一种基于人群密度感知模型的空调节能控制方法及系统技术方案

本发明专利技术公开一种基于人群密度感知模型的空调节能控制方法及系统，其包括以下步骤：步骤S1：建立基于深度学习的人群密度感知模型；步骤S2：将各个区域的监控摄像头的视频流数据传输至服务器；步骤S3：服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数：步骤S4：系统根据所述人数产生对应控制信号；步骤S5：将所述控制信号传输回各个对应区域的空调，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。本发明专利技术根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。

An air conditioning energy saving control method and system based on population density perception model

The invention discloses an energy-saving air conditioning system and control method of crowd density based on perceptual model, which comprises the following steps: step S1: a population density perception model based on deep learning; step S2: a surveillance camera in various regions of the video stream data to the server; step S3: server for all the video data stream the population density perception model is obtained through analyzing the number: step S4: system generate a corresponding control signal according to the number of; step S5: the control signal transmission to each corresponding area of air conditioning, switch, adjust the regional air temperature and wind, the air conditioning area according to the population distribution of intelligent adjustment, maximum of air conditioning efficiency, and reduce the waste of energy. According to the intelligent adjustment of the population distribution, the invention maximizes the efficiency of the air conditioning and greatly reduces the waste of energy.

【技术实现步骤摘要】
一种基于人群密度感知模型的空调节能控制方法及系统
本专利技术涉及智能节能控制
，尤其涉及一种基于人群密度感知模型的空调节能控制方法及系统。
技术介绍
随着世界人口的快速增长和城镇化的迅速发展，公共活动日益增多，例如：体育赛事、演唱会和游行等。由此导致了公共场所的人流量增加，例如：商场、体育场所、车站等。而这些场所中的各种设备，需要耗费巨大的电能。针对当前世界的资源短缺、能源浪费，有效的节能环保的必要性越来越重要。在公共场所，通过对人群密度进行有效实时的感知，根据人流量控制场所内的设备，可以节省大量的电能，有利于节能减排和绿色城市建设。当前，大多数空调特别是中央空调都是统一开关、统一调节温度和强度，在公共场所这种机制可能存在以下问题：各个空调或出风口的温度和强度一致，只能通过人力手动调整，因此无法充分发挥空调的效率。当室内人少，出风量大时，能源浪费；当室内人多，出风量不足时，空调没起到相应作用。已经有技术尝试解决这个问题，例如专利CN106765959A公开了一种基于遗传算法和神经网络算法的空调节能控制方法，该方法通过收集空调系统的传感器、执行器和控制器的量化数据进行分析和预测，从而得到空调的最佳运行控制参数，以此实现对空调的智能控制。但是该方法缺乏对外界环境的感知，无法根据室内的情况控制空调。专利CN106196440A公开了一种空调节能控制方法，通过传感器获取温差和距离，以此作为调节参考。该方法可以实现根据设定的目标自动调节温度和风力，但是无法根据场景的人群分布自动调节。专利CN103778442B公开的技术，通过检测视频中的人数来控制中央空调，该技术实现了根据人数分布情况调节空调，节能效果更好，但是该技术的人数统计方法是传统的前景提取方法，计算复杂,速度和精度都不高，而在现实场景中存在人群高密集度、行人重叠、光线变化、场景变化、行人尺度、角度变化等众多复杂环境，现有的方法无法做到快速准确的人群估计来实现空调的智能控制。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于人群密度感知模型的空调节能控制方法及系统，可以实现实时感知室内人群分布，并根据人群密度自动控制空调开关、温度及风力等，以此充分发挥空调效率，减少能源浪费。本专利技术采用的技术方案是：一种基于人群密度感知模型的空调节能控制方法，其包括以下步骤：步骤S1：建立基于深度学习的人群密度感知模型；步骤S2：将各个区域的监控摄像头的视频流数据传输至服务器；步骤S3：服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数：步骤S4：系统根据所述人数产生对应控制信号；步骤S5：将所述控制信号传输回各个对应区域的空调，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。进一步地，其中步骤S1中人群密度感知模型的建立包括以下步骤：S1-1：建立卷积神经网络：网络模型包括卷积层、池化层、Relu激活层、Concat层和Eltwise层。S1-2：利用样本集对所述卷积神经网络进行训练，得到待学习参数θ的估计，使得通过该卷积神经网络得到的样本集中，任意输入图像x的人群密度图F(x；θ)与该输入图像x的实际人群密度图M(x)间的欧式距离L(θ)最小,然后在每一次优化迭代中更新整个网络的参数θ，直到欧式距离L(θ)收敛到一个较小的值，以获得θ的最优解；欧式距离L(θ)公式为：其中N为输入的图像数量，xi为第i幅输入图像，M(xi)为输入图像xi的标准人群密度图M(xi)。进一步地，其中步骤S3中服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数包括以下步骤：S3-1：在视频流数据中每一秒取出一帧图像；S3-2：将图像输入到参数为θ的网络模型，得到对应输入图像的人群密度图F(x；θ)；S3-3：再通过人群密度图F(x；θ)计算得到输入图像对应的人数。进一步地，其中步骤S4中控制信号的产生具体方法为：以t秒为一个时间段Ti，把Ti时间段的平均人数作为该时间段的人数；当Ti时间段的人数与Ti+1时间段的人数相差超过阈值ω，则根据Ti+1时间段的人数产生对应控制信号，否则继续处理下一时间段；其中，t、ω和人数与控制信号的映射关系视应用场景而定。本专利技术还公开了一种基于人群密度感知模型的空调节能系统，其包括以下模块：包括以下模块：视频获取模块：用于获取监控区域的实时视频流数据；传输模块：用于传输视频流数据；服务器处理模块：用于接收所述视频流数据，通过基于深度学习的人群密度感知模型算法，实时分析视频流中的人数；控制模块：根据所述人数产生控制信号，再根据控制信号控制空调的开关、温度和风力。进一步地，所述视频获取模块为红外摄像头。进一步地，服务器处理模块包括视频流处理子模块和人数统计子模块，视频流处理子模块用于分别从视各个频流数据中每隔一秒取出一帧图像；人数统计子模块用于利用人群密度感知模型算法统计上述帧图像中的人数。本专利技术采用以上技术方案，通过在服务器实时分析各个区域监控摄像头传输过来的视频流，得到实时精确的人数，并以此产生控制信号，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。附图说明以下结合附图和具体实施方式对本专利技术做进一步详细说明；图1为本专利技术一种基于人群密度感知模型的空调节能控制方法的流程示意图；图2为本专利技术的基于深度学习人群密度感知模型结构图；图3为本专利技术一种基于人群密度感知模型的空调节能系统的结构示意图；图4为本专利技术基于人群密度感知模型的人数统计方法效果图。具体实施方式如图1-4之一所示，本专利技术一种基于人群密度感知模型的空调节能控制方法，其包括以下步骤：步骤S1：建立基于深度学习的人群密度感知模型；步骤S2：将各个区域的监控摄像头的视频流数据传输至服务器；步骤S3：服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数：步骤S4：系统根据所述人数产生对应控制信号；步骤S5：将所述控制信号传输回各个对应区域的空调，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。进一步地，利用本专利技术采用如图2所示的深度学习人群密度感知模型来统计视频中一帧图像中的人数，深度学习人群密度感知模型的目标是学习一个由输入图像x到该图像的标准人群密度图M(x)的映射函数，F：x→F(x)≈M(x)，F(x)为卷积神经网络估计的人群密度图。其中步骤S1中人群密度感知模型的建立包括以下步骤：S1-1：建立卷积神经网络：网络模型包括卷积层、池化层、Relu激活层、Concat层和Eltwise层。S1-2：利用样本集对所述卷积神经网络进行训练，得到待学习参数θ的估计，使得通过该卷积神经网络得到的样本集中，任意输入图像x的人群密度图F(x；θ)与该输入图像x的实际人群密度图M(x)间的欧式距离L(θ)最小,然后在每一次优化迭代中更新整个网络的参数θ，直到欧式距离L(θ)收敛到一个较小的值，以获得θ的最优解；欧式距离L(θ)公式为：其中N为输入的图像数量，xi为第i幅输入图像，M(xi)为输入图像xi的标准人群密度图M(xi)。具体地，首先，利用训练样本集制作本文档来自技高网...

【技术保护点】
一种基于人群密度感知模型的空调节能控制方法，其特征在于：其包括以下步骤：步骤S1：建立基于深度学习的人群密度感知模型；步骤S2：将各个区域的监控摄像头的视频流数据传输至服务器；步骤S3：服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数：步骤S4：系统根据所述人数产生对应控制信号；步骤S5：将所述控制信号传输回各个对应区域的空调，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。

【技术特征摘要】
1.一种基于人群密度感知模型的空调节能控制方法，其特征在于：其包括以下步骤：步骤S1：建立基于深度学习的人群密度感知模型；步骤S2：将各个区域的监控摄像头的视频流数据传输至服务器；步骤S3：服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数：步骤S4：系统根据所述人数产生对应控制信号；步骤S5：将所述控制信号传输回各个对应区域的空调，实时调整各个区域空调的开关、温度和风力，使得各区域空调可以根据人群分布智能调整，最大化空调效率，并大幅减少能源浪费。2.根据权利要求1所述的一种基于人群密度感知模型的空调节能控制方法，其特征在于：步骤S1中人群密度感知模型的建立包括以下步骤：S1-1：建立卷积神经网络：网络模型包括卷积层、池化层、Relu激活层、Concat层和Eltwise层；S1-2：利用样本集对所述卷积神经网络进行训练，得到待学习参数θ的估计，使得通过该卷积神经网络得到的样本集中，任意输入图像x的人群密度图F(x；θ)与该输入图像x的实际人群密度图M(x)间的欧式距离L(θ)最小,然后在每一次优化迭代中更新整个网络的参数θ，直到欧式距离L(θ)收敛到一个较小的值，以获得θ的最优解；欧式距离L(θ)公式为：其中N为输入的图像数量，xi为第i幅输入图像，M(xi)为输入图像xi的标准人群密度图M(xi)。3.根据权利要求2所述的一种基于人群密度感知模型的空调节能控制方法，其特征在于：其中步骤S3中服务器对所有视频流数据采用人群密度感知模型进行分析处理得到人数...

【专利技术属性】
技术研发人员：高钦泉，邓炜，李根，童同，
申请(专利权)人：福建帝视信息科技有限公司，
类型：发明
国别省市：福建,35