技术领域
[0001] 本
发明涉及智能家居技术领域，特别涉及一种基于神经网络的智能窗户调节方法及装置。
背景技术
[0002] 目前，家里、办公室以及医院等公共场合的窗户通常会打开或者关闭一定的程度进行采光通
风，而智能家居越来越受到人们推崇。
[0003] 传统的智能窗户利用电动装置调节窗户打开或者关闭的程度。现有的，如中国
专利申请：CN201310594880.5公开的《一种智能家居系统》，其技术方案为：“包括
数据采集器、无线网络、智能交换终端、交换机和主
服务器，所述数据采集器连接智能电表，用于采集智能电表的实时数据信息；所述智能交换终端通过无线通讯网络与数据采集器通信连接，并通过无线通讯网络连接照明控制
开关，用于实现家居中智能开关、智能插座的数据采集和信息交互，并且能够实现对智能开关、智能插座的控制功能；所述智能交互终端通过交换机连接主服务器，用于将采集到的家居信息传送到主服务器；所述主服务器用于通过网络将接收到信息传送到
能量管理系统，实现对能量的控制和管理”。
[0004] 可见，现有的智能家居中，对于
百叶窗的控制通常采用的技术手段都是利用室内温湿度结合通过经验获得的人体舒适的
数据库，对百叶窗的关闭开启进行控制或对百叶窗的开启
角度进行控制。
[0005] 但是，在实际生活中，人在不同情绪下对采光的需求也不尽相同，如心情不好时，需要开窗量较大。
现有技术中对于百叶窗的控制没有考虑人的情绪的因素，不能实时根据环境信息和人的主观情绪实时调节窗户的开窗量，无法合理采光，使用不舒适。
发明内容
[0006] 为了解决现有技术中对于百叶窗的控制没有考虑人的情绪的因素而造成的百叶窗开启使用不舒适的问题，本发明提供一种基于神经网络的智能窗户调节方法及装置。
[0007] 本发明为了解决上述技术体所采用的技术方案是：一种基于神经网络的智能窗户调节方法，其技术方案在于：采集室内的人脸图像，通过
情感分析，获取人的主观情绪；将获得的人的主观情绪、室内外
温度和湿度、室外环境风速和风向、室内外光照信息作为决策量，然后通过训练的神经网络模
块对上述各个决策量进行分析，获取开窗量。
[0008] 具体的，一种基于神经网络的智能窗户调节方法，包括以下步骤：
[0009] S1：通过采集装置采集人脸照片、室内外的温度和湿度、室外的风速和风向信息以及室内外光照强度信息；
[0010] S2：通过S1步骤获得的人脸照片，提取人脸面部表情特征，并利用人脸表情识别
算法对提取的表情特征进行分析；
[0011] S3：将S2步骤获得的人脸表情分析结果与人脸表情识别
专家系统模块结合输出S1步骤获得的人脸照片中人脸图像的主观情绪；
[0012] S4：将S1步骤获得的室内外的温湿度、室外的风速和风向信息以及室内外光照强度信息与S3步骤获得的人脸图像的主观情绪作为决策量，通过训练的神经网络模块对上述的决策量进行运算，以获取开窗量。
[0013] 其中，S4步骤中的神经网络模块为误差反向传播神经网络；在训练该神经网络模型前，随机初始化权重和偏置，并将权值设定在(-1,1)的范围内，设定误差函数e，并设定训练最大学习次数和计算
精度值ε，选取的样本作为输入量X，并对样本对应的期望输出进行定义：
[0014] 输入量：X(k)＝(x1(k)，x2(k)，…xn(k))；
[0015] 输出期望值：Y；
[0016] 分别对神经网络模块中隐含层各神经元输入和输出计算，其中隐含层的输入量：
[0017]
[0018] 其中，wi(k)为各个输入神经元与隐含层之间的连接权值；bi为隐含层的神经元偏置值；n为输入变量的个数；k为隐含层神经元编号。
[0019] 隐含层神经元输出量： 其中，wo(k)为输出神经元与隐含层之间的连接权值；bo为
输出层神经元偏置值；f(Hi(k))为隐含层的输入量；
[0020] 经过神经网络多层隐含层的计算，得到输出值，并根据输出量的期望值计算误差函数对输出层神经元的偏导数δo(k)，其中全局误差为：
[0021]
[0022] 其中，Yi(k)期望输出量。
[0023] 神经网络模型训练过程中根据累计误差调整隐含层各层神经元的权值wi(k)，从而减小全局误差，即：
[0024]
[0025] 其中，η为学习率；△wi(k)为全局误差变化量量，E为全局误差。
[0026] 根据各隐层神经元输出层的权值调整公式对权值进行调整，即：
[0027]
[0028] 其中，Y(k)为隐含层输出量，△v(k)为权值调整量。
[0029] 一种应用如上述基于神经网络的智能窗户调节方法的装置，其技术方案在于：包括
连杆机构、步进
电机、温湿度
传感器、风速风向传感器、光照强度传感器、多个
人脸识别相机、多通道数据采集器和
控制器；其中，步进电机通过连杆机构与百叶窗的
叶片连接；温
湿度传感器、光照强度传感器均设置在室内和室外；人脸识别相机设置在室内；风速风向传感器设置在室外；多通道数据采集器的输入端分别与温湿度传感器、风速风向传感器、光照强度传感器、多个人脸识别相机连接；多通道数据采集器的输出端与控制器连接；该控制器根据温湿度传感器、风速风向传感器、光照强度传感器、多个人脸识别相机的数据发送控制
信号至步进电机以控制百叶窗的开启量。
[0030] 本发明的有益效果是：本发明与现有技术相比，能够根据人的主观情绪、
环境温度、环境湿度、环境风速和风向以及光照强度等在线对窗户的开窗量进行精准调节，达到最佳采光，满足人们对智能家居高层次需求。
附图说明
[0031] 图1为本发明智能窗户调节系统的结构示意图；
[0032] 图2为本发明智能窗户调节系统的系统示意图；
[0033] 图3为本发明智能窗户调节系统的信息处理及决策
流程图；
[0034] 图4为本发明智能窗户调节系统的人脸表情识别流程图；
[0035] 图5为本发明智能窗户调节系统神经网络模块的训练流程图。
[0036] 附图标号说明表：
[0037]
[0038]
具体实施方式
[0039] 下面结合附图对本申请进行进一步的说明。
[0040] 如图1，一种装置用于调节百叶窗，包括百叶窗窗叶8，百叶窗窗叶8与步进电机10通过连杆机构9连接，当步进电机动10作时，运动经过连杆机构9传递，室内安装了多个人脸识别相机1，用于检测室内是否有人活动以及获取人脸照片，室内温湿度传感器2用于实时获取室内的温湿度，室内光照强度传感器4，室内安装的
触摸屏6可以实现
人机交互；室外安装的风速风向传感器11用于实时收集室外环境风速和风向信息，室外温湿度传感器12用于实时收集环境温度和湿度，室外光照强度传感器13收集自然光光照强度；人脸识别相机1、室内温湿度传感器2、室内光照强度传感器3、触摸屏6、室外的风速风向传感器11、室外温湿度传感器12以及室外光照强度传感器13采集的信息通过
导线14传送到多通道数据采集器4，多通道数据采集器4将收集的信息传递到控制器5，经过控制器5中神经网络模型运算获得最佳开窗量，控制器5根据最佳开窗量产生占空比可变的脉冲方波，脉冲方波经过驱动放大模块7放大后控制步进电机10，步进电机10带动连杆9从而调节百叶窗窗叶8实现不同程度的开合；本发明所有设备供电为220V交流电源。
[0041] 在使用中，人脸识别相机1检测到室内有人活动时，人脸识别相机1开始拍摄人脸照片，室外温湿度传感器12、室外的风速风向传感器11以及室外光照强度传感器13分别收集室外的温湿度、风速风向、光照强度等信息，室内温湿度传感器2和室内光照强度传感器3分别收集室内温湿度和光照强度信息，上述传感器实时将信息发送到多通道数据采集器4，多通道数据采集器4将汇总的信息传送到控制器5中，经过控制器5中嵌入的训练好的神经网络模型计算并输出最佳开窗量，控制器根据最佳开窗量产生占空比可变的脉冲方波信号，脉冲方波信号经过驱动放大模块7放大后控制步进电机10运动，同时室内温湿度传感器2和室内光照传感器3实时反馈百叶窗窗叶8运动后室内的温湿度和光照强度到控制器5，从而实现对开窗量的精准调节。
[0042] 其中，本发明所述的控制器5可以为嵌入式芯片，通过在嵌入式芯片内编程实现以下几部分功能，人脸表情识别管理部分、人脸表情管理专家系统部分、信息处理及决策部分、开窗控制部分。
[0043] 请参见图2至图5，一种基于神经网络的智能窗户调节方法，其技术方案在于：包括以下步骤：
[0044] 步骤S1：安装在房间内部的所述的人脸识别相机1全方位的拍摄，判断房间内部是否有人活动，当检测到有人活动时，采集人脸照片，并对人脸照片初步处理后传输至所述控制器5中；所述室内温湿度传感器2实时采集室内的温度和湿度，所述的风速风向传感器11安装在室外用于实时收集环境风速和风向信息，所述的室内光照强度传感器3和室外光照强度传感器13，用于收集自然光的光照强度；
[0045] 步骤S2：所述控制器5通过所述多通道数据采集器4将采集到的图像信息进行处理，提取人脸面部表情特征，并利用人脸表情识别算法对提取的表情特征进行分析；
[0046] 步骤S3：所述控制器5根据人脸表情分析结果并结合人脸表情识别专家系统模块输出主观情绪；
[0047] 步骤S4：所述控制器5对收集到的室内温度和湿度、室外环境风速和风向、光照等信息处理，结合对人脸识别相机1拍摄照片情感分析结果，通过训练的神经网络模块对各个决策量进行运算并获取开窗量；另外用户也可利用所述的触摸屏6设定相应模式，控制器5根据用户在触摸屏6的输入执行相应的开关窗户动作。
[0048] 步骤S5：所述控制器5的开窗控
制模块对接收到的最佳开窗量信息，使用闭环PID算法产生相应占空比脉冲方波，经过所述驱动放大模块放大后驱动所述步进电机工作，同时所述温湿度传感器、所述风速风向和所述安装室内光照强度传感器实时反馈室内实际温湿度和光照强度，再次通过控制器对开窗量精准调节。
[0049] 所述步骤S2中所述控制器5对图像信息处理，对采集的人脸照片进行裁剪和灰度处理。然后将处理后的图像信息作为输入量进行卷积运算以过滤图像中无用信息，再通过神经网络模型的隐含层对预处理后的图像进行特征提取，通过对提取的特征进行分析，结合人脸表情识别专家系统获得人的主观情绪；
[0050] 所述步骤S3中根据人脸表情识别由所述人脸表情识别专家系统模块输出人的主观情绪，利用海量的人脸照片建立人脸表情识别专家系统；
[0051] 所述步骤S4中通过大量的人在不同环境、不同情绪条件下对采光需求实验数据建立数据库，并利用
人工神经网络技术对数据库中的数据进行训练，获取各决策因素与开窗量之间的非线性关系模型；
[0052] 所述步骤S4中用户通过所述触摸屏6可以输入相关环境信息和选择与自身对应的情绪表情，也可以通过所述触摸屏6选择不同的模式，比如影院模式、会议模式以及睡眠模式等，所述控制器5会根据用户的选择执行相关操作。
[0053] 优选地，所述步骤S4的所述神经网络模型为误差反向传播神经网络，所述神经网络模型包括
输入层、隐含层以及输出层，训练神经网络模型所需的样本数据是大量相关试验的有效试验数据，在训练神经网络模型前，随机初始化权重和偏置，并给各权值设定在(-1,1)的范围内，设定误差函数e，并设定训练最大学习次数和计算精度值ε，选取的样本作为输入量X，并对样本对应的期望输出进行定义：
[0054] 输入量：X(k)＝(x1(k)，x2(k)，…xn(k))
[0055] 输出期望值：Y
[0056] 分别对隐含层各神经元输入和输出计算，其中隐含层的输入量：
[0057]
[0058] 式中，wi(k)为各个输入神经元与隐含层之间的连接权值；bi为隐含层的神经元偏置值；n为输入变量的个数；
[0059] 隐含层神经元输出量：
[0060] 式中，wo(k)为输出神经元与隐含层之间的连接权值；b为输出层神经元偏置值；
[0061] 经过神经网络多层隐含层的计算，得到输出值，并根据输出量的期望值计算误差函数对输出层神经元的偏导数δo(k)，其中全局误差为：
[0062]
[0063] 神经网络模型训练过程中根据累计误差调整隐含层各层神经元的权值wi(k)，从而减小全局误差，即：
[0064]
[0065] 式中的η为学习率；
[0066] 根据各隐层神经元输出层的权值调整公式对权值进行调整，即：
[0067]
[0068] 当前一个训练周期的所有变量均小于某个
指定的
阈值时，神经网络完成一个学习周期，根据设定的学习周期完成学习过程，经过
深度学习训练后的人工神经网络模型能够根据输入信息，经过模型运算后输出一个合理结果。
[0069] 优选地，所述步骤S5的所述控制器5通过编程建立训练符合要求的模型，通过接收室内外温湿度、风速风向信息、室内外光照强度以及人的主观情绪等信息经过处理后作为神经网络的输入量，经过神经网络运行后输出一个最佳的开窗量，
嵌入式系统会将最佳开窗量值传送到开窗控制器中，开窗控制部分根据接收的开窗量信息产生相应占空比的脉冲方波再经过放大后驱动步进电机，同时装在室内温湿度传感器和光照强度传感器实时监测室内的温湿度和光照强度，并反馈给开窗控制器模块，并结合实际室内温湿度、实际光照强度和理论温湿度、理论光照强度之间的偏差，对开窗过程进行精准调节。
[0070] 本发明的优点是：本发明中人脸表情识别管理部分能够对人脸照片进行特征提取并对提取的特征分析，结合人脸表情专家系统获取人的主观情绪。由于在实际生活中，环境温湿度和光照强度也会对采光需求产生一定的影响。为增强用户对采光舒适性的要求，信息处理及决策部分将接收到的室内外温湿度、室内外光照强度、室外风速风向以及人的主观情绪信息作为神经网络模型的输入量，经过神经网络模型运算输出最佳开窗量。
[0071] 同时，神经网络模型的训练利用现有实验数据找出各个影响因素与结果之间的复杂关系，其中神经网络模型主要包括输入层、隐含层、输出层共3层结构，训练时分别选取大量的图像信息、喷施量决策因素和
处方值作为样本数据，将样本数据作为输入层各神经元的输入量，神经网络模型各隐含层对样本数据特征进行计算，获得各隐含层的输出值，并根据期望值与实际输出值之间的误差不断地对训练过程参数进行优化，当误差小于设定阈值时，则输出训练结果，提升控制精度。
[0072] 本发明技术方案中，当开窗控制部分根据最佳开窗量后，控制程序会根据室内外安装的温湿度传感器、光照强度传感器以及风速风向传感器的信息，计算实际开窗量与目标值之间的误差而产生相应占空比的脉冲方波信号，经过驱动放大模块以放大后驱动步进电机工作，采用闭环控制实现对开窗量的精准控制，从而可实现快速调节采光量。
[0073] 以上所述仅为发明的较佳
实施例而己，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等，均应包含在本发明的保护范围之内。
