[发明专利]融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法

权利要求书

1.融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法，其特征在于，包括以下步骤：

步骤1：采集大空间公共建筑图像，基于区域高斯马尔可夫随机场，建立大空间公共建筑图像的前景和背景的分割模型，提取建筑空间中人员目标；

步骤2：基于步骤1提取的建筑空间图像中人员的前景像素信息，利用线性回归方法建立估计建筑空间人员密度的线性模型；

步骤3：根据步骤2建立的人员密度估计模型，实时估计的建筑空间内人员密度的变化，计算出动态人体负荷；

步骤4：根据步骤2实时估计的建筑空间内人员密度，结合围护结构和装饰相关的室内面积，得到建筑空间内t时刻动态新风量L_w(t)估计；

步骤5：基于步骤3估计的大空间建筑中的人员负荷，以及步骤4得到的动态新风量，进行大空间建筑的动态负荷空调新风量控制；

步骤1具体包括：

1a)建立区域高斯马尔可夫随机场模型的图像分割算法，利用高斯混合模型建立建筑空间图像前景人和图像背景的分析模型：

其中，X,Y分别表示大空间公共建筑图像的分类标签场和观察场；P(Y|X)表示观察图像场与分割标签场的高斯似然概率分布；P(X)表示标签场的先验知识；

1b)结合图像的先验知识，建立图像分割的区域MRF后验概率能量模型：

式中，w(d_s)为图像划分3×3子区域内中心像素与邻域像素的距离权值；

定义为图像观察场的似然能量项：

分别表示第k类高斯混合分布的均值和方差；

定义为图像标号场的平滑能量项：

式中，当y_s＝y_r时，V(y_s,y_r)＝0；当y_s≠y_r时，V(y_s,y_r)＝1；是局部区域标号场的四个方向上的参数，κ_sr也是一个方向参数，当邻域像素对为水平或者垂直方向的节点时，定义κ_sr＝1；当邻域像素对为对角或者反对角方向上的节点时，定义κ_sr＝0.5；

1c)采用Gibbs采样算法求解MRF后验概率模型的最优分布，提取人员目标；

1d)对步骤1c)分割结果利用数学形态学膨胀运算，平滑部分斑点误分割；

步骤4中，根据步骤2估计的建筑空间人员密度，结合围护结构和装饰相关的室内面积，得到建筑空间内t时刻动态新风量L_w(t)估计式：

L_w(t)＝N_px(t)R_p+R_bA_b

式中，N_px(t)为室内t时刻总人数；R_p为每人最小新风量指标，单位m³/(h·人)；R_b为每平方米地板所需最小新风量指标，单位m³/(h·m²)；A_b为地板面积，单位m²；

步骤5中，根据实时估计的建筑空间内人员密度，控制空调的功率；人群密度为0～0.4人/m²时，对应空调的负荷等级为Ⅰ级；人群密度在0.4人/m²～1.0人/m²时，对应空调的负荷等级为Ⅱ级；人群密度大于1.0人/m²时，对应空调的负荷等级为Ⅲ级；Ⅲ级空调的功率＞II级空调的功率＞I级空调的功率。

2.根据权利要求1所述的融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法，其特征在于，步骤2具体包括：

在不同时刻t下，获取大空间公共建筑内图像信息，并重复步骤1，提取前景图像信息，通过比较多次实验提取的前景像素总数和统计的室内人员总数，利用最小二乘法进行线性拟合，得到前景像素数和室内人员数服从下式：

Z＝mN_px+b

式中，Z为前景像素数，N_px为估计的室内人员数，m和b为线性回归系数。

3.根据权利要求1所述的融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法，其特征在于，步骤3中，根据步骤2建立的人群密度估计模型，实时估计的建筑空间内人员密度的变化，计算出动态人体负荷，计算公式如下式所示：

Q_w(t)＝k·N_px(t)·q_w/1000

式中，Q_w(t)为t时刻建筑空间内的动态人体负荷；k为群集系数；N_px(t)为室内t时刻总人数，即为人员密度与地面面积之积；q_w为人体负荷指标，单位为W/人。