上述的红外特征传感器(点阵或者单列信号)有一定的视角，在有人活动的区域(比如每一个房间)布置一个，当人体在区域内任意位置，都会被上述红外特征传感器捕获。
[0020]红外特征传感器把采集到的红外特征信号传输到所述人体识别处理模块，处理模块内置人体识别算法，用于识别人体特征，得到区域内人体数目以及人员活动状态数据，进而判断几个人在室内，甚至结合与手机蓝牙的验证来匹配室内用户身份，根据预设定规则判断开启或关闭能源控制模块。
[0021]能源控制模块与人体识别处理模块连接，处理模块在接收到红外数据信息后，根据红外点阵采集信号得到室内的人员数据信息及人员活动状态数据信息，能源控制模块收到所述区域内人体数目以及人员活动状态数据后，所述能源控制模块对所述区域内人体数目以及人员活动状态数据进行判断，根据判断结果进行能源控制。所述能源控制模块由信号处理单元，执行单元，电路转接控制设备或智能开关依次连接构成，其中，所述信号处理单元接收并处理来自所述区域内人体数目以及人员活动状态数据，将处理后的信号发送给所述执行单元，所述执行单元控制所述电路转接控制设备或智能开关开启或关闭节能模式。
[0022]其中一个实施例为，所述能源控制模块对所述室内人体数目以及人员活动状态数据进行判断，具体为，信号处理单元中预先设定有人体数目的预设阈值以及人员活动状态数据的预设阈值；
所述能源控制模块的信号处理单元对所述室内人体数目与预先设定的人体数目的预设阈值进行比对判断，以及人员活动状态数据与预先设定的人员活动状态数据的预设阈值进行比对判断;并将对比判断后的数据信息发送给所述执行单元，将处理后的信号发送给所述执行单元根据判断结果进行能源控制。
[0023]如图2所示，一种基于人体红外特征识别人体的能源控制方法的步骤示意图。
[0024]—种基于人体红外特征识别人体的能源控制方法，包括如下步骤:
设置在能源控制区域内的红外特征传感器采集进入能源控制区域内的人体红外特征信号；
人体识别处理模块对采集到的人体红外特征信号进行处理，包括步骤:将红外感应器采集到的红外点阵或队列信号进行处理，对红外点阵或者队列信号的特征值进行提取，红外点阵或队列信号特征值作为识别算法输入，识别算法输出人体识别信息，所述识别信息包括人体数目以及人员活动数据。得到室内有几个人的输出信号。其中一个实施例为，上述的红外特征传感器(点阵或者单列信号)有一定的视角，在有人活动的区域(比如每一个房间)布置一个，当人体在区域内任意位置，都会被上述红外特征传感器捕获。
[0025]能源控制模块收到所述区域内人体数目以及人员活动状态数据后，所述能源控制模块对所述区域内人体数目以及人员活动状态数据进行判断，根据判断结果进行能源控制。
[0026]具体的，人体识别算法的步骤如下:采集红外点阵信号(可按周期提取点阵信号数据信息)，红外点阵信号预处理，红外点阵信号特征值提取，红外点阵信号特征值作为识别算法输入，识别算法输出人体识别信息(包括是否有人，几个人)。其中，红外点阵信号预处理包括:去掉干扰信号，提取有效信息；
红外点阵信号特征值为将预处理后得到的有效信息进行整理得到的图像特征，如根据点阵信息判断面积，形状，大小，曲线等特征。
[0027]红外点阵信号特征值作为识别算法输入，识别算法输出人体识别信息:主要方法是对红外点阵信号特征值的数据机器学习处理，使用的算法可以是神经网络(人工神经网络)，和/或其他机器学习算法，通过算法判断是否为人体特征信息，后输出人体数目和人员活动状态数据。其中人员活动状态数据为根据人体特征信息判断出活动状态数据，例如得到的人体红外特征值为形状或轮廓，则进而根据形状或轮廓判断其动作为静态或活动状态等。
[0028]所述其他机器学习算法例如红外点阵信号特征值作为识别算法输入，识别算法输出人体识别信息:对红外点阵信号特征值的数据进行逐一比对，匹配和组合，判断是否为人体特征信息，后输出。
[0029]其中一个实施例为，如图3所示，红外传感器周期获取红外点阵数据，红外点阵信号预处理(预处理可以包括信号增强，二值化，滤波处理等，用以去掉干扰信号，提取有效信息)，预处理后的信号需要进行人体红外特征值提取(特征值可以是形状，轮廓等特征，以及其他经过变化后的特征向量)，红外点阵信号特征值为将预处理后得到的有效信息进行整理得到的图像特征，如根据点阵信息判断面积，形状，大小，曲线等特征。提取后的特征向量作为识别算法的一种输入，得到算法结果。识别算法输出人体识别信息:主要方法是对红外点阵信号特征值的数据机器学习处理，使用的算法可以是神经网络(人工神经网络)，和或其他机器学习算法，通过算法判断是否为人体特征信息，后输出。算法结果为有无人员，有几个人在区域内，人体所进行的活动状态。
[0030]例如:红外特征传感器采集红外特征信号(例如按周期提取)，采集到的特征信号可以是点阵信号，或者队列信号；红外特征传感器把采集到的红外信号传输到人体识别处理模块，人体识别处理模块通过人体识别算法对采集到的红外特征信号进行运算，得到室内有几个人的输出信号。
[0031]能源控制模块收到所述区域内人体数目以及人员活动数据后，所述能源控制模块对所述室内人体数目以及人员活动数据进行判断，根据判断结果进行能源控制，包括步骤:
预先设定人体数目的预设阈值以及人员活动状态数据的预设阈值；
所述能源控制模块对所述室内人体数目与预先设定的人体数目的预设阈值进行比对判断，以及人员活动状态数据与预先设定的人员活动状态数据的预设阈值进行比对判断；根据判断结果进行能源控制。
[0032]例如，在能源控制模块的信号处理单元中预先设定一人体数目的预设阈值，该阈值可以是自行设定的一自然数；
当判断为控制区域内人体数目大于或等于人体数目的预设阈值时，则关闭节能模式，开启能源;例如:当判断为室内人体数目大于或等于所设定的人体数目的预设阈值时，则关闭节能模式，开启空调控制系统，灯光控制系统等其他能耗系统。
[0033]所述方法还包括:预先设定的人员活动状态数据的预设阈值;其中人员活动状态数据为根据人体特征信息判断出活动状态数据，例如得到的人体红外特征值为形状或轮廓，则进而根据形状或轮廓判断其动作为静态或活动状态等。人员活动状态数据的预设阈值为人体形状或轮廓连续变化或移动的频率值。则当人员活动状态数据高于人员活动状态数据的预设阈值时，判断为人员活动状态数据为动态，则关闭节能模式，开启能源。当人员活动状态数据低于人员活动状态数据的预设阈值时，判断为人员活动状态数据为静态，则则打开节能模式，关闭能源设备或将能源设备设置为低功耗或待机。
[0034]另一个实施例为，预先设定人员活动状态数据的预设阈值;其中人员活动状态数据为根据人体特征信息判断出活动状态数据。预先设定的人员活动状态数据的预设阈值可以是预先设定多个人员活动状态数据的预设阈值;例如可以为多个特征值，人员活动状态数据为静态特征的预设阈值(第一人员活动状态数据的预设阈值)，人员活动状态数据为动态特征的预设阈值(第二人员活动状态数据的预设阈值)。如设置当形状或轮廓为横向的人体形状或轮廓，形状或轮廓为一固定形状或轮廓且无连续变化的则设定为人员活动状态数据为静态特征的预设阈值(第一人员活动状态数据的预设阈值)，第一预设阈值则表征为人员活动状态数据为静态的预设阈值。有连续变化或移动的人体形状或轮廓的人员活动状态数据设为人员活动状态数据为动态特征的预设阈值(第二预设阈值)。第二预设阈值则表征为人员活动状态数据为动态的预设阈值。则当获取的人员活动状态数据与第一人员活动状态数据的预设阈值匹配时，判断为人员活动状态数据为静态，则则打开节能模式，关闭能源设备或将能源设备设置为低功耗或待机;当人员活动状态数据与第二人员活动状态数据的预设阈值匹配时，则判断为人员活动状态数据为动态，则关闭节能模式，开启能源。
[0035]当判断为室内人体数目小于人体数目的预设阈值，人员活动状态数据高于人员活动状态数据的预设阈值时，则关闭节能模式，开启能源。或当判断为室内人体数目小于人体数目的预设阈值，人员活动状态数据与第二人员活