本發(fā)明涉及感知數(shù)據(jù)分析，尤其涉及一種基于智能風(fēng)扇態(tài)勢(shì)感知方法及系統(tǒng)。

背景技術(shù)：

1、智能風(fēng)扇作為一種重要的家居電器，不僅具備基本的風(fēng)速調(diào)節(jié)功能，還通過(guò)互聯(lián)網(wǎng)與其他智能設(shè)備進(jìn)行連接，以提供更為便捷和舒適的使用體驗(yàn)，通過(guò)給智能風(fēng)扇配備多種傳感器，如溫度傳感器、濕度傳感器、光照傳感器和運(yùn)動(dòng)傳感器等，這些傳感器能夠?qū)崟r(shí)監(jiān)測(cè)環(huán)境條件及用戶活動(dòng)狀態(tài)，采集相關(guān)數(shù)據(jù)，為風(fēng)扇的智能決策提供基礎(chǔ)信息。通過(guò)嵌入式計(jì)算平臺(tái)，對(duì)傳感器采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，能夠識(shí)別出用戶的使用習(xí)慣和環(huán)境變化模式，從而進(jìn)行智能預(yù)測(cè)，例如，可以學(xué)習(xí)用戶在不同時(shí)間段的人形態(tài)勢(shì)變化情況，自動(dòng)調(diào)整風(fēng)速和風(fēng)向，以確保在不同態(tài)勢(shì)感知狀態(tài)條件下提供最佳的舒適性和能效。然而，傳統(tǒng)的智能風(fēng)扇仍然依賴于基本的遙控器或手機(jī)應(yīng)用進(jìn)行操作，缺乏對(duì)用戶人形運(yùn)動(dòng)態(tài)勢(shì)變化的實(shí)時(shí)感知能力，從而無(wú)法根據(jù)用戶人形活動(dòng)狀態(tài)(例如靠近、遠(yuǎn)離)自動(dòng)調(diào)整智能風(fēng)扇的風(fēng)速運(yùn)行狀態(tài)，造成風(fēng)扇能源的浪費(fèi)和用戶體驗(yàn)的下降。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本發(fā)明有必要提供一種基于智能風(fēng)扇態(tài)勢(shì)感知方法及系統(tǒng)，以解決至少一個(gè)上述技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，一種基于智能風(fēng)扇態(tài)勢(shì)感知方法，包括以下步驟：

3、步驟s1：獲取智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)，并對(duì)智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)進(jìn)行人形動(dòng)作幀間變化識(shí)別分析，得到智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)；

4、步驟s2：對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行卡爾曼濾波人形跟蹤，得到智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡；對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡進(jìn)行人形運(yùn)動(dòng)范圍分析，以得到智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍；獲取智能風(fēng)扇智能感知范圍，并基于智能風(fēng)扇智能感知范圍對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍進(jìn)行態(tài)勢(shì)感知交叉判斷，得到智能風(fēng)扇用戶靠近感知狀態(tài)以及智能風(fēng)扇用戶遠(yuǎn)離感知狀態(tài)；

5、步驟s3：確定為智能風(fēng)扇用戶靠近感知狀態(tài)時(shí)，則利用智能風(fēng)扇響應(yīng)生成風(fēng)速加速控制指令并作用于智能風(fēng)扇內(nèi)置的控制系統(tǒng)，以執(zhí)行相應(yīng)的智能風(fēng)扇風(fēng)速自動(dòng)加速工作；

6、步驟s4：確定為智能風(fēng)扇用戶遠(yuǎn)離感知狀態(tài)時(shí)，則利用智能風(fēng)扇響應(yīng)生成風(fēng)速減速控制指令并作用于智能風(fēng)扇內(nèi)置的控制系統(tǒng)，以執(zhí)行相應(yīng)的智能風(fēng)扇風(fēng)速自動(dòng)減速工作。

7、進(jìn)一步的，步驟s1包括以下步驟：

8、步驟s11：獲取智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)；

9、步驟s12：對(duì)智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)進(jìn)行時(shí)序同步處理，得到在同一時(shí)間順序維度下的用戶人形位置變化時(shí)序數(shù)據(jù)以及用戶人形運(yùn)動(dòng)姿態(tài)變化時(shí)序數(shù)據(jù)；

10、步驟s13：對(duì)在同一時(shí)間順序維度下的用戶人形位置變化時(shí)序數(shù)據(jù)以及用戶人形運(yùn)動(dòng)姿態(tài)變化時(shí)序數(shù)據(jù)進(jìn)行用戶人形三維空間轉(zhuǎn)換，得到用戶人形動(dòng)作三維時(shí)序變化空間；

11、步驟s14：對(duì)用戶人形動(dòng)作三維時(shí)序變化空間進(jìn)行時(shí)間幀位置及姿態(tài)分布劃分，得到各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形位置分布子數(shù)據(jù)以及用戶人形姿態(tài)分布子數(shù)據(jù)；

12、步驟s15：對(duì)各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形位置分布子數(shù)據(jù)以及用戶人形姿態(tài)分布子數(shù)據(jù)進(jìn)行人形動(dòng)作幀間變化識(shí)別分析，得到智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)。

13、進(jìn)一步的，步驟s13包括以下步驟：

14、步驟s131：對(duì)在同一時(shí)間順序維度下的用戶人形位置變化時(shí)序數(shù)據(jù)以及用戶人形運(yùn)動(dòng)姿態(tài)變化時(shí)序數(shù)據(jù)進(jìn)行位置及姿態(tài)變化坐標(biāo)角點(diǎn)提取，得到在同一時(shí)間順序維度下的用戶人形位置變化坐標(biāo)角點(diǎn)集以及用戶人形姿態(tài)變化坐標(biāo)角點(diǎn)集；

15、步驟s132：對(duì)在同一時(shí)間順序維度下的用戶人形位置變化坐標(biāo)角點(diǎn)集以及用戶人形姿態(tài)變化坐標(biāo)角點(diǎn)集進(jìn)行三維空間坐標(biāo)系幾何轉(zhuǎn)換，得到在三維空間坐標(biāo)系下的用戶人形位置變化坐標(biāo)點(diǎn)集以及用戶人形姿態(tài)變化坐標(biāo)點(diǎn)集；

16、步驟s133：根據(jù)在三維空間坐標(biāo)系下的用戶人形位置變化坐標(biāo)點(diǎn)集以及用戶人形姿態(tài)變化坐標(biāo)點(diǎn)集進(jìn)行人形動(dòng)作三維空間映射建模，以得到用戶人形動(dòng)作初始三維空間模型；

17、步驟s134：對(duì)用戶人形動(dòng)作初始三維空間模型進(jìn)行人形動(dòng)作平滑濾波處理，得到用戶人形動(dòng)作三維平滑空間模型；

18、步驟s135：對(duì)用戶人形動(dòng)作三維平滑空間模型進(jìn)行動(dòng)態(tài)時(shí)序變化模擬，得到用戶人形動(dòng)作三維時(shí)序變化空間。

19、進(jìn)一步的，步驟s15包括以下步驟：

20、步驟s151：對(duì)各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形位置分布子數(shù)據(jù)進(jìn)行位置分布向量分析，得到各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形位置分布空間子向量；

21、步驟s152：對(duì)各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形位置分布空間子向量進(jìn)行連續(xù)幀間距離變化統(tǒng)計(jì)計(jì)算，得到各個(gè)相鄰連續(xù)時(shí)間幀之間的用戶人形位置距離變化值；

22、步驟s153：對(duì)各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形姿態(tài)分布子數(shù)據(jù)進(jìn)行連續(xù)幀間姿態(tài)角度變化速率量化計(jì)算，以得到各個(gè)相鄰連續(xù)時(shí)間幀之間的用戶人形姿態(tài)角度變化速率；

23、步驟s154：根據(jù)各個(gè)相鄰連續(xù)時(shí)間幀之間的用戶人形位置距離變化值以及用戶人形姿態(tài)角度變化速率進(jìn)行人形動(dòng)作幀間變化識(shí)別分析，得到智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)。

24、進(jìn)一步的，步驟s153包括以下步驟：

25、對(duì)各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形姿態(tài)分布子數(shù)據(jù)進(jìn)行姿態(tài)歐拉角標(biāo)準(zhǔn)化處理，得到各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形姿態(tài)標(biāo)準(zhǔn)歐拉角；

26、對(duì)各個(gè)時(shí)間幀下對(duì)應(yīng)的用戶人形姿態(tài)標(biāo)準(zhǔn)歐拉角進(jìn)行相鄰連續(xù)幀間姿態(tài)變化幅度分析，得到各個(gè)相鄰連續(xù)時(shí)間幀之間的用戶人形姿態(tài)歐拉角變化幅度；

27、根據(jù)各個(gè)相鄰連續(xù)時(shí)間幀之間的用戶人形姿態(tài)歐拉角變化幅度進(jìn)行連續(xù)幀間姿態(tài)角度變化速率量化計(jì)算，以得到各個(gè)相鄰連續(xù)時(shí)間幀之間的用戶人形姿態(tài)角度變化速率。

28、進(jìn)一步的，步驟s2包括以下步驟：

29、步驟s21：對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行人形運(yùn)動(dòng)狀態(tài)向量描述分析，得到智能風(fēng)扇用戶人形運(yùn)動(dòng)狀態(tài)描述向量集，其中智能風(fēng)扇用戶人形運(yùn)動(dòng)狀態(tài)描述向量集包括用戶人形運(yùn)動(dòng)位置狀態(tài)向量、用戶人形運(yùn)動(dòng)速度狀態(tài)向量、用戶人形運(yùn)動(dòng)加速度狀態(tài)向量以及用戶人形運(yùn)動(dòng)角速度狀態(tài)向量；

30、步驟s22：根據(jù)智能風(fēng)扇用戶人形運(yùn)動(dòng)狀態(tài)描述向量集進(jìn)行狀態(tài)轉(zhuǎn)移方程設(shè)計(jì)，以生成用戶人形運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移方程；

31、步驟s23：基于用戶人形運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移方程對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行卡爾曼濾波人形跟蹤，得到智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡；

32、步驟s24：對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡進(jìn)行人形運(yùn)動(dòng)范圍分析，以得到智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍；

33、步驟s25：獲取智能風(fēng)扇智能感知范圍，并基于智能風(fēng)扇智能感知范圍對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍進(jìn)行態(tài)勢(shì)感知交叉判斷，得到智能風(fēng)扇用戶靠近感知狀態(tài)以及智能風(fēng)扇用戶遠(yuǎn)離感知狀態(tài)。

34、進(jìn)一步的，步驟s23包括以下步驟：

35、步驟s231：對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行人形運(yùn)動(dòng)觀測(cè)參數(shù)提取處理，得到用戶人形動(dòng)作運(yùn)動(dòng)變化觀測(cè)參數(shù)集，其中用戶人形動(dòng)作運(yùn)動(dòng)變化觀測(cè)參數(shù)集包括用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)位置、用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)速度、用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)加速度以及用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)角速度；

36、步驟s232：基于用戶人形運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移方程對(duì)用戶人形動(dòng)作運(yùn)動(dòng)變化觀測(cè)參數(shù)集進(jìn)行人形運(yùn)動(dòng)狀態(tài)觀測(cè)估計(jì)，以得到用戶人形運(yùn)動(dòng)狀態(tài)觀測(cè)估計(jì)；

37、步驟s233：基于用戶人形動(dòng)作運(yùn)動(dòng)變化觀測(cè)參數(shù)集對(duì)用戶人形運(yùn)動(dòng)狀態(tài)觀測(cè)估計(jì)進(jìn)行卡爾曼濾波增益更新處理，得到用戶人形運(yùn)動(dòng)狀態(tài)增益優(yōu)化估計(jì)；

38、步驟s234：基于用戶人形運(yùn)動(dòng)狀態(tài)增益優(yōu)化估計(jì)對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行人形運(yùn)動(dòng)軌跡跟蹤重構(gòu)，得到智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡。

39、進(jìn)一步的，步驟s233包括以下步驟：

40、對(duì)用戶人形動(dòng)作運(yùn)動(dòng)變化觀測(cè)參數(shù)集進(jìn)行卡爾曼濾波處理，得到用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)噪聲數(shù)據(jù)以及用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)濾噪?yún)?shù)集；

41、基于用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)噪聲數(shù)據(jù)對(duì)用戶人形動(dòng)作運(yùn)動(dòng)變化觀測(cè)參數(shù)集進(jìn)行觀測(cè)噪聲協(xié)方差矩陣計(jì)算，得到用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)噪聲協(xié)方差矩陣；

42、通過(guò)引入系統(tǒng)噪聲數(shù)據(jù)并基于用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)噪聲協(xié)方差矩陣對(duì)用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)濾噪?yún)?shù)集進(jìn)行卡爾曼增益計(jì)算，得到用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)噪聲卡爾曼增益；

43、基于用戶人形動(dòng)作運(yùn)動(dòng)觀測(cè)噪聲卡爾曼增益對(duì)用戶人形運(yùn)動(dòng)狀態(tài)觀測(cè)估計(jì)進(jìn)行狀態(tài)增益更新處理，得到用戶人形運(yùn)動(dòng)狀態(tài)增益優(yōu)化估計(jì)。

44、進(jìn)一步的，步驟s25包括以下步驟：

45、步驟s251：對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍進(jìn)行時(shí)序點(diǎn)位范圍標(biāo)定劃分，得到各個(gè)時(shí)序點(diǎn)位下對(duì)應(yīng)的用戶人形運(yùn)動(dòng)相對(duì)范圍；

46、步驟s252：獲取智能風(fēng)扇智能感知范圍，并基于智能風(fēng)扇智能感知范圍對(duì)各個(gè)時(shí)序點(diǎn)位下對(duì)應(yīng)的用戶人形運(yùn)動(dòng)相對(duì)范圍進(jìn)行點(diǎn)位態(tài)勢(shì)感知交叉面積估計(jì)，以得到各個(gè)時(shí)序點(diǎn)位下用戶人形運(yùn)動(dòng)范圍與智能風(fēng)扇感知范圍之間的態(tài)勢(shì)感知交叉面積大小；

47、步驟s253：對(duì)各個(gè)時(shí)序點(diǎn)位下用戶人形運(yùn)動(dòng)范圍與智能風(fēng)扇感知范圍之間的態(tài)勢(shì)感知交叉面積大小進(jìn)行時(shí)序面積變化趨勢(shì)判斷，若各個(gè)時(shí)序點(diǎn)位下態(tài)勢(shì)感知交叉面積大小的變化趨勢(shì)為逐漸增大時(shí)，則將其用戶與智能風(fēng)扇之間的態(tài)勢(shì)感知狀態(tài)判定為智能風(fēng)扇用戶靠近感知狀態(tài)；若各個(gè)時(shí)序點(diǎn)位下態(tài)勢(shì)感知交叉面積大小的變化趨勢(shì)為逐漸減小時(shí)，則將其用戶與智能風(fēng)扇之間的態(tài)勢(shì)感知狀態(tài)判定為智能風(fēng)扇用戶遠(yuǎn)離感知狀態(tài)。

48、進(jìn)一步的，本發(fā)明還提供了一種基于智能風(fēng)扇態(tài)勢(shì)感知系統(tǒng)，用于執(zhí)行如上所述的基于智能風(fēng)扇態(tài)勢(shì)感知方法，該基于智能風(fēng)扇態(tài)勢(shì)感知系統(tǒng)包括：

49、用戶人形幀間差異識(shí)別模塊，用于獲取智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)，并對(duì)智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)進(jìn)行人形動(dòng)作幀間變化識(shí)別分析，從而得到智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)；

50、用戶人形態(tài)勢(shì)感知判斷模塊，用于對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行卡爾曼濾波人形跟蹤，得到智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡；對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡進(jìn)行人形運(yùn)動(dòng)范圍分析，以得到智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍；獲取智能風(fēng)扇智能感知范圍，并基于智能風(fēng)扇智能感知范圍對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍進(jìn)行態(tài)勢(shì)感知交叉判斷，從而得到智能風(fēng)扇用戶靠近感知狀態(tài)以及智能風(fēng)扇用戶遠(yuǎn)離感知狀態(tài)；

51、用戶靠近感知風(fēng)扇加速控制模塊，用于確定為智能風(fēng)扇用戶靠近感知狀態(tài)時(shí)，則利用智能風(fēng)扇響應(yīng)生成風(fēng)速加速控制指令并作用于智能風(fēng)扇內(nèi)置的控制系統(tǒng)，以執(zhí)行相應(yīng)的智能風(fēng)扇風(fēng)速自動(dòng)加速工作；

52、用戶遠(yuǎn)離感知風(fēng)扇減速控制模塊，用于確定為智能風(fēng)扇用戶遠(yuǎn)離感知狀態(tài)時(shí)，則利用智能風(fēng)扇響應(yīng)生成風(fēng)速減速控制指令并作用于智能風(fēng)扇內(nèi)置的控制系統(tǒng)，以執(zhí)行相應(yīng)的智能風(fēng)扇風(fēng)速自動(dòng)減速工作。

53、本發(fā)明的有益效果：

54、1、本發(fā)明所提出的基于智能風(fēng)扇態(tài)勢(shì)感知方法，與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果在于通過(guò)使用安裝在智能風(fēng)扇上的傳感器(如紅外傳感器、深度攝像頭、加速度計(jì)等)來(lái)捕捉用戶的位置信息及其運(yùn)動(dòng)姿態(tài)，位置變化數(shù)據(jù)包括用戶與智能風(fēng)扇之間的位置距離、角度，而運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)則涵蓋用戶的身體姿勢(shì)(如坐、立、走、轉(zhuǎn)動(dòng)等)，這一步驟能夠?qū)崟r(shí)了解用戶的活動(dòng)狀態(tài)和相對(duì)位置，從而為后續(xù)智能交互提供基礎(chǔ)數(shù)據(jù)支持，通過(guò)分析這些數(shù)據(jù)，智能風(fēng)扇能夠更好地適應(yīng)用戶的需求，例如在用戶靠近時(shí)加大風(fēng)速，或在用戶離開(kāi)時(shí)自動(dòng)降低風(fēng)速，從而為后續(xù)的處理過(guò)程提供了基礎(chǔ)數(shù)據(jù)保障。同時(shí)，通過(guò)對(duì)智能風(fēng)扇用戶人形位置變化數(shù)據(jù)以及智能風(fēng)扇用戶人形運(yùn)動(dòng)姿態(tài)變化數(shù)據(jù)進(jìn)行人形動(dòng)作幀間變化識(shí)別分析，以識(shí)別用戶在不同幀之間的動(dòng)作變化，這一過(guò)程能夠揭示用戶行為的動(dòng)態(tài)特征，如運(yùn)動(dòng)的頻率、幅度及模式變化等，不僅能夠及時(shí)響應(yīng)用戶的當(dāng)前需求，還能通過(guò)分析歷史數(shù)據(jù)預(yù)測(cè)用戶的未來(lái)行為，這一智能分析不僅提升了用戶的舒適度，也為未來(lái)智能家居設(shè)備的自我優(yōu)化和智能化奠定了基礎(chǔ)，增強(qiáng)了用戶與智能風(fēng)扇之間的互動(dòng)性。其次，通過(guò)對(duì)智能風(fēng)扇用戶人形動(dòng)作運(yùn)動(dòng)變化數(shù)據(jù)進(jìn)行卡爾曼濾波人形跟蹤，卡爾曼濾波是一種有效的狀態(tài)估計(jì)方法，能夠處理帶有噪聲的觀測(cè)數(shù)據(jù)，以精確地估算用戶的位置和運(yùn)動(dòng)軌跡，能夠在動(dòng)態(tài)環(huán)境中實(shí)時(shí)跟蹤用戶的位置，這種實(shí)時(shí)跟蹤能力，使得智能風(fēng)扇能夠在用戶靠近時(shí)及時(shí)調(diào)整風(fēng)向和風(fēng)速，以提供更好的舒適度和用戶體驗(yàn)。另外，卡爾曼濾波的應(yīng)用還可以顯著提高系統(tǒng)對(duì)用戶運(yùn)動(dòng)的預(yù)測(cè)能力，通過(guò)不斷更新?tīng)顟B(tài)估計(jì)，可以在一定程度上抵消傳感器噪聲的影響，從而提升跟蹤精度。通過(guò)對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)軌跡進(jìn)行人形運(yùn)動(dòng)范圍分析，能夠幫助理解用戶的活動(dòng)區(qū)域和行為模式，這一步驟不僅為智能風(fēng)扇的使用提供了背景信息，也為優(yōu)化風(fēng)扇的工作策略提供了重要依據(jù)。通過(guò)對(duì)運(yùn)動(dòng)軌跡的分析，能夠識(shí)別出用戶的活動(dòng)范圍和習(xí)慣。例如，如果用戶經(jīng)常在某個(gè)區(qū)域內(nèi)活動(dòng)，智能風(fēng)扇就可以根據(jù)這一信息，優(yōu)化風(fēng)的吹送模式，在用戶常活動(dòng)的區(qū)域內(nèi)，可以加大風(fēng)速和風(fēng)向調(diào)整的靈活性，以滿足用戶在該區(qū)域內(nèi)的舒適需求。反之，如果用戶的活動(dòng)范圍較小，智能風(fēng)扇可以減少能量消耗，延長(zhǎng)使用壽命。還獲取智能風(fēng)扇智能感知范圍，并通過(guò)基于智能風(fēng)扇智能感知范圍對(duì)智能風(fēng)扇用戶人形運(yùn)動(dòng)動(dòng)態(tài)變化范圍進(jìn)行態(tài)勢(shì)感知交叉判斷，能夠更加精準(zhǔn)地識(shí)別用戶的靠近和遠(yuǎn)離狀態(tài)，從而優(yōu)化其工作機(jī)制，使得智能風(fēng)扇能夠在不同的環(huán)境和使用場(chǎng)景中，靈活應(yīng)對(duì)用戶的需求，當(dāng)用戶靠近風(fēng)扇時(shí)，可以識(shí)別這一狀態(tài)并相應(yīng)提高風(fēng)速，以增強(qiáng)用戶的舒適感，而當(dāng)用戶離開(kāi)時(shí)，風(fēng)扇則可以自動(dòng)降低風(fēng)速，甚至在用戶離開(kāi)的情況下自動(dòng)關(guān)閉，從而實(shí)現(xiàn)節(jié)能，這一判斷機(jī)制的實(shí)施還使得風(fēng)扇能夠主動(dòng)適應(yīng)用戶的行為變化，還可以提升對(duì)用戶人形運(yùn)動(dòng)態(tài)勢(shì)變化的實(shí)時(shí)感知能力，從而能夠根據(jù)用戶人形活動(dòng)狀態(tài)(例如靠近、遠(yuǎn)離)自動(dòng)調(diào)整智能風(fēng)扇的風(fēng)速運(yùn)行狀態(tài)。然后，如果確定用戶為靠近感知狀態(tài)后，智能風(fēng)扇能夠迅速響應(yīng)生成風(fēng)速加速控制指令，并作用于其內(nèi)置的控制系統(tǒng)，這種自動(dòng)化反應(yīng)機(jī)制是智能家居的重要體現(xiàn)，使得智能風(fēng)扇能夠根據(jù)用戶人形行為的變化實(shí)時(shí)做出響應(yīng)，此時(shí)，智能風(fēng)扇的風(fēng)速將自動(dòng)加速，以提供更強(qiáng)的空氣流通，適應(yīng)用戶的需求變化，這種控制策略的優(yōu)勢(shì)在于提升了用戶的舒適度，比如，在炎熱的夏季，用戶靠近風(fēng)扇時(shí)，風(fēng)扇立即加速，確保提供充足的涼風(fēng)，增強(qiáng)用戶的滿意度，使得智能風(fēng)扇只在必要時(shí)提供加速工作，避免了不必要的電力消耗，進(jìn)而延長(zhǎng)了智能風(fēng)扇的使用壽命。最后，如果確定用戶被判定為遠(yuǎn)離感知狀態(tài)時(shí)，智能風(fēng)扇同樣能夠生成風(fēng)速減速控制指令，這一機(jī)制確保風(fēng)扇在用戶離開(kāi)時(shí)自動(dòng)調(diào)整工作模式，從而降低風(fēng)速，減少電能消耗，智能風(fēng)扇不僅能維持用戶的舒適體驗(yàn)，還能在用戶離開(kāi)后自動(dòng)調(diào)節(jié)，保持房間的環(huán)境適宜，這種減速控制指令的實(shí)施，具有顯著的節(jié)能效果，使得當(dāng)用戶不在時(shí)，風(fēng)扇的能耗顯著降低，這對(duì)于長(zhǎng)期使用智能設(shè)備的家庭而言，能夠有效降低電費(fèi)支出，風(fēng)扇的智能響應(yīng)減少了人力干預(yù)的需求，使得用戶在日常生活中更加便捷、舒適，從而提升了智能家居的整體用戶體驗(yàn)。

55、2、本發(fā)明所提出的基于智能風(fēng)扇態(tài)勢(shì)感知系統(tǒng)，整體上由用戶人形幀間差異識(shí)別模塊、用戶人形態(tài)勢(shì)感知判斷模塊、用戶靠近感知風(fēng)扇加速控制模塊以及用戶遠(yuǎn)離感知風(fēng)扇減速控制模塊組成，能夠?qū)崿F(xiàn)本發(fā)明所述任意基于智能風(fēng)扇態(tài)勢(shì)感知方法，用于聯(lián)合各個(gè)模塊上運(yùn)行的計(jì)算機(jī)程序之間的操作實(shí)現(xiàn)基于智能風(fēng)扇態(tài)勢(shì)感知方法，系統(tǒng)內(nèi)部結(jié)構(gòu)互相協(xié)作，這樣能夠大大減少重復(fù)工作和人力投入，能夠快速有效地提供更為準(zhǔn)確、更高效的基于智能風(fēng)扇態(tài)勢(shì)感知過(guò)程，從而簡(jiǎn)化了基于智能風(fēng)扇態(tài)勢(shì)感知系統(tǒng)的操作流程。