基于机器学习的自动化热舒适预测:融合低成本热像与可见光相机以提升精度
计算机视觉与模式识别
2022-04-20 v1 机器学习
图像与视频处理
摘要
近期研究试图将居住者需求纳入建筑控制回路,以兼顾个体福祉与建筑节能。为此,需要实时反馈系统提供关于居住者舒适状况的数据,用于调控建筑供暖、制冷与空调(HVAC)系统。热成像技术的出现为无接触数据采集提供了绝佳机会,且不干扰居住者状态与活动。因其在读取人体皮肤温度时的非侵入特性,红外热像仪在公共建筑中的使用受到日益关注。然而,现有最先进方法尚需额外改进以提升可靠性。为发挥潜力并解决若干现存局限,需借助机器学习与图像处理的优势,通过更具整体性的视角看待非侵入式热扫描,提出新方案。本研究实现了一种自动化方法,采集并配准同步热像与可见光图像,并读取不同区域的面部温度。本文还给出两项附加研究。第一,通过在额头区域使用IButton可穿戴热传感器,考察了廉价热像仪(FLIR Lepton)读取皮肤温度的可靠性。第二,通过研究热像的伪彩色版本,探讨非辐射热像用于预测个性化热舒适的可能性。结果显示随机森林与K近邻预测算法在个性化热舒适预测中表现强劲。此外,我们发现当算法以更大量数据训练时,非辐射图像亦能指示热舒适。
引用
@article{arxiv.2204.08463,
title = {Machine Learning-Based Automated Thermal Comfort Prediction: Integration of Low-Cost Thermal and Visual Cameras for Higher Accuracy},
author = {Roshanak Ashrafi and Mona Azarbayjani and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2204.08463},
year = {2022}
}