[发明专利]一种基于图像处理的窗户开度检测方法

说明书

本申请涉及暖通空调领域，公开了一种基于图像处理的窗户开度检测方法，包括：拟合窗扇标记点在不同窗户开度下的运动轨迹曲线；对窗户图像进行角点检测，并保留运动轨迹曲线设定范围内的角点；对窗户图像进行直线检测，并在保留的角点中寻找同时位于直线两端设定距离内的角点作为目标标记点；根据目标标记点的位置，确定窗户的开度。上述窗户开度检测方法经过图像处理方法中的角点检测与直线检测以及运动轨迹曲线的结合，筛选掉背景上所检测到的角点和直线，可以实现准确的窗户具体开度的检测，适用于较为复杂的场景。

技术领域

本发明涉及暖通空调领域，特别是涉及一种基于图像处理的窗户开度检测方法。

背景技术

有相关研究表明，窗户不同开启面积的换气次数差异很大，如开窗面积25％与开窗面积为100％时，换气次数几乎相差9倍，而换气次数会对室内空气质量、人员热舒适以及建筑能耗产生重大影响。准确获取开窗行为数据有助于进一步提高建筑能耗模拟准确性和优化建筑通风空调系统运行控制性能，从而达到建筑节能减排的目的。

目前，在暖通空调领域，主要通过采用问卷调查和门窗传感器等手段获取窗户开启和关闭两种状态数据，从而实现对开窗频次、时长和开启概率等行为特征进行定量描述。对于问卷调查的方法，通常是研究人员对每个受试者进行口头或发放问卷调查，记录其开窗行为等情况的信息，此方法耗费较多的人力与时间，并且问卷所获取窗户状态的准确性无法保证。对于门窗传感器的方法，研究人员将其安装在窗户上，所记录的窗户开关数据会上传至终端，此方法所采集的是窗户开关两种状态。但考虑到仅仅获取窗户开关两种状态难以对开窗行为及其对建筑运行性能的影响进行深入分析，近年来部分学者尝试采用深度学习的方法对窗户不同开度(即打开角度)范围加以检测，例如关闭、部分开启以及开启，具体做法是制作相关的窗户开关数据集，用于训练基于深度学习的目标检测算法，实现对窗户不同开度范围的检测。但是，基于深度学习识别窗户开度仍具有一定的局限性，具体表现在深度学习不仅需要时间与人力制作大量的数据，且窗户相近开启角度的图像特征相似，深度网络学习的特征差别小，使得检测效果较差。因此所获取的往往是窗户不同开度范围而非具体窗户开度，难以在后续应用和研究中充分体现不同窗户开度对室内冷热负荷和空气质量所产生的影响。考虑到实际生活中不同用户开窗行为往往差异显著，相比于将窗户开度简化为若干个变化区间较大的开度范围，对窗户具体开度进行检测能够更好地帮助分析不同人群开窗行为的差异，所获取的开窗行为数据更加准确且适用性更强。

因此，如何设计一种可检测窗户具体开度的方法，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于图像处理的窗户开度检测方法，可以实现准确的窗户具体开度的检测，适用于较为复杂的场景。其具体方案如下：

一种基于图像处理的窗户开度检测方法，包括：

拟合窗扇标记点在不同窗户开度下的运动轨迹曲线；

对窗户图像进行角点检测，并保留所述运动轨迹曲线设定范围内的角点；

对窗户图像进行直线检测，并在保留的角点中寻找同时位于直线两端设定距离内的角点作为目标标记点；

根据所述目标标记点的位置，确定窗户的开度。

优选地，在本发明实施例提供的上述基于图像处理的窗户开度检测方法中，拟合窗扇标记点在不同窗户开度下的运动轨迹曲线，包括：

获取不同窗户开度下窗扇标记点的坐标值；

根据所述窗扇标记点的坐标值，利用多项式拟合所述窗扇标记点在不同窗户开度下的运动轨迹曲线。

优选地，在本发明实施例提供的上述基于图像处理的窗户开度检测方法中，对窗户图像进行角点检测，包括：

利用角点检测算法对窗户图像进行角点检测，获取窗户图像上的所有角点。