一种非侵入式人体热舒适的AI感知方法技术

本发明专利技术揭示了一种非侵入式人体热舒适的AI感知方法，包括数据采集和预处理、定义并提取皮肤敏感指数和构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型；具体采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，对地址映射表和SSI分别特征提取、融合后进一步训练、保存并优选得到网络模型，进行皮肤温度预测。应用本发明专利技术该AI感知方法，克服了人体热舒适检测中皮肤变化的微变性、个体间差异性和个体内时变性的三大挑战，实现了能源优化、节能环保，且具有较好的可操作性。

【技术实现步骤摘要】
一种非侵入式人体热舒适的AI感知方法
本专利技术属于计算机视觉、机器学习和建筑物理领域，尤其涉及一种面向智能建筑或智能自动驾驶的非侵入式人体热舒适的检测方法。
技术介绍
根据年度统计报告，全球每年21%的能源消耗来自商用住宅和居民住宅，在一些城市化进程比较快的国家和地区，能源消耗以每年以32%的速度增长。在建筑能源消耗中，50%来自供热、通风和空调系统（HVAC，以下统称中央空调系统）。如果能够实时的检测人体热舒适程度，有针对性的调节室内参量（温度、湿度、气流等），或进行局部供暖/供冷，则可以在满足个体热舒适需求的同时，达到建筑节能目的，服务于“以人为本”的智能建筑理念。在这样的愿景下，建筑行业面临一个问题，即怎么测人体热舒适。迄今为止，所有的方法可以分为3大类，概述如下：问卷调查法：主要是通过纸质或互联网问卷形式，了解建筑使用者的热偏好，以此作为环境调节的依据。利弊：能够很好的反应建筑使用者的心理状态，体现“以人为本”的思想，但需要用户的持续和频繁反馈，可操作性偏弱；此外，问卷调查法难以满足实时性要求。环境监测法：通过传感器对室内的温度、湿度、空气流速等参量进行监测。利弊：具有较好的实用性，可以有效的通过室温、湿度等参量的监测，对室内环境进行调节，但缺少建筑使用者的参与，难以满足个体热舒适。生理检测法：通过各种生理测量传感器，捕获人体的热舒适性，它涉及的参量有皮肤温度、脉搏等。生理检测法又分侵入式、半侵入式和非侵入式三种。利弊：该方法通过传感器直接捕获建筑使用者的生理参量，以评估个体热感觉，能较好的反应建筑使用者的热感觉。但侵入式和半侵入式测量法，需要在人体安装传感器。因此，侵入式和半侵入式的检测法可以满足实验室研究的需要，但实用性偏弱。非侵入式的生理检测法，可以远距离的感知用户的个体热感觉，不需要在人体安装传感器，加之计算机视觉技术（如视频放大技术）和机器学习（如深度学习）的发展，该方法将是“以人为本”智能建筑的发展方向。鉴于上述方法各自的利弊，目前在国内外建筑行业，普遍采用“环境监测法”。有的建筑，基于环境监测法，提供固定的室内温度、湿度和气流；有的建筑会提供用户侧的调节阀或温控器，让用户根据自己的需要，进行调节。固定参量（温度、湿度、气流等），该方法的实施，是依据国际标准化组织（ISO:InternationalOrganizationforStandardization）和美国采暖、制冷与空调工程师学（ASHRAE:AmericanSocietyofHeating,RefrigerationandAir-ConditioningEngineers）对“热舒适环境”的定义，即“至少80％的建筑物居住者对热环境的温度范围满意”。根据此定义，至少有20%的用户被忽略了，而且也很难达到80%的人满意，并且在此过程中，用户的个体感受完全被忽略了。比如，部分国家的住宅室温常年控制在25℃左右，以所监测室温数据为例，室温一直保持在24.1℃-25.7℃；而在中高纬度地区的室内空气质量标准规定冬季采暖室温为16℃-24℃，但实际操作时，有些区域会高出该范围很多，达到27℃甚至30℃。这种固定室温的冷热供给方式，没有将建筑使用者的个体差异性和时变性考虑在内。此外，研究显示，即便是微小的室温调节（比如1℃），对整个建筑的能耗影响也是很大的。而且，在人离开办公室之后，依然保持供暖，在一定程度上造成能源的浪费。温度调控器，除了固定参量外，更多的建筑具有提供温度调节器。该方法也是目前国内空调行业的普通方法。用户根据自己的需要，调高或降低温度。该方法能够反应用户热舒适的感受，但是缺点明显。一方面，温控有较强的滞后性；另一方面，需要用户不断的介入，尤其在夜间休息时，无法操控。对于供暖系统而言，目前用户无法知道具体温度，只能依据经验切换档位。
技术实现思路
鉴于上述现有技术的不足，本专利技术的目的旨在提供一种非侵入式人体热舒适的AI感知方法，为中央空调系统（HVAC）提供有效的反馈信号，从而实时或预测性地控制室内温度。在满足人体热舒适的同时，达到建筑节能的目标。本专利技术所涉及的技术，旨在与HVAC相交互，可以应用于智能建筑，也可以应用于智能自动驾驶，以及其它涉及HVAC的应用。为了实现上述目的，本专利技术的技术解决方案为：一种非侵入式人体热舒适的AI感知方法，其特征在于包括：数据采集和预处理，采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；定义并提取皮肤敏感指数，引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，参与网络训练；构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型，利用纹理特征提取模块对地址映射表进行特征提取，利用SSI特征提取模块对皮肤敏感指数进行特征提取，利用特征融合与训练模块对两部分所提取的特征进行融合并进一步训练，保存并优选所得网络模型，继而进行皮肤温度预测。优选的，上述非侵入式人体热舒适的AI感知方法中，所述预处理的方法包括：去除图片噪声并提取兴趣域图片，采集得到人体皮肤温度并做线性插值，而后建立兴趣域图片与人体皮肤温度之间的地址映射关系，形成地址映射表。进一步优选的，上述非侵入式人体热舒适的AI感知方法中，提取兴趣域图片前还包括：利用图像的微变放大处理法对皮肤纹理中变化的部分放大，其余保持不变。优选的，上述非侵入式人体热舒适的AI感知方法中，所述皮肤敏感指数的定义方法为：利用HSV颜色空间、提取皮肤颜色S通道并构建线性模型T=k×S+b,其中T是实时人体皮肤温度，S是饱和度，b为定义的静态体温，且定义k为反应皮肤温度变化快慢的皮肤敏感指数。所述皮肤敏感指数的计算方法包括：对采集得到的图像数据分离为单帧图像，并分别区域分割得到数个兴趣域图片，继而对每个兴趣域图片提取皮肤颜色S通道，求均值得饱和度S，根据线性模型T=k×S+b求解每一位受试者最后取均值所得的皮肤敏感指数k。进一步优选的，上述非侵入式人体热舒适的AI感知方法中，所述皮肤敏感指数k为一次性图像数据采集、计算所得的常量，或者随环境变化、时间延续若干次图像采集、计算所得的函数变量。优选的，上述非侵入式人体热舒适的AI感知方法中，采集所得的图像数据包括训练集、测试集和验证集三个独立部分，其中训练集参与训练生成网络模型，验证集参与训练计算得到网络模型的误差、并校准搜索方向，测试集参与训练测试网络模型的有效性。优选的，上述非侵入式人体热舒适的AI感知方法中，非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型，还包括比较验证，构建一个以上异构的学习网络并在相同图像数据和训练方式的基础上生成对比网络模型，或同类方法的现成对照模型，分别进行皮肤温度预测，并参照侵入式标准设备采集得到的皮肤温度实际值，计算绝对误差验证由非侵入式皮肤感知热舒适的深度学习网络所训练生成的网络模型的有效性。更优选的，上述非侵入式人体热舒适的AI感知方法中，比较验证所异构的学习网络仅包括纹理特征提取模块与训练模块两部分。更优选的，上述非侵入式人体热舒适的AI感知方法中，比较验证所异构的学习网络包括纹理特征提取模块、SSI特征提取模块与训练模块三部分，且SSI特征提取模块平移接入纹理特征提取模块中，在前端与兴趣域图片融合。与现本文档来自技高网...

【技术保护点】
1.一种非侵入式人体热舒适的AI感知方法，其特征在于包括：数据采集和预处理，采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；定义并提取皮肤敏感指数，引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，参与网络训练；构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型，利用纹理特征提取模块对地址映射表进行特征提取，利用SSI特征提取模块对皮肤敏感指数进行特征提取，利用特征融合与训练模块对两部分所提取的特征进行融合并进一步训练，保存并优选所得网络模型，继而进行皮肤温度预测。

【技术特征摘要】
1.一种非侵入式人体热舒适的AI感知方法，其特征在于包括：数据采集和预处理，采用计算机视觉采集人体皮肤的图像数据，并数据处理后构建兴趣域图片和皮肤温度之间的地址映射表；定义并提取皮肤敏感指数，引入不同人体对外部冷热刺激的皮肤敏感程度差异作为权重系数，参与网络训练；构建非侵入式皮肤感知热舒适的深度学习网络并训练生成网络模型，利用纹理特征提取模块对地址映射表进行特征提取，利用SSI特征提取模块对皮肤敏感指数进行特征提取，利用特征融合与训练模块对两部分所提取的特征进行融合并进一步训练，保存并优选所得网络模型，继而进行皮肤温度预测。2.根据权利要求1所述非侵入式人体热舒适的AI感知方法，其特征在于所述预处理的方法包括：去除图片噪声并提取兴趣域图片，采集得到人体皮肤温度并做线性插值，而后建立兴趣域图片与人体皮肤温度之间的地址映射关系，形成地址映射表。3.根据权利要求2所述非侵入式人体热舒适的AI感知方法，其特征在于提取兴趣域图片前还包括：利用图像的微变放大处理法对皮肤纹理中变化的部分放大，其余保持不变。4.根据权利要求1所述非侵入式人体热舒适的AI感知方法，其特征在于所述皮肤敏感指数的定义方法为：利用HSV颜色空间、提取皮肤颜色S通道并构建线性模型T=k×S+b,其中T是实时人体皮肤温度，S是饱和度，b为定义的静态体温，且定义k为反应皮肤温度变化快慢的皮肤敏感指数；所述皮肤敏感指数的计算方法包括：对采集得到的图像数据分离为单帧图像，并分别区域分割得到数个兴趣域图片，继而对每个...

【专利技术属性】
技术研发人员：成孝刚，宋丽敏，钱俊鹏，任俊弛，李海波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32