基于红外热成像的室内人体热舒适智能调控方法和系统技术方案

本发明专利技术涉及一种基于红外热成像的室内人体热舒适智能调控方法和系统，方法包括：采集室内人员面部红外热成像并进行皮肤温度提取，利用卷积神经网络从红外热成像中识别个体年龄与性别，根据皮肤温度、年龄与性别，利用机器学习模型预测个体热舒适度，基于获得的个体热舒适度智能调控局部空调系统。与现有技术相比，本发明专利技术利用红外热像仪实现非侵入式自动控制，设置与操作方法简单；通过识别年龄与性别提高个体热舒适的预测准确度，最大限度满足不同个体对热环境的差异化需求；通过实时个性化热环境调控达到节能减排的目的。热环境调控达到节能减排的目的。热环境调控达到节能减排的目的。

【技术实现步骤摘要】
基于红外热成像的室内人体热舒适智能调控方法和系统


[0001]本专利技术涉及智能调控
，尤其是涉及基于红外热成像的室内人体热舒适智能调控方法和系统。

技术介绍

[0002]随着人类对建筑舒适性能需求的提升，智能建筑通过感知人体舒适度调控建筑室内环境成为一大趋势，其基础是构建HCPS系统(human
‑
cyber
‑
physical system)。HCPS系统的关键环节是对人体舒适度的感知，为了实现对建筑内部热环境的调控，首要步骤即为获取建筑室内人员的热舒适度。现有的测量人体热舒适度的方法大体分为侵入式、准侵入式和非侵入式三类。侵入式的测量方法通过在人体表面粘贴温度传感器等感知设备，获取相关参数从而判断人体热舒适度。准侵入式方法需要被测人员佩戴特殊眼镜、手环等传感设备，获取相关参数从而判断人体热舒适度。以上两类测量方式容易给被测人员造成一定程度的不便与不适，因而在实际应用中可行性较低。非侵入式测量可通过可见光相机或红外相机实现，对室内人员干扰较少，但通过可见光相机获取建筑环境内部人员图像可能引发隐私困扰，因此，通过红外相机采集红外图片进行人体热舒适度检测是较为可行的测量方式。
[0003]目前已有一些专利申请提出了这一思路：
[0004]2021年7月9日公布的公开号为CN113093839A的专利“一种基于热感觉识别的多维个性化热环境控制方法及系统”中，涉及一种利用红外热成像获取个体体表温度进而判定个体热感觉的方法。
[0005]2020年1月24日公布的公开号为CN110726476A的专利“基于人体红外温度监测的热环境调控系统及调控方法”中，涉及一种基于红外阵列传感器和温湿度传感器的热环境调控系统。
[0006]2020年1月20日公布的公开号为CN110671798A的专利“一种基于人工智能技术预测热感觉的室内热环境控制系统”中，涉及一种利用红外热成像获取皮肤温度并结合用户输入更新温度域的方法。
[0007]上述专利仅利用红外热像仪探测皮肤表面温度进而预测人体热舒适，尚未从红外热成像中提取更多有用信息，且系统布置复杂，同时需要温湿度传感器或用户频繁输入来克服仅基于皮肤温度预测人体热舒适的不准确性。

技术实现思路

[0008]本专利技术的目的就是为了克服上述现有技术存在尚未从红外热成像中提取更多有用信息，且系统布置复杂，同时需要温湿度传感器或用户频繁输入来克服仅基于皮肤温度预测人体热舒适的不准确性的缺陷而提供一种基于红外热成像的室内人体热舒适智能调控方法和系统。
[0009]已有研究表明，人的年龄性别与热舒适度存在一定关系，例如，随着人年龄的增
长，中性温度呈现增高趋势；在相同热环境中，女性的皮肤温度比男性低，男性更适应低温环境，女性更适应高温环境等。因此，从红外热成像中识别人年龄与性别，同时考虑年龄、性别与皮肤温度将有助于提高热舒适模型准确度。
[0010]本专利技术的目的可以通过以下技术方案来实现：
[0011]一种基于红外热成像的室内人体热舒适智能调控方法，包括以下步骤：
[0012]从被测环境中获取室内被测者的面部红外热成像以及皮肤温度；
[0013]采用预先建立并训练好的生物参数提取模型，根据所述面部红外热成像，提取被测者的年龄和性别；
[0014]采用预先建立并训练好的热舒适度预测模型，根据被测者的皮肤温度、年龄和性别，预测被测者的热舒适度；
[0015]根据预测出的热舒适度对被测环境的空调系统进行调控。
[0016]进一步地，所述生物参数提取模型基于卷积神经网络构建。
[0017]进一步地，所述热舒适度预测模型基于机器学习模型构建。
[0018]进一步地，所述热舒适度预测模型的训练过程包括：
[0019]选取训练集对热舒适度预测模型进行训练，训练过程中，所述热舒适度预测模型的输入值为被测者的性别、年龄和皮肤温度，输出值为被测者的热舒适度。
[0020]进一步地，所述皮肤温度为被测者的面部前额中心点温度。
[0021]进一步地，通过红外热像仪获取所述面部红外热成像以及皮肤温度。
[0022]进一步地，所述热舒适度为分级指标，包括偏冷、舒适和偏热。
[0023]进一步地，所述空调系统包括制热器和制冷器。
[0024]进一步地，所述空调系统的调控过程具体为：若热舒适度为偏冷，则打开所述制热器；若热舒适度为偏热，则打开所述制冷器；若热舒适度为舒适，则保持被测环境的现有配置。
[0025]本专利技术还提供一种基于红外热成像的室内人体热舒适智能调控系统，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行如上所述的基于红外热成像的室内人体热舒适智能调控方法的步骤。
[0026]本专利技术利用红外热像仪，结合卷积神经网络与机器学习算法，建立了一套非侵入式智能预测个体热舒适并基于人体热感觉自动调控(局部)空调系统的系统控制方法。与现有技术相比，本专利技术具有以下优点：
[0027](1)已有研究表明，人的年龄性别与热舒适度存在一定关系，例如，随着人年龄的增长，中性温度呈现增高趋势；在相同热环境中，女性的皮肤温度比男性低，男性更适应低温环境，女性更适应高温环境等。因此，本方案从红外热成像中识别人年龄与性别，同时考虑年龄、性别与皮肤温度将有助于提高热舒适模型准确度。
[0028](2)系统设置简单，感知部分仅需要红外热像仪，具有低成本、非接触、易于安装、保护隐私的优点。
[0029](3)由于红外热像仪所测皮肤温度与人体核心温度存在一定偏差，因此，利用计算机视觉技术从红外热成像中获取人的年龄与性别，基于年龄与性别对红外热像仪得到的皮肤温度进行校正，使得个体热舒适的判断结果更为准确。
[0030](4)基于个体热舒适自主调控局部空调系统，尽可能满足了个体热舒适差异，具有
个性化、舒适节能等优点。该系统可广泛应用到办公建筑、驾驶室、飞机舱等环境中，具有实际意义。
附图说明
[0031]图1为本专利技术实施例中提供的一种基于红外热成像的室内人体热舒适智能调控方法的流程示意图；
[0032]图2为本专利技术实施例中提供的对红外热成像进行热舒适度预测的结果示意图。
具体实施方式
[0033]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0034]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]应注本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外热成像的室内人体热舒适智能调控方法，其特征在于，包括以下步骤：从被测环境中获取室内被测者的面部红外热成像以及皮肤温度；采用预先建立并训练好的生物参数提取模型，根据所述面部红外热成像，提取被测者的年龄和性别；采用预先建立并训练好的热舒适度预测模型，根据被测者的皮肤温度、年龄和性别，预测被测者的热舒适度；根据预测出的热舒适度对被测环境的空调系统进行调控。2.根据权利要求1所述的一种基于红外热成像的室内人体热舒适智能调控方法，其特征在于，所述生物参数提取模型基于卷积神经网络构建。3.根据权利要求1所述的一种基于红外热成像的室内人体热舒适智能调控方法，其特征在于，所述热舒适度预测模型基于机器学习模型构建。4.根据权利要求1所述的一种基于红外热成像的室内人体热舒适智能调控方法，其特征在于，所述热舒适度预测模型的训练过程包括：选取训练集对热舒适度预测模型进行训练，训练过程中，所述热舒适度预测模型的输入值为被测者的性别、年龄和皮肤温度，输出值为被测者的热舒适度。5.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：李佩娴，卢昱杰，林怡君，罗茂辉，刘金杉，
申请(专利权)人：同济大学，
类型：发明
国别省市：