形状，并将各个噪声区域的面积汇总以获取噪声区域总面积；

[0049] 改进型中值滤波设备，分别与均方差检测设备以及信噪比检测设备连接，用于在目标信噪比小于等于预设信噪比阈值且目标均方差大于等于预设均方差阈值时，从省电状态进入工作状态，接收每一个噪声区域的形状，基于每一个噪声区域的形状的几何特征，将每一个噪声区域拆分成多个基准子区域，每一个基准子区域的形状为方形、圆形或线形，对每一个噪声区域，针对其被拆分后的各个基准子区域，选择对应的中值滤波模板分别执行中值滤波，以获得各个子区域滤波图案，并将各个子区域滤波图案组合成滤波后的噪声区域子图像，并将增强图像中的非噪声区域与各个噪声区域子图像组合以获得中值滤波图像；

[0050] 高斯滤波设备，分别与改进型中值滤波设备、均方差检测设备以及信噪比检测设备连接，用于在目标信噪比小于等于预设信噪比阈值且目标均方差大于等于预设均方差阈值时，从省电状态进入工作状态，接收中值滤波图像并对中值滤波图像进行高斯滤波处理以获得高斯滤波图像；

[0051] 人体识别设备，与高斯滤波设备连接，用于接收高斯滤波图像，对高斯滤波图像，用于基于人体上限灰度阈值和人体下限灰度阈值识别高斯滤波图像中的人体像素，基于高斯滤波图像中的所有人体像素组成人体子图像，当人体子图像的面积与所述高斯滤波图像的面积的比例大于等于预设比例阈值时，发出识别人体信号，否则，发出其他目标信号；

[0052] 其中，在增强图像内，多个噪声区域之外的区域为非噪声区域；

[0053] 其中，增强图像内像素点像素值的分布情况包括针对每一个像素点在增强图像内的所在区域确定该像素点像素值应归属的像素值范围；

[0054] 其中，所述嵌入式处理设备分别与所述人体识别设备和所述风力检测设备连接，用于在接收到所述识别人体信号时，向所述电机驱动设备发送收起控制信号，同时停止基于所述风力检测设备的输出向所述电机驱动设备发送控制信号；所述嵌入式处理设备还用于在接收到所述其他目标信号时，恢复基于所述风力检测设备的输出向所述电机驱动设备发送控制信号。

[0055] 在所述平台中：所述嵌入式处理设备基于所述风力检测设备的输出向所述电机驱动设备发送控制信号包括：当接收到所述风力检测设备输出的风速过快信号时，向所述电机驱动设备发送收起控制信号。

[0056] 在所述平台中：所述嵌入式处理设备基于所述风力检测设备的输出向所述电机驱动设备发送控制信号还包括：当接收到所述风力检测设备输出的风速正常信号时，向所述电机驱动设备发送打开控制信号。

[0057] 在所述平台中：当基准子区域的形状为方形时，每一个基准子区域的大小为3×3、5×5或7×7，当基准子区域的形状为圆形时，每一个基准子区域的半径为3像素、5像素或7像素，当基准子区域的形状为线形时，每一个基准子区域为一个一维像素集合。

[0058] 在所述平台中：所述对比度增强设备、所述均方差检测设备、所述信噪比检测设备、所述改进型中值滤波设备、所述高斯滤波设备以及所述人体识别设备分别采用不同的片上系统来实现。

[0059] 另外，中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。这些优良特性是线性滤波方法所不具有的。此外，中值滤波的算法比较简单，也易于用硬件实现。所以，中值滤波方法一经提出后，便在数字信号处理领得到重要的应用。

[0060] 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的形状，如线状，圆形，十字形，圆环形等。

[0061] 采用本发明的基于风力检测的窗帘状态转换平台，针对现有技术中缺乏对窗帘控制模式进行深度研究的技术问题，通过对实时风速进行检测和分析，以及对室外路人通行情况进行检测和分析，在上述分析的基础上，自行打开或收起窗帘，满足人们对窗帘遮风以及保护隐私的需求，从而避免了人们对窗帘的过度关注，为人们提供了良好的居住环境。

[0062] 可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。