【技术实现步骤摘要】
本专利技术涉及一种利用图像提取与数据驱动技术构建的多区通风控制方法，特别是涉及大型公共建筑空间中满足防疫与节能需求的多区通风控制方法。
技术介绍
1、呼吸道传染病爆发对人类生命健康与经济社会发展带来了巨大威胁。呼吸道疾病主要通过飞沫、飞沫核和气溶胶传播，充分证据表明气溶胶空气传播是呼吸道疾病的主要传播途径。公共建筑由于空间封闭、人员密集且流动频繁，交叉感染风险大大增加，成为呼吸道疾病防控的重要战场，公共建筑空气环境的安全与健康也得到极大重视。
2、在公共建筑中，呼吸道疾病防控的首要目标是实现人体呼出气溶胶的高效控制。然而气溶胶空气传播具有源不确定性、传播速度快、感染性强等特性，往往呈现出“空间非均匀、时间非稳态”的复杂分布特性，对其进行实时控制难度较大。通风设计及其动态调控是降低气溶胶浓度和感染风险的重要手段，呼吸道疾病防控对其提出了更高要求，例如提高送风量、向人员聚集区域强化送风等。但仍面临以下挑战：1)传统通风系统采用全局调控送风量的模式，可能导致局部区域的送风量无法达到防疫要求进而增加感染风险，特别是在高密度人员聚集区域；2)即使通风系统能够满足局部区域对送风量的设计需求，若通风系统长时间以大风量运行，则会导致通风能耗急剧上升甚至大量能源浪费。
技术实现思路
1、本专利技术需解决的技术问题是提供一种多区通风控制方法，解决采用全局风量调控模式的传统通风系统导致的呼吸道疾病感染风险增加、能耗急剧上升和大量能源浪费等难题，能实现公共建筑节能目标。
2、为了解
3、本专利技术所述控制方法包括以下具体步骤：
4、一、采用全景视觉摄像头获取公共建筑室内空间中的人员情景监测视频并将视频文件传送到orange pi单板机，利用yolo v4(you only look once version4)图像提取算法进行人员轮廓边界框识别，确定室内人员空间位置(即边界框的底部中心点)坐标数据；
5、二、结合导入orange pi单板机的全景监测视频对全部送风口的安装位置与数量进行提取识别，并按照1个送风口对应1个区域的原则对室内空间进行划分，再根据区域划分情况对步骤一所述的人员空间位置坐标进行归类；
6、三、利用计算流体力学、线性通风模型以及人工神经网络模型构建数据驱动算法并嵌入orange pi单板机，将不同区域人员空间位置坐标数据、送风口风量数据输入数据驱动算法，实现多区域低分辨率呼出气溶胶浓度场的快速预测；
7、四、orange pi单板机根据多区域气溶胶浓度场计算不同区域感染风险，并根据送风口风量计算通风能耗，进而对不同区域的感染风险与通风能耗进行综合评估以实现各区域内送风量的寻优决策，即得到送风量多区分配的最优解；
8、五、将orange pi单板机与不同区域通风管道中的末端风阀进行连接(1个送风口对应1个通风末端风阀)，根据步骤四所述的各区域送风量最优解，调节各区域对应的末端风阀开度来进行多区通风控制，满足防疫与节能需求。
9、进一步地，所述步骤一中，全景视觉摄像头安装于公共建筑室内空间的天花板中心，配有前后左右四个鱼眼镜头，通过广角视野摄像技术实现无盲点监测覆盖，既可以捕捉人员数量与空间位置，也可以识别送风口安装位置；
10、所述orange pi单板机安装于全景视觉摄像头附近，通过有线通信连接方式接收监测视频文件，且将orange pi单板机与不同区域通风管道中的末端风阀进行有线连接，从而控制末端风阀开度进行送风量调节；
11、所述orange pi单板机嵌入yolo v4图像提取算法，yolo v4算法将监测视频逐帧提取为图像，利用卷积神经网络提取图像特征并预测出所有可能的人员轮廓边界框，再通过非极大值抑制方法确定人员轮廓的最优边界框，并将边界框的底部中心点定义为室内人员空间位置；
12、所述非极大值抑制方法确定人员轮廓最优边界框的具体步骤如下：
13、对预测出的所有边界框进行分类并计算分数(属于某个分类的概率)，根据分数由高到低排列；
14、取分数最高的预测框作为目标框a，分别计算出目标框a与其余预测框b之间的交并比(iou)；
15、计算目标框a与预测框b之间的交并比使用以下公式：
16、
17、其中，iou的值越高也说明a框与b框重合程度越高，代表模型预测越准确；反之，iou越低代表模型预测性能越差；
18、若iou大于某一设定的阈值，则认为该预测框与目标框同时负责预测同一个物体，所以将该预测框删除，否则就保留该预测框；
19、在未被删除的预测框中选择分数最高的预测框作为新的目标框，重复上面的步骤，直到判断出所有框是否应该删除，最后剩下的目标框即为最优边界框。
20、进一步地，所述步骤二中，orange pi单板机根据全景监测视频识别出室内空间中全部送风口的安装位置坐标并计算数量，然后根据送风口数量将室内空间划分为若干个区域，并确保每个区域仅有一个送风口且送风口位于区域中心，同时，每个区域之间不存在重叠，且均处于全景视觉摄像头的监测范围之内；所述orange pi单板机根据室内空间的区域划分结果，将提取到的人员空间位置坐标归类到不同区域并得到每个区域的人员位置坐标集合，然后计算出每个区域的人员数量。
21、进一步地，所述步骤三中，利用计算流体力学、线性通风模型以及人工神经网络模型构建数据驱动算法的具体步骤为：
22、s1、参照室内空间几何尺寸，利用icem软件生成非结构3d网格导入计算流体力学软件fluent 16.0，并将每个区域的人员位置坐标集合、送风口位置及其风量作为初始边界条件，进行人体呼出气溶胶浓度场的模拟计算，得到每个区域气溶胶浓度场的模拟数据集合；
23、s2、利用线性通风模型(lvm)对每个区域内气溶胶浓度场的模拟数据集合进行快速扩容，即利用线性通风模型快速预测更多人员数量、位置下的人体呼出气溶胶浓度场模拟数据，并形成新的模拟数据集合；
24、s3、在新的模拟数据集合基础上，将每个区域内高分辨率的气溶胶浓度场模拟数据集合通过分区降维方法处理为低分辨率模拟数据集合，同时也确保高、低分辨率的模拟数据具有好的一致性，即平均绝对百分比误差小于10％；
25、s4、将每个区域内的人员位置坐标集合、送风口位置及其风量作为输入条件集合，同时将输入条件对应的低分辨率气溶胶浓度场模拟数据集合作为输出条件集合，构建数据驱动的径向基函数(rbf)人工神经网络模型训练数据库并验证人工神经网络模型预测本文档来自技高网...
【技术保护点】
1.一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：包括以下具体步骤：
2.根据权利要求1所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤一中，所述全景视觉摄像头安装于公共建筑室内空间的天花板中心，配有前后左右四个鱼眼镜头，通过广角视野摄像技术实现无盲点监测覆盖，既可以捕捉人员数量与空间位置，也可以识别送风口安装位置；
3.根据权利要求2所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤二中，Orange Pi单板机根据全景监测视频识别出室内空间中全部送风口的安装位置坐标并计算数量，然后根据送风口数量将室内空间划分为若干个区域，并确保每个区域仅有一个送风口且送风口位于区域中心，同时，每个区域之间不存在重叠，且均处于全景视觉摄像头的监测范围之内；
4.根据权利要求3所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤三中，利用计算流体力学、线性通风模型以及人工神经网络模型构建数据驱动算法的具体步骤为：
5.根据权利要求4所述的一种基于图像提取与数据驱动的多区通
6.根据权利要求5所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤三中，Orange Pi单板机嵌入计算流体力学、线性通风模型以及人工神经网络模型集成的数据驱动算法，并将每个区域人员空间位置坐标数据、每个区域通风管道末端风阀的送风量数据，作为数据驱动算法的输入条件以快速预测每个区域内的低分辨率人体呼出气溶胶浓度场；其中，每个区域人员空间位置坐标数据由步骤二得到，每个区域的送风量数据通过与其通风管道末端风阀有线连接的Orange Pi单板机直接得到。
7.根据权利要求6所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤四中，根据不同区域的低分辨率气溶胶浓度场计算区域感染风险的具体方法如下：
8.根据权利要求7所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤五中，Orange Pi单板机与不同区域通风管道中的末端风阀进行有线连接，每个区域的末端风阀仅对每个区域的送风口进行风量供给；
...【技术特征摘要】
1.一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：包括以下具体步骤：
2.根据权利要求1所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤一中，所述全景视觉摄像头安装于公共建筑室内空间的天花板中心，配有前后左右四个鱼眼镜头，通过广角视野摄像技术实现无盲点监测覆盖，既可以捕捉人员数量与空间位置，也可以识别送风口安装位置；
3.根据权利要求2所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤二中，orange pi单板机根据全景监测视频识别出室内空间中全部送风口的安装位置坐标并计算数量，然后根据送风口数量将室内空间划分为若干个区域，并确保每个区域仅有一个送风口且送风口位于区域中心，同时，每个区域之间不存在重叠，且均处于全景视觉摄像头的监测范围之内；
4.根据权利要求3所述的一种基于图像提取与数据驱动的多区通风控制方法，其特征在于：所述步骤三中，利用计算流体力学、线性通风模型以及人工神经网络模型构建数据驱动算法的具体步骤为：
5.根据权利要求4所述的一种基于图像提取与...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。