[发明专利]一种基于机器视觉的空调预测控制方法

权利要求书

1.一种基于机器视觉的空调预测控制方法，其特征在于，包括以下步骤：

步骤1，采集建筑内部空间图像；基于计算机视觉和深度学习技术，建立一个端到端的人员或人头检测模型并训练；

步骤2，基于步骤1训练后的人员或人头检测模型，对待检测建筑内部空间图像的人员或人头数量进行统计，获得建筑内部的实时人员或人头数量；

步骤3，根据步骤2得到的实时人员或人头数量，计算获得建筑内部的动态人员负荷；

步骤4，根据步骤3得到的人员实时动态负荷，建立空调预测控制策略，计算当前系统所需供冷量，实现建筑空间的温度调控。

2.根据权利要求1所述的一种基于机器视觉的空调预测控制方法，其特征在于，步骤1中，所述基于计算机视觉和深度学习技术，建立一个端到端的人员或人头检测模型，具体包括：

(1.1)利用深度学习网络建立一个端到端的人员或人头检测模型；

(1.2)采用分类损失和回归损失融合，计算最终头部边框输出区域，损失函数表达式为：

其中，

式中，p_i是候选框i所包含头部的预测概率，为其真值标签；t_i为预测边界框i的参数化坐标，为其真值的参数化坐标；N_cls和N_reg分别是分类和回归的样本数；

(1.3)对人员或人头检测模型进行训练，获得模型参数，得到训练后的人员或人头检测模型。

3.根据权利要求2所述的一种基于机器视觉的空调预测控制方法，其特征在于，步骤2具体包括：采用步骤1的损失函数，对建筑内部空间图像进行人员数量统计；

其中，当损失函数L大于等于预设阈值时，认为相应处有一个人员，若L小于预设阈值，则认为相应处无人，获得人员数量N(t)。

4.根据权利要求3所述的一种基于机器视觉的空调预测控制方法，其特征在于，步骤2中，预设阈值为0.5。

5.根据权利要求3所述的一种基于机器视觉的空调预测控制方法，其特征在于，步骤3中，动态人员负荷的计算表达式为：

Q(t)＝k·N(t)·q，

式中，Q(t)为t时刻建筑空间内的人体负荷；k为群集系数；N(t)为室内t时刻总人数，q为人体负荷指标。

6.根据权利要求5所述的一种基于机器视觉的空调预测控制方法，其特征在于，步骤4中，建筑负荷变化ΔQ的计算表达式为：

ΔQ＝Q(t)-Q(t-1)，

式中，Q(t)为当前时刻负荷，Q(t-1)为上一检测时刻负荷；

基于建筑负荷变化ΔQ，计算当前系统所需供冷量，计算表达式为：

式中，N_max为建筑内部可容纳最大人员数量，G₀为系统原始控制策略的冷量供给。

7.根据权利要求1所述的一种基于机器视觉的空调预测控制方法，其特征在于，所述基于机器视觉的空调预测控制方法，能够实现建筑内部的温度变化波动范围为2℃。