一种基于脸部特征进行空调控制的方法、系统及空调

1.一种基于脸部特征进行空调控制的方法，其特征在于，包括如下步骤：
步骤1，接收一张具有脸部的图片，对所述图片进行脸部特征分析，获得脸部特征参数；
步骤2，根据所述脸部特征参数计算脸部胖瘦程度FFR；
步骤3，根据所述脸部胖瘦程度FFR计算怕热程度L；
步骤4，根据所述怕热程度L产生用于调整空调运行参数的控制指令。
2.根据权利要求1所述一种基于脸部特征进行空调控制的方法，其特征在于，步骤2的具体实现为：
选择至少一个脸部特征点，通过选择的脸部特征点计算出裁切参考点，将裁切参考点以上图片切除，保留剩余脸部图片；
对裁切后的脸部图片进行分析，通过计算皮肤像素数量与图片像素数量的比值获得脸部胖瘦程度FFR，FFR＝皮肤像素数量/图片像素数量。
3.根据权利要求1所述一种基于脸部特征进行空调控制的方法，其特征在于，步骤2的具体实现为：
选择至少一个脸部特征点，通过选择的脸部特征点计算出裁切参考点，将裁切参考点以上图片切除，保留剩余脸部图片；
对裁切后的脸部图片进行分析，勾勒出所述脸部图片中的脸部轮廓，通过计算所述脸部轮廓面积和脸部图片背景面积的比值获得脸部胖瘦程度FFR，FFR＝脸部轮廓面积/脸部图片背景面积。
4.根据权利要求2或3所述一种基于脸部特征进行空调控制的方法，其特征在于，将选择的脸部特征点以加权或平均的方式计算裁切参考点；所述选择的脸部特征点为眼睛附近的特征点。
5.根据权利要求1所述一种基于脸部特征进行空调控制的方法，其特征在于，步骤3的具体实现为：
步骤3.1，通过数据标准化的方式将脸部胖瘦程度FFR转换成预期体脂率EBFR；
步骤3.2，根据预期体脂率EBFR和平均体重计算每日静息能量消耗RDEE；
步骤3.3，通过将每日静息能量消耗RDEE标准化至0到1之间，得到怕热程度L。
6.根据权利要求5所述一种基于脸部特征进行空调控制的方法，其特征在于，步骤3.1中所述预期体脂率EBFR的计算公式如下：
EBFR＝(Rb-Ra)x[(FFR-N)/(M-N)]+Ra；
其中，所述Rb为体脂率上限，Ra为体脂率下限，FFR代表脸部胖瘦程度，N代表脸部胖瘦程度下限，M代表脸部胖瘦程度上限；
所述Rb、Ra根据性别数据的有无，以及在判别出性别时的性别数据确定，具体为：
性别(女性s＝0，男性s＝1，无数据s＝2)；
If FFRM，无法从图片辨识体脂量；
If(s＝0)Ra＝女性体脂率下限值，Rb＝女性体脂率上限值；
Else If(s＝1)Ra＝男性体脂率下限值，Rb＝男性体脂率上限值；
Else Ra＝默认体脂率下限值，Rb＝默认体脂率上限值；
步骤3.2中所述每日静息能量消耗RDEE的计算公式如下：
RDEE＝370+21.6x(1－EBFR)x Kg；
其中，Kg为平均体重，在无法通过图片判别年龄层和/或性别时，则按照国人平均体重计算，如果通过图片可识别出年龄层和/或性别，则按照该年龄层或性别计算平均体重；
步骤3.3中所述怕热程度L的计算公式如下：
IF(RDEEELSE IF(RDEE>Eb)L＝1；
ELSE L＝(RDEE-Ea)/(Eb-Ea)；
其中，Ea为每日静息能量消耗RDEE的下界，Eb为每日静息能量消耗RDEE的上界；
Ea＝370+21.6x(1-Rb)x Ka；Eb＝370+21.6x(1-Ra)x Kb；
其中，Ka为体重下界，Kb为体重上界。
7.根据权利要求1所述一种基于脸部特征进行空调控制的方法，其特征在于，步骤4的具体实现包括：
根据所述怕热程度调整空调温度、湿度、风量、自动开机时间点/自动开机距离、自动关机时间点/自动关机距离、连续温度变化曲线以及用户交互界面的一种或多种；其中所述自动开机距离和自动关机距离均指用户至空调设备之间的距离，当用户与空调之间的距离小于等于自动开机距离时，自动开机；当用户与空调之间的距离大于自动关机距离时，自动关机；
还包括进行群体空调参数优化调整，具体为：当接收的一张图片上有多个人脸时，分别计算每个人脸的怕热程度，将每个人的怕热程度进行加权计算或者平均计算，得出群体怕热程度，结合群体怕热程度调整空调运行参数。
8.一种基于脸部特征进行空调控制的系统，其特征在于，包括脸部特征分析模块、脸部胖瘦程度计算模块、怕热程度计算模块和空调运行参数调整模块；
所述脸部特征分析模块，用于接收一张具有脸部的图片，对所述图片进行脸部特征分析，获得脸部特征参数；
所述脸部胖瘦程度计算模块，用于根据所述脸部特征参数计算脸部胖瘦程度FFR；
所述怕热程度计算模块，用于根据所述脸部胖瘦程度FFR计算怕热程度L；
所述空调运行参数调整模块，用于根据所述怕热程度L产生用于调整空调运行参数的控制指令。
9.根据权利要求8所述一种基于脸部特征进行空调控制的系统，其特征在于，所述脸部胖瘦程度计算模块包括裁切单元和脸部胖瘦程度计算单元；
所述裁切单元，用于根据脸部特征参数裁切所述图片，获得眼睛以下的脸部图片；
所述脸部胖瘦程度计算单元，用于对裁切后的图片进行分析，通过计算皮肤像素数量与图片像素数量的比值获得脸部胖瘦程度FFR，FFR＝皮肤像素数量/图片像素数量；或者所述脸部胖瘦程度计算单元，用于对裁切后的图片进行分析，勾勒出脸部图片中的脸部轮廓，通过计算所述脸部轮廓面积和脸部图片背景面积的比值获得脸部胖瘦程度FFR，FFR＝脸部轮廓面积/脸部图片背景面积；
所述怕热程度计算模块包括预期体脂率计算单元、每日静息能量消耗计算单元和怕热程度计算单元；
所述预期体脂率计算单元，用于通过数据标准化的方式将脸部胖瘦程度FFR转换成预期体脂率EBFR；
所述每日静息能量消耗计算单元，用于根据预期体脂率EBFR和平均体重计算每日静息能量消耗RDEE；
所述怕热程度计算单元，通过将每日静息能量消耗RDEE标准化至0到1之间，得到怕热程度L。
10.一种空调，其特征在于，包括如权利要求8或9所述的基于脸部特征进行空调控制的系统。

一种基于脸部特征进行空调控制的方法、系统及空调\n技术领域\n[0001] 本发明涉及空调控制领域，特别涉及一种基于脸部特征进行空调控制的方法、系统及空调。\n背景技术\n[0002] 目前市场上已存在一些可以智能控制空调运行的方法。有些方法通过将提取的脸部图像与空调存储模块存储的图像进行匹配，根据匹配结果调整空调运行参数，这种方法虽然可以通过脸部识别控制空调运行，但是需要事先建立出人脸数据库与空调参数之间的对应关系，以获取用户的空调偏好，这种方法前期要做较多的准备工作，不利于实现；还有一些通过检测人脸位置和大小，进而计算室内人的移动量，由移动量计算人的活动量，根据活动量进行空调控制，这种方法需要撷取大量连续图片进行分析，计算量非常大；还有一些通过红外摄像头取得人体表面温度影像或图片，根据人体表面温度影像或图片控制空调运行，这种方法需增加产品的成本。\n发明内容\n[0003] 本发明所要解决的技术问题是针对现有技术的不足，提供一种基于脸部特征进行空调控制的方法、系统及空调。\n[0004] 本发明解决上述技术问题的技术方案如下：\n[0005] 一种基于脸部特征进行空调控制的方法，包括如下步骤：\n[0006] 步骤1，接收一张具有脸部的图片，对所述图片进行脸部特征分析，获得脸部特征参数；\n[0007] 步骤2，根据所述脸部特征参数计算脸部胖瘦程度FFR；\n[0008] 步骤3，根据所述脸部胖瘦程度FFR计算怕热程度L；\n[0009] 步骤4，根据所述怕热程度L产生用于调整空调运行参数的控制指令。\n[0010] 本发明的有益效果是：本发明利用一张普通脸部图片，即时分析出用户的空调温度偏好。与现有技术相比，无需事先建立人脸数据库识别用户身份，不需分析多张图片才能产生活动量判断，特别适合于公共空间，临时聚会，不方便搜集人脸图库的场合；本发明也不需使用特殊温度感测摄相头，使用一般智能手机的普通镜头即可完成冷热偏好侦测。在商品开发成本、用户隐私、硬件计算量及应用场景等方面皆明显优于现有技术。\n[0011] 在上述技术方案的基础上，本发明还可以做如下改进。\n[0012] 进一步，步骤2的具体实现为：\n[0013] 选择至少一个脸部特征点，通过选择的脸部特征点计算出裁切参考点，将裁切参考点以上图片切除，保留剩余脸部图片；\n[0014] 对裁切后的脸部图片进行分析，通过计算皮肤像素数量与图片像素数量的比值获得脸部胖瘦程度FFR，FFR＝皮肤像素数量/图片像素数量。\n[0015] 采用上述进一步方案的有益效果是：通过对图片进行裁切，有效避免上部脸型影响脸部胖瘦程度分析，分析脸部最容易累积脂肪的腮部与下巴皮肤像素面积，增加所述脸部胖瘦程度的辨识精确度。\n[0016] 进一步，步骤2的具体实现为：\n[0017] 选择至少一个脸部特征点，通过选择的脸部特征点计算出裁切参考点，将裁切参考点以上图片切除，保留剩余脸部图片；\n[0018] 对裁切后的脸部图片进行分析，勾勒出所述脸部图片中的脸部轮廓，通过计算所述脸部轮廓面积和脸部图片背景面积的比值获得脸部胖瘦程度FFR，FFR＝脸部轮廓面积/脸部图片背景面积。\n[0019] 采用上述进一步方案的有益效果是：通过对图片进行裁切，有效避免上部脸型影响脸部胖瘦程度分析，分析脸部轮廓面积和脸部图片背景面积，可以增加所述脸部胖瘦程度的辨识精确度。\n[0020] 进一步，选择的脸部特征点以加权或平均的方式计算裁切参考点；所述选择的脸部特征点为眼睛附近的特征点。\n[0021] 采用上述进一步方案的有益效果：发型可能会影响脸部胖瘦程度的判断，经分析人的发型不会遮盖至眼睛，因此选择眼睛附近的特征点(Landmarks)为基准，对图片进行裁切，取得脸部裁切参考点以下的图片，以有效避免发型影响脸部胖瘦程度的分析；且人体脂肪容易累积于脸部两侧与下巴，因此撷取裁切参考点以下的图片，可有效分析脸部脂肪程度。\n[0022] 进一步，步骤3的具体实现为：\n[0023] 步骤3.1，通过数据标准化的方式将脸部胖瘦程度FFR转换成预期体脂率EBFR；\n[0024] 步骤3.2，根据预期体脂率EBFR和平均体重计算每日静息能量消耗RDEE；\n[0025] 步骤3.3，通过将每日静息能量消耗RDEE标准化至0到1之间，得到怕热程度L。\n[0026] 采用上述进一步方案的有益效果是：将脸部胖瘦程度FFR转换成预期体脂率EBFR，根据预期体脂率EBFR和平均体重计算每日静息能量消耗RDEE，将RDEE标准化至0与1之间的数值，代表一个人的怕热程度，越接近0表示越怕冷，越接近1表示越怕热，可准确且直观地反应一个人的怕冷怕热程度。\n[0027] 进一步，步骤3.1中所述预期体脂率EBFR的计算公式如下：\n[0028] EBFR＝(Rb-Ra)x[(FFR-N)/(M-N)]+Ra；\n[0029] 其中，所述Rb为体脂率上限，Ra为体脂率下限，FFR代表脸部胖瘦程度，N代表脸部胖瘦程度下限，M代表脸部胖瘦程度上限；\n[0030] 所述Rb、Ra根据性别数据的有无，以及在判别出性别时的性别数据确定，具体为：\n[0031] 性别(女性s＝0，男性s＝1，无数据s＝2)；\n[0032] If FFRM，无法从图片辨识体脂量；\n[0033] If(s＝0)Ra＝女性体脂率下限值，Rb＝女性体脂率上限值；\n[0034] Else If(s＝1)Ra＝男性体脂率下限值，Rb＝男性体脂率上限值；\n[0035] Else Ra＝默认体脂率下限值，Rb＝默认体脂率上限值；\n[0036] 步骤3.2中所述每日静息能量消耗RDEE的计算公式如下：\n[0037] RDEE＝370+21.6x(1－EBFR)x Kg；\n[0038] 其中，Kg为平均体重，在无法通过图片判别年龄层和/或性别时，则按照国人平均体重计算，如果通过图片可识别出年龄层和/或性别，则按照该年龄层或性别计算平均体重；\n[0039] 步骤3.3中所述怕热程度L的计算公式如下：\n[0040] IF(RDEEEb)L＝1；\n[0042] ELSE L＝(RDEE-Ea)/(Eb-Ea)；\n[0043] 其中，Ea为每日静息能量消耗RDEE的下界，Eb为每日静息能量消耗RDEE的上界；\n[0044] Ea＝370+21.6x(1-Rb)x Ka；Eb＝370+21.6x(1-Ra)x Kb；\n[0045] 其中，Ka为体重下界，Kb为体重上界。\n[0046] 进一步，步骤4的具体实现包括：根据所述怕热程度调整空调温度、湿度、风量、自动开机时间点/自动开机距离、自动关机时间点/自动关机距离、连续温度变化曲线以及用户交互界面的一种或多种；其中所述自动开机距离和自动关机距离均指用户至空调设备之间的距离，当用户与空调之间的距离小于等于自动开机距离时，自动开机，当用户与空调之间的距离大于自动关机距离时，自动关机；\n[0047] 还包括进行群体空调参数优化调整，具体为：当接收的一张图片上有多个人脸时，分别计算每个人脸的怕热程度，将每个人的怕热程度进行加权计算或者平均计算，得出群体怕热程度，结合群体怕热程度调整空调运行参数。\n[0048] 采用上述进一步方案的有益效果是：根据怕热程度可对空调的多种运行参数进行调整，且给出了适于群体空调控制的方法，这种方法在公共空间、临时聚会等场合非常适用。\n[0049] 一种基于脸部特征进行空调控制的系统，包括脸部特征分析模块、脸部胖瘦程度计算模块、怕热程度计算模块和空调运行参数调整模块；所述脸部特征分析模块，用于接收一张具有脸部的图片，对所述图片进行脸部特征分析，获得脸部特征参数；所述脸部胖瘦程度计算模块，用于根据所述脸部特征参数计算脸部胖瘦程度FFR；所述怕热程度计算模块，用于根据所述脸部胖瘦程度FFR计算怕热程度L；所述空调运行参数调整模块，用于根据所述怕热程度L产生用于调整空调运行参数的控制指令。\n[0050] 在上述技术方案的基础上，本发明还可以做如下改进。\n[0051] 进一步，所述脸部胖瘦程度计算模块包括裁切单元和脸部胖瘦程度计算单元；所述裁切单元，用于根据脸部特征参数裁切所述图片，获得眼睛以下的脸部图片；所述脸部胖瘦程度计算单元，用于对裁切后的图片进行分析，通过计算皮肤像素数量与图片像素数量的比值获得脸部胖瘦程度FFR，FFR＝皮肤像素数量/图片像素数量；或者所述脸部胖瘦程度计算单元，用于对裁切后的图片进行分析，勾勒出脸部图片中的脸部轮廓，通过计算所述脸部轮廓面积和脸部图片背景面积的比值获得脸部胖瘦程度FFR，FFR＝脸部轮廓面积/脸部图片背景面积；\n[0052] 所述怕热程度计算模块包括预期体脂率计算单元、每日静息能量消耗计算单元和怕热程度计算单元；所述预期体脂率计算单元，用于通过数据标准化的方式将脸部胖瘦程度FFR转换成预期体脂率EBFR；所述每日静息能量消耗计算单元，用于根据预期体脂率EBFR和平均体重计算每日静息能量消耗RDEE；所述怕热程度计算单元，通过将每日静息能量消耗RDEE标准化至0到1之间，得到怕热程度L。\n[0053] 一种空调，包括上述技术方案所述的基于脸部特征进行空调控制的系统。\n附图说明\n[0054] 图1为本发明所述一种基于脸部特征进行空调控制的方法流程图；\n[0055] 图2a为本发明所述图片裁切前示意图；\n[0056] 图2b为本发明所述图片裁切后示意图；\n[0057] 图3a为本发明所述脸部轮廓示意图；\n[0058] 图3b为本发明脸部轮廓面积图；\n[0059] 图3c为本发明脸部图片背景面积图；\n[0060] 图4为本发明所述一种基于脸部特征进行空调控制的系统框图；\n[0061] 图5为本发明所述一种基于脸部特征进行空调控制的空调的结构示意图。\n具体实施方式\n[0062] 以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。\n[0063] 如图1所示，一种基于脸部特征进行空调控制的方法，包括如下步骤：\n[0064] (一)脸部特征分析：\n[0065] 接收一张具有脸部的图片，对所述图片进行脸部特征分析，获得脸部特征参数。具体地，所述脸部特征参数包括图片中脸部范围、眉毛位置、眼睛位置、鼻子位置、嘴巴位置以及脸部轮廓。\n[0066] (二)脸部胖瘦程度计算：\n[0067] 由于一个人发胖时，五官不易累积脂肪，大小不会改变，但脸部下半部轮廓至下巴容易累积脂肪。因此可通过分析皮肤面积所占整个脸面积的比例或者分析脸部轮廓的比例，计算出脸部胖瘦程度。\n[0068] 步骤2，根据所述脸部特征参数计算脸部胖瘦程度FFR。\n[0069] 具体地，步骤2的具体实现为：\n[0070] 步骤2.1选择至少一个脸部特征点，通过选择的脸部特征点计算出裁切参考点，将裁切参考点以上图片切除，保留剩余脸部图片；所述脸部特征点包括：\n[0071] a.左眉毛外侧、左眉毛内侧、左眼上缘、左眼外侧、左眼内侧、左眼下缘、左眼瞳孔、鼻梁左缘、左鼻翼上方、左鼻翼外侧；\n[0072] b.右眉毛外侧、右眉毛内侧、右眼上缘、右眼外侧、右眼内侧、右眼下缘、右眼瞳孔、鼻梁右缘、右鼻翼上方、右鼻翼外侧；\n[0073] c.鼻尖；\n[0074] d.上嘴唇上缘、上嘴唇下缘、下嘴唇上缘、下嘴唇下缘、嘴巴左缘、嘴巴右缘。\n[0075] 由以上特征点，所组合或加权产生的裁切参考点，裁切后皆可得到脸部下半部保留下巴位置的图片；通过对图片进行裁切，有效避免上部脸型影响脸部胖瘦程度分析，分析脸部最容易累积脂肪的腮部与下巴皮肤像素面积或者分析脸部轮廓的比例，增加胖瘦程度辨识精确度。\n[0076] 所述步骤2.1将选择的脸部特征点以加权或平均的方式计算裁切参考点；所述选择的脸部特征点为眼睛附近的特征点。\n[0077] 发型可能会影响脸部胖瘦程度的判断，经分析人的发型不会遮盖至眼睛，因此选择眼睛附近的特征点(Landmarks)为基准，对图片进行裁切，取得脸部裁切参考点以下的图片，以有效避免发型影响脸部胖瘦程度的分析；且人体脂肪容易累积于脸部两侧与下巴，因此撷取裁切参考点以下的图片，可有效分析脸部脂肪程度。\n[0078] 下面结合具体实例说明：\n[0079] 如图2a、2b所示，选择左眼瞳孔与右眼瞳孔两个特征点当作参考点。左眼瞳孔位置(x，y)的位置为(100，210)，右眼瞳孔位置为(220，210)，取两眼的平均高度位置当作裁切参考点：(210+210)/2＝210。因此，将图片裁切成保留坐标y大于210的图片。\n[0080] 有两种方法，可以根据所述裁切后的脸部图片，计算出脸部胖瘦程度，以下分别进行说明。\n[0081] 第一种方法，对裁切后的脸部图片进行分析，通过计算皮肤像素数量与图片像素数量的比值获得脸部胖瘦程度FFR，FFR＝皮肤像素数量/图片像素数量。\n[0082] 对裁切后的图片进行分析，分析脸部胖瘦程度。由于人脸下巴脂肪组织使皮肤松弛，因此可通过测量皮肤占整张图片的比例，进行胖瘦程度的估算。\n[0083] 侦测一个像素是否可能为皮肤，已有许多学术研究成果。公认较准确的方法是将像素从RGB色域(ColorSpace)转至HSV色域，并分析出像素的H值是否在特定范围内。许多研究成果统计出，当H值为6～38时，最接近皮肤的颜色。因此，对图片进行扫描后，可得到像素为皮肤颜色的数量与图片像素的总数量。对于肥胖的人，由于下巴周围皮肤较松弛，因此在同样的拍照环境下，会得到较高的皮肤像素数量。\n[0084] 通过以上原理，可设计出一个衡量人脸胖瘦的指标，脸部胖瘦程度(Face Fat Ratio，FFR)：FFR＝皮肤像素数量(skinpixels)/图片像素数量(pixels)。\n[0085] 第二种方法，由于人脸下巴脂肪组织使皮肤松弛，脸部轮廓放大，因此可通过测量脸部轮廓占整张图片的比例，进行胖瘦程度的估算。具体为：\n[0086] 对裁切后的脸部图片进行分析，如图3a所示，勾勒出所述脸部图片中的脸部轮廓，通过计算所述脸部轮廓面积和脸部图片背景面积的比值获得脸部胖瘦程度FFR，FFR＝脸部轮廓面积(Face Area)/脸部图片背景面积(BA)，如图3b、3c所示。\n[0087] (三)怕热程度计算：\n[0088] 步骤3，根据所述脸部胖瘦程度FFR计算怕热程度L。\n[0089] 人的身体为一个恒温系统，体温为新陈代谢产生的热。身体需要保持恒温，因此当新陈代谢量较大时，皮肤的冷热感应机制会将热感受传送至下丘脑，负责控制恒温的下丘脑会发送流汗，血管扩张的控制命令，以帮助身体散热。因此新陈代谢较快的人，如男人、小孩和运动员容易觉得热，属于怕热族群。女人、老人和肌肉比例较少的人，由于新陈代谢量较小，新陈代谢的产物热能较低，因此为了维持身体恒温，容易感受到冷，属于较怕冷的族群。因此衡量体内新陈代谢的量为估算怕热或怕冷程度的重要依据。\n[0090] 测量人体新陈代谢的方法，已研究超过百年，较著名的预测方式为1919年，学者Harris-Benedict等人，所提出的公式。利用身高、体重、性别、年龄，来估测一个人的每日基础代谢(Basal metabolic rate，BMR)。经过了百年的研发，目前较广泛接受的是，使用体脂率来推测人的基础代谢。Katch-McArdle所提出的每日静息能量消耗(Resting Daily Energy Expenditure，RDEE)算法如下：\n[0091] RDEE＝370+21.6x(100％－体脂率)x体重(kg)；\n[0092] 因此，可通过体脂率与体重，来算出每日能量消耗，即一个人产生热能的程度。\n[0093] 2015年六月，中华人民共和国国家卫生和计划生育委员会出版《中国居民营养与慢性病状况报告(2015)》，报告内容指出，全国18岁及以上成年男性和女性的平均体重分别为66.2kg和57.3kg。国家统计局于2015年所发布的男女人口比例，男性人口70079万人，女性人口66703万人，男性人口比女性多3376万人，总人口性别比为105.06(以女性为100)。将男女平均体重通过男女比例加权计算后，国人平均体重：(105.06x 66.2+100x57.3)/(105.06+100)＝61.86公斤。因此可利用统计的方法，获得男性和女性的总体平均体重。\n[0094] 根据本发明的实验结果，脸部胖瘦程度(FFR)的分布，介于[0.2-0.98]之间，低于\n0.2通常为图片修饰过多，无肤色。高于0.98为背景杂讯影响。而一般人的体脂肪大约从6至\n40。因此可通过以下数据标准化的方式，将脸部胖瘦比例，转换成预期体脂率。预期体脂率(Expected Body Fat Ratio，EBFR)。取得EBFR与平均体重后，即可估计算出一个人可能的每日静息能量消耗RDEE，计算方式如下：\n[0095] Input:胖瘦程度(FFR)，性别(女性s＝0，男性s＝1，无数据s＝2)；\n[0096] Output:每日静息能量消耗(Lh)；\n[0097] Ra:体脂率下界，Rb:体脂率上界，Kg:平均体重；\n[0098] If FFR<0.2or FFR>0.98，无法从图片辨识体脂量；\n[0099] If(s＝0)Ra＝10％，Rb＝45％；\n[0100] Else If(s＝1)Ra＝6％，Rb＝35％；\n[0101] Else Ra＝8％，Rb＝40％；\n[0102] EBFR＝(Rb-Ra)x[(FFR-0.2)/(0.98-0.2)]+Ra；\n[0103] RDEE＝370+21.6x(1－EBFR)xKg。\n[0104] RDEE计算中，体重Kg为统计数据，可通过国家统计报告取得，若图像可识别出年龄层或性别时，可更进一步的根据该年龄层所对应的体重进行更精确的计算。本实施例中N取值为0.2，M取值为0.98。\n[0105] 通过以上数据标准化转换，可得出一个脸部照片的每日静息能量消耗(Resting Daily Energy Expenditure，RDEE)。此数据并非精确的每日能量消耗，但足以表示一个人新陈代谢与产生体热的相对程度。\n[0106] 一般人的体脂率与体重的分布大致上为：体脂率下界为Ra％，体脂率上界Rb％，体重下界Ka，体重上界Kb，带入RDEE公式后，可得出RDEE范围[Ea，Eb]是：\n[0107] [370+21.6x(1-Rb)xKa，370+21.6x(1-Ra)xKb]。\n[0108] 例如若实施时，将Ra＝8％，Rb＝40％，Ka＝40，Kb＝120，则可算出[Ea，Eb]＝[888，\n2755]；或者当性别为男性时，将Ra＝6％，Rb＝40％，Ka＝40，Kb＝120，则可算出[Ea，Eb]＝[888，2806]；\n[0109] 关于设定体重下界Ka和体重上界Kb：由于体重并非常态分布，从统计的角度若不设定此值的上界与下界，将会使统计上的特殊异常值(Outlier)样本影响计算结果。例如将体重上界设定为300斤，会使一般人的体重分布显得相对集中，进而使一般人的RDEE差异极小，使一般人算出来的空调温度控制差异极小。若要使最终空调温度控制差异大，可设定较大的体重下界，或较小的体重上界，使个别用户的RDEE差异大，空调温度改变较大。\n[0110] 由于RDEE为人体产生热的程度，身体因需要持恒温，因此RDEE越高的人，越容易感觉得热，使身体启动排汗与血管扩张等散热机制。因此可通过RDEE的高低，衡量一个人怕冷与怕热的程度。将RDEE标准化(Normalization)至0与1之间的数值，代表一个人的怕热程度，越接近0表示越怕冷，越接近1表示越怕热。\n[0111] 怕热程度L计算如下：\n[0112] Input:用户的每日静息能量消耗RDEE；\n[0113] Output:怕热程度(L)；\n[0114] 可调控参数：RDEE下界(Ea)，RDEE上界(Eb)；\n[0115] IF(RDEEEb)L＝1；\n[0117] ELSE L＝(RDEE-Ea)/(Eb-Ea)。\n[0118] 怕热程度(L)反应了一个人的身体产热程度，L越高身体越容易觉得热，L越低身体越容易觉得冷。\n[0119] (四)调整空调运行\n[0120] 步骤4，根据所述怕热程度L产生调整空调运行参数的控制指令。\n[0121] 具体地，根据所述怕热程度调整空调温度、湿度、风量、自动开机时间点/自动开机距离、自动关机时间点/自动关机距离、连续温度变化曲线以及用户交互界面的一种或多种；其中所述自动开机距离和自动关机距离均指用户至空调设备之间的距离，当用户与空调之间的距离小于等于自动开机距离时，自动开机，当用户与空调之间的距离大于自动关机距离时，自动关机。\n[0122] 还包括进行群体空调参数优化调整，具体为：\n[0123] 当接收的一张图片上有多个人脸时，分别计算每个人脸的怕热程度，将每个人的怕热程度进行加权计算或者平均计算，得出群体怕热程度，结合群体怕热程度调整空调运行参数。\n[0124] a.群体空调温度优化：\n[0125] 在朋友聚会时，拍一张团体照，利用手机APP，上传团体照至空调服务器，服务器计算出每个人的怕热程度后，将每个人的怕热程度进行加权计算，或平均计算，得出群体的怕热程度，给予此群体最佳舒适温度，满足群体最大舒适度。\n[0126] b.结合怕热程度的开机：\n[0127] 定时开机、自动开机、或回家自动开机模式，可根据怕热程度，调整开机的时间点。\n用户怕热程度越高，可提早开机，使怕热的用户可得到较凉爽的环境。\n[0128] 自动开机时间＝自动开机时间-怕热程度xF。其中F为系统参数，或一个可变函数，用来调整因怕热而提早开机的时间点。因此，越怕热的人可获得较早的空调开机时间，达到较佳的制冷量。\n[0129] 回家自动开机模式通常有个驱动空调开机的时机点或门槛，例如距离或者智能设备无线信号强度。可根据怕热程度修正开机门槛。若设定了接近房间20公尺开机，则可根据怕热程度，增加或减少此距离门槛。例如：开机距离门槛＝20+20x怕热程度(L)。因此，越怕热的人可得到较好的凉爽感，越不怕热的人，开机较慢，可越省电。\n[0130] c.结合怕热程度的关机：\n[0131] 自动关机时间＝自动关机时间+怕热程度xF。其中F为系统参数或者一个可变函数，用来调整因怕热而延长关机的时间点。因此，越怕热的人可获得较晚的空调关机时间。\n例如睡眠定时关机模式，时常会设定n小时后关机，一个利用了怕热程度的自动关机做法范例为：睡眠关机时间＝用户设定小时数+C x怕热程度(L)，若C设定为0.5，怕热程度为1，则睡眠自动关机时间会因用户怕热而延后0.5个小时。\n[0132] d.结合怕热程度的温度调整：\n[0133] 智能空调时常具有连续温度控制模式，睡眠曲线模式控制了睡眠时间8～10小时温度变化，健康升温模式，逐渐将温度升温至室外温度。此种连续温度变化控制，可套用怕热程度。当怕热程度高，升温越慢，降温越快。使空调可根据体质来做更精致的温度控制。以一个连续八小时的睡眠曲线为例：前三个小时，降温两度，最后两个小时，升温三度。可利用怕热程度，对以上曲线进行优化修改：降温2度时间＝3–C x怕热程度(L)，而升温3度时间＝\n2+D x怕热程度(L)，其中C与D为一个可调控的函数。如此即可达成怕热程度越高的人，降温越快，升温越慢的效果。此方式可应用于任意连续温度调节，使连续温度调节可根据人的怕热程度进行优化。\n[0134] e.用户交互界面优化：\n[0135] 怕热的人，需要较快的降温，可根据此需求动态调整用户交互界面。在使用智能设备APP操作空调时，越怕热的人，制冷控制接口可动态调大，让越怕热的人越方便制冷。此外亦可从降温的程度进行调整。一般空调降温为0.5度至1度。可根据怕热的程度，调整降温刻度范围。\n[0136] 以下将以朋友临时聚会为例，说明如何通过本发明完成基于脸部特征的空调运行控制。\n[0137] 用户A男性，邀请了用户B女性，至家里用餐。通过手机拍摄两人合照留念。之后利用手机将两人合照传送至物联网空调服务器。用户A与用户B的脸部照片都未曾传送至服务器，服务器不存放任何用户的照片用来识别身份，也不存在用户B的空调使用习惯。此种临时客人的客制化空气温度，在过去的专利与技术是无法达成的。本发明达成临时客人的客制化空气温度的实施步骤如下：\n[0138] 1.脸部特征分析\n[0139] 服务器通过影像处理方式，分析出此张照片有两个脸，产生脸于图片中的矩型位置，双眼瞳孔位置。目前已有开源软件或云端服务可完成此分析。例如OpenCV可完成脸部位置侦测及瞳孔位置侦测。微软云端服务提供了脸部性别分析及年龄分析。因此，服务器可产生出此照片的分析结果如下：\n[0140] 脸1:男性，28岁，脸部矩型范围1，双眼瞳孔位置1。\n[0141] 脸2:女性，24岁，脸部矩型范围1，双眼瞳孔位置2。\n[0142] 2.脸部胖瘦程度计算\n[0143] 以下分别采用两者方法计算脸部胖瘦程度。\n[0144] 方法一，裁切脸1与脸2图像，保留于瞳孔位置以下部分，得到产生两张图片p1与p2。将p1与p1由RGB色域空间转换至HSV色域空间。扫描p1与p2每个像素，如果像素的h值介于6-38，代表为皮肤。两张脸部胖瘦程度(RatioofFat，FFR)＝皮肤像素数量(skin pixels)/图片像素数量(pixels)。可得到两个值。假设通过p1，p2算出的FFR如下：\n[0145] FFR1＝0.72；\n[0146] FFR2＝0.48。\n[0147] 方法二，裁切脸1与脸2图像，保留于瞳孔位置以下部分，得到产生两张图片p1与p2。根据脸部轮廓位置点，计算出两张图片脸部轮廓面积与背景面积，假设p1与p2的面积皆为1000，而p1的脸部轮廓面积为720；p2的脸部轮廓面积为480，可以算出：\n[0148] FFR1＝720/1000＝0.72；\n[0149] FFR2＝480/1000＝0.48；\n[0150] 3.怕热程度计算\n[0151] 预期体脂率:\n[0152] 男性和女性的平均体重分别为66.2kg和57.3kg，女性Ra＝10％，Rb＝45，男性Ra＝\n6％，Rb＝35，因此：\n[0153] EBFR1＝(Rb-Ra)x[(FFR1-0.2)/(0.98-0.2)]+Ra＝[(35-6)x(0.72-0.2)/0.78]+6＝25.33％＝0.2533；\n[0154] EBFR2＝(Rb-Ra)x[(FFR2-0.2)/(0.98-0.2)]+Ra＝[(45-10)x(0.48-0.2)/0.78]+\n10＝22.56％＝0.2256；\n[0155] 每日静息能量消耗(Resting Daily Energy Expenditure，RDEE)RDEE＝370+\n21.6x(1－EBFR)xKg；\n[0156] RDEE1＝370+21.6x(1－0.2533)x66.2＝1437.7；\n[0157] RDEE2＝370+21.6x(1－0.2256)x57.3＝1328.5；\n[0158] 计算怕热程度(L)：\n[0159] 先设定系统实施时的参数：Ra＝6％，Rb＝40％，Ka＝40，Kb＝120，则可算出[Ea，Eb]＝[888，2806]。\n[0160] L1＝(RDEE1-Ea)/(Eb-Ea)＝(1437.7-888)/(2806-888)＝0.287；\n[0161] L2＝(RDEE2-Ea)/(Eb-Ea)＝(1328.5-888)/(2806-888)＝0.230；\n[0162] 由于怕热程度越接近0，表示越怕冷，此范例中，算出此两人都属于较怕冷的状态。\n[0163] 4.调整空调运行\n[0164] 因为此照片内，侦测到超过一个人的脸，因此，启动群体怕冷程度计算。通过加权或平均的方式，计算出群体多人环境下的整理怕冷程度，本范例使用平均的方式计算群体怕冷程度。群组怕冷程度计算，Lg＝L1+L2/2＝(0.287+0.230)/2＝0.259。\n[0165] 根据群体怕冷程度Lg，调整空调温度的一个实施例，选择一下空调调整策略「：越怕热，越接近24度，越怕冷，越接近30度」，温度输出To＝30–[(30-24)*Lg]，通过以上策略，可计算出此两人的最适合温度为：30-(6*0.259)＝28.446度。假设此空调的温度调整精度为1度。因此通过四舍五入的方式，将此温度转换成28度。最后，空调输出最适合此两人的28度。\n[0166] 如图4所示，一种基于脸部特征进行空调控制的系统，包括脸部特征分析模块、脸部胖瘦程度计算模块、怕热程度计算模块和空调运行参数调整模块，\n[0167] 所述脸部特征分析模块，用于接收一张具有脸部的图片，对所述图片进行脸部特征分析，获得脸部特征参数；\n[0168] 所述脸部胖瘦程度计算模块，用于根据所述脸部特征参数计算脸部胖瘦程度FFR；\n[0169] 所述怕热程度计算模块，用于根据所述脸部胖瘦程度FFR计算怕热程度L；\n[0170] 所述空调运行参数调整模块，用于根据所述怕热程度L产生调整空调运行参数的控制指令。\n[0171] 所述脸部胖瘦程度计算模块包括裁切单元和脸部胖瘦程度计算单元，所述裁切单元，用于根据脸部特征参数裁切所述图片，获得眼睛以下的脸部图片；所述脸部胖瘦程度计算单元，用于对裁切后的图片进行分析，通过计算皮肤像素数量与图片像素数量的比值获得脸部胖瘦程度FFR，FFR＝皮肤像素数量/图片像素数量；或者所述脸部胖瘦程度计算单元，用于对裁切后的图片进行分析，勾勒出脸部图片中的脸部轮廓，通过计算所述脸部轮廓面积和脸部图片背景面积的比值获得脸部胖瘦程度FFR，FFR＝脸部轮廓面积/脸部图片背景面积。\n[0172] 所述怕热程度计算模块包括预期体脂率计算单元、每日静息能量消耗计算单元和怕热程度计算单元，所述预期体脂率计算单元，用于通过数据标准化的方式将脸部胖瘦程度FFR转换成预期体脂率EBFR；所述每日静息能量消耗计算单元，用于根据预期体脂率EBFR和平均体重计算每日静息能量消耗RDEE；所述怕热程度计算单元，通过将每日静息能量消耗RDEE标准化至0到1之间，得到怕热程度L。\n[0173] 如图5所示，为本发明一种基于脸部特征进行空调控制的空调的结构示意图，包括上述技术方案所述的基于脸部特征进行空调控制的系统。\n[0174] 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。