基于监控视频的室内occupancy测量与以人为中心控制的实验研究
系统与控制
2026-03-30 v1 计算机视觉与模式识别
系统与控制
摘要
准确的occupancy信息对于智能建筑中闭环以人为中心控制（OCC）至关重要。然而，现有的基于视觉的occupancy测量方法在真实室内环境中往往难以提供稳定且准确的测量，其对下游暖通空调（HVAC）控制的影响也研究不足。为实现2050年净零排放目标，本文开展了大型语言模型（LLM）增强的基于视觉的室内occupancy测量实验研究及其对OCC驱动的HVAC运行的影响。在相同条件下，对比了仅检测、基于跟踪和基于LLM精化的处理流程，使用来自中国某研究实验室的真实监控数据，并采用逐帧人工标注的真值。结果表明，基于跟踪的方法相比仅检测测量提升了时间稳定性，而基于LLM的精化进一步改善了occupancy测量性能并减少了虚假的未占用预测。表现最佳的处理流程YOLOv8+DeepSeek实现了0.8824的准确率和0.9320的F1分数。该流程随后被集成到OpenStudio-EnergyPlus中的HVAC监督模型预测控制框架中。实验结果表明，所提框架能够支持更高效的OCC运行，实现了17.94%的显著HVAC节能潜力。这些发现为AI增强的智能建筑运行未来研究提供了有效的方法论和实践基础。
引用
@article{arxiv.2603.26081,
title = {Experimental study on surveillance video-based indoor occupancy measurement with occupant-centric control},
author = {Irfan Qaisar and Kailai Sun and Qingshan Jia and Qianchuan Zhao},
journal= {arXiv preprint arXiv:2603.26081},
year = {2026}
}