空调环境下基于红外图像识别人体热舒适性分析研究

Posted 汽车空调舒适性测评

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了空调环境下基于红外图像识别人体热舒适性分析研究相关的知识,希望对你有一定的参考价值。

1
引入

      随着对节能建筑需求的不断增长,解决建筑物的能耗问题也是越来越多人关注的重点。举一个“栗子”,你有没有过下面这位同学的体验:

      特别是夏天晚上睡觉的时候,空调开久了冷的瑟瑟发抖怕感冒,关了空调睡觉早上起来的时候又会热出一身汗。如果空调能够自己根据人体温度来自己调节温度,在节能的同时又能最大程度的满足人对舒适度的需要,岂不美哉?


      浙江大学16级能源与环境工程柳同学则在她的优秀毕业论文《空调环境下基于红外图像识别人体热舒适性分析研究》里给出了她关于这几个问题的想法。

2
背景

      清华大学建筑节能中心的系列研究报告显示,我国建筑能耗占全国能源消费总量的18~23%,且建筑能耗总量呈持续增长的趋势[1]。而暖通空调(Heating Ventilation and Air Conditioning, HVAC)系统能耗是其中重要的组成部分。

但是,尽管消耗了大量的能量用于调节室内的热环境,Karmann等[2]的调查仍显示43%的空间使用者都对环境的热舒适程度感到不满意。而热舒适性对建筑使用者而言至关重要,其与使用者的健康状况、工作效率等密切相关。

现有模型

      为了对热环境进行适当的调节,目前主要有三种方式:

      1. Fanger[3]所提出的经典的PMV-PPD模型;

      2. 人机闭环系统(Human-in-the-loop)[4,5,6],将使用者的实际热反馈加入HVAC系统的控制回路;

      3. 个人舒适系统(Personal Comfort System)[7]将控制焦点从整个空间转移到局部区域。

      但是,这三种方式都存在明显的局限性。PMV-PPD模型无法提供个性化的预测,且仅对稳态条件有效;而后两种方式很大程度上依赖于使用者的持续反馈,且没有考虑人的生理和行为因素。


皮肤温度

      虽然热舒适是人体的一种主观感觉,但是从生理学角度进行分析,当人体处于不同的热舒适状态时,受自主性体温调节活动的影响,其表现出不同的生理状态[8]。皮肤温度是反映人体热应激程度及人体与环境之间热交换状态的一个重要参数。相关研究也显示出皮肤温度与人体热舒适之间的显著相关性[9]。因此,研究者们就考虑建立起皮肤温度与人体热舒适性之间的关系,以此为依据调节空间的热环境。

空调环境下基于红外图像识别人体热舒适性分析研究

图1:人体体温自主调节活动对热舒适的影响[10]

3
实验部分


仪器

      为了测量皮肤温度,主要有两种方式:

      1.热电偶或穿戴式传感器,例如下图中的穿戴式传感器

      2.红外温度计或热像仪。

空调环境下基于红外图像识别人体热舒适性分析研究

图2:穿戴式传感器

      相较于热电偶或穿戴式传感器,红外温度计或热像仪可以实现实时的非入侵测量然而用于科研的红外热成像仪,价格十分昂贵,动辄上万。那有没有可能用更为便宜的低分辨率红外成像仪来实现对人体热舒适性的准确判断呢?因此,本研究选择了两种不同分辨率的红外热像仪,对受试者的皮肤温度进行测量。

空调环境下基于红外图像识别人体热舒适性分析研究

图3:红外热像仪

      FLIR Lepton 2.5为微型长波红外模块,相较于手持式红外热像仪FLIR E40,其具有体积小、价格相对便宜的特征,因此,最有可能实际应用于HVAC系统。但是,其分辨率和精度也相对较低。



实验过程

      本研究招募了10位受试者,分为A、B两组,A组两种热像仪设置距离不同,但受试者脸部在红外图像中占比近似,B组两种热像仪设置距离相同。使用热像仪,在不同的环境温度下,对受试者的脸部进行了拍摄,并提取了前额、鼻子、嘴唇和左右脸颊的温度数据,结合同一时刻受试者反馈的热感觉投票(Thermal Sensation Vote, TSV)和热舒适投票(Thermal Comfort Vote, TCV)数据进行了一系列分析。


空调环境下基于红外图像识别人体热舒适性分析研究

图4:红外图像示意图

定位方式

      红外图像中每个像素点对应一个温度值,毎帧红外图像对应一个温度矩阵,已有研究显示出脸部温度矩阵和人体热舒适性之间存在明显的相关性,但如何从整体温度矩阵中识别出脸部的温度矩阵是一个难题。先前的大部分研究都基于人体脸部的视觉特征,使用计算机视觉库的Haar级联分类器或人脸特征点算法对人脸进行检测并定位脸部各个区域,但通常需要结合RGB图像。不仅需要使用者提供能更多的个人信息,增加了实际应用的难度,而且需要将RGB图像上的像素点映射到红外图像上,增加了图像处理的复杂度。

      因此,需要一种新的信息处理思路,本研究将图像处理的关注点从视觉特征转向温度特征,基于人体皮肤温度和环境温度的显著差异性以及脸部各个区域的基本比例关系定位脸部的不同区域。

      关于脸部的基本比例关系,本研究参考了王悦[12]等对上海地区100例青年人脸部标志点间距的测量和统计学分析。脸部中线的标志点如图5所示。本研究使用的脸部标志点间距列于表1。

空调环境下基于红外图像识别人体热舒适性分析研究

图5:脸部中线标志点

表1:上海地区男、女青年脸部正常测量值分布表

空调环境下基于红外图像识别人体热舒适性分析研究

      如图6所示,首先设定一个温度阈值,从温度矩阵的第一行第一列先横向后纵向搜寻,找到第一个大于阈值的点,为T点,继续搜寻,根据面部宽度先增大后减小的趋势以及宽度限制,定位Zy点,Zy-Zy即为面部宽度。然后根据各个区域的基本比例关系和相对位置关系对各个区域(前额、鼻子、嘴唇和左右脸颊)进行定位。

空调环境下基于红外图像识别人体热舒适性分析研究

图6:区域定位示意图

      如图7所示,从不同分辨率和不同距离的同一热像仪获取的红外图像,应用此方式基本都能实现对前额、鼻子、嘴唇和左右脸颊较为准确的区分和定位,且只需要受试者的温度信息,而无需结合RGB图像。

空调环境下基于红外图像识别人体热舒适性分析研究

图7:红外图像上脸部不同区域定位结果

4
结论

1. 对提取得到的温度数据分析表明,低分辨率热像仪测得的皮肤温度通常比高分辨率热像仪低1~2 ℃,但都能捕捉到不同环境温度下皮肤温度的变化;


2. 使用SPSS计算了各区域温度数据与热舒适性反馈数据(TSV&TCV)之间的斯皮尔曼等级相关系数ρ,各区域温度数据与TSV之间的相关系数均大于0.7,呈显著相关,与TCV之间并没有体现出明显的相关性


3. 对比受试者之间同一环境温度下的脸颊区域皮肤平均温度和TSV反馈,结果显示,基于红外图像识别分析人体热舒适性能够反映出受试者的个性化热需求。

             表2:各个区域内皮肤平均温度与TSV和TCV的斯皮尔曼等级相关系数ρ和p值

表3:稳定工况三后十五分钟4号和5号受试者脸颊皮肤平均温度和TSV反馈

总结

      从相关系数和个性化热需求来看,微型长波红外模块FLIR Lepton 2.5都具备应用于HVAC系统以降低建筑能耗、提高空间使用者热舒适程度的可能性。通过此方式,找到所谓的“温度平衡点”并非是一个无法实现的想法。

5
参考文献

[1] 中国建筑节能协会能耗统计专委会. 2018 中国建筑能耗研究报告[J]. 建筑, 2019(02): 26-31

[2] Karmann C, Schiavon S, Arens E. Percentage of commercial buildings showing at least 80%

occupant satisfied with their thermal comfort[C]. proceedings of the windsor conference, 2018: 1-7

[3] Fanger P O. Thermal comfort: analysis and applications in environmental engineering[J].

Thermal Comfort Analysis & Applications in Environmental Engineering, 1972

[4] Feldmeier M, Paradiso J A. Personalized HVAC control system[C]. the internet of thin


以上是关于空调环境下基于红外图像识别人体热舒适性分析研究的主要内容,如果未能解决你的问题,请参考以下文章

图像融合基于matlab增强随机游走算法多焦点图像融合含Matlab源码 1975期

图像去噪基于matlab改进非局部均值红外图像混合噪声含Matlab源码 1640期

图像识别基于模板匹配算法识别人脸matlab源码含GUI

图像识别原理简介——以车牌识别为例

基于STM32的智能家居控制系统设计与实现(带红外遥控控制空调)

基于STM32的智能家居控制系统设计与实现(带红外遥控控制空调)