[发明专利]一种基于AlphaPose的热舒适姿态估计方法

说明书

本发明揭示了一种基于AlphaPose的人体热舒适姿态估计方法，其实现步骤主要包括：（1）使用摄像头采集视频数据；（2）预处理数据，使用AlphaPose保存包含基本骨架的图片以及关键点信息的JSON文件，而后读取保存的图片，并且将相对应的JSON文件中存储的关键点位信息提取出来；（3）根据已有的数个人体冷热状态下可能做出的动作特点构建相关算法，实现姿态估计的实际检测应用并反馈结果。本发明对普通摄像头获取的视频进行处理，无须在人体侵入式加装传感器，能够实现在非侵入的前提下，获得人体基本的热舒适状态；以此为中央空调系统（HVAC）实时地提供准确有效的反馈信号，使场景内体感更加舒适、节省能源。

技术领域

本发明涉及人体热舒适非侵入式检测、姿态估计方法，尤其涉及一种基于AlphaPose的热舒适姿态估计方法，属于计算机信号处理以及建筑物理领域。

背景技术

当前，世界能源的消耗在快速增长，其中商业和居民建筑的能源消耗占全世界能源消耗总量的21%。而在建筑能耗中，有50%的能耗与中央空调系统（HVAC）有关。目前在空调行业内采取的主要方法是根据国际标准（ASHRAE 标准55，ASHRAE 标准62.1），为建筑物提供恒定的环境。这种固定室温的冷热供给方式，并没有将建筑使用者热舒适状态的个体差异性和时变性考虑在内。研究显示，即使是对室温进行微小的调节（比如1℃），对于整栋建筑物的能耗影响也是巨大的。如果能够结合具体环境，进行能源分配，不仅可以满足个体热舒适的要求，而且可以实现能源节约。

美国采暖、制冷和空气调节工程师学会（ASHRAE）和国际标准化组织ISO标准（No.7730）对热舒适环境给出了如下定义：在某一室内空间，至少有80%的建筑使用者在心理状态上对当前热环境感到满意的温度范围。因此，人体热舒适作为一种主观感受，往往需要对每个个体进行检测。S.Y.Sim等使用手环检测人体皮肤温度，并邀请了8名受试者参与不同热条件的测试。在此基础上，基于平均皮肤温度、温度梯度和温度时间差等参量构建出人体热舒适模型。C.Z.Dai等提出了一种基于支持向量机（SVM）的热舒适预测方法。使用皮肤温度作为输入，同时通过结合身体不同部位的综合皮肤温度来改善模型，预测准确率达到90%。A.Ghahramani等提出了一种基于红外热成像传感的皮肤温度检测方法，通过在眼镜上安装传感器，对面部进行监测，以此预测人体热舒适程度。Kizito N.Nkurikiyeyezu等使用人的心率变异性（HRV）来估计人的热舒适状态。通过受试者的心电图（ECG）信号，使用他们开发的特殊HRV分析软件来计算HRV指数。研究表明，使用HRV指数预测人体热舒适状态的准确性高达93.7%。Ken Kawakami等使用光电容积描记图（PPG）来监测血液循环的指标，以此进行人体的热舒适评估。

上述方法通过捕获人体的生理参量，能够实现人体热舒适的检测，但是往往需要在人体相应部位直接或者间接的安装相应的传感器，这会对人们的生活带来一定的影响，因此这种方法可以满足实验室的研究需要，但是在现实应用场景下的实用性就显得偏弱。

发明内容

鉴于上述现有技术建筑能耗管控不利和直接侵入式生理参量获取进行人体热舒适检测的现状，本发明提出了一种基于AlphaPose的热舒适姿态估计方法，采用非侵入式的检测方法，使用普通摄像头等，对个体活动的视频数据进行采集，并使用AlphaPose对人体的关键点位进行检测；以此为中央空调系统（HVAC）实时地提供准确有效的反馈信号，使场景内体感更加舒适、节省能源。

本发明实现上述目的的技术解决方案为：一种基于AlphaPose的热舒适姿态估计方法，其特征在于包括：

步骤一数据预处理，分先后作如下两部分处理，

对普通摄像头实时获取的视频数据，使用AlphaPose获取带有基本骨架的图片和包含关键点信息的JSON文件；

读取JSON文件中的关键点信息，并分类存入列表；