[发明专利]一种基于深层卷积网络的人体皮肤温度检测方法

说明书

本发明公开了一种基于深层卷积网络的人体皮肤温度检测方法，采集受试者皮肤随时间变化的视频以及温度传感器获取的皮肤温度真值，对视频进行采样和饱和度提取得到特征矩阵，对皮肤温度真值进行插值处理得到标签，处理得到训练集，将得到的训练集输入到改进ResNet50V2网络中对改进ResNet50V2网络进行训练，得到训练好的改进ResNet50V2网络，改进ResNet50V2网络将卷积层一、残差块一、残差块二、残差块三输出的特征信息提取出来，各自做全局池化，得到四条提取路径的特征矩阵特征，然后和经过原始网络的高层特征矩阵做拼接。本发明能对人体皮肤温度进行实时预测，有着较好的准确度。

技术领域

本发明涉及深度学习领域，涉及一种人体皮肤温度检测方法。

背景技术

实时的非侵入式人体热舒适检测，在智能建筑的节能控制和舒适环境提供方面占据重要地位。其目的是通过普通摄像头(手机、电脑)等视觉传感终端，实时采集人体的视频数据，通过算法对人体热舒适程度进行分析和感知，所分析结果作为反馈信号提供给中央空调系统(Heating，Ventilation，and Air Conditioning，HVAC)。在此基础上，智能建筑系统能够实现全局的能量优化，在满足人体热舒适的前提下，实现节能控制。生理学研究表明，人体在热舒适环境中，思维、观察力和技能操作等方面将处于最佳状态。因此，承认个体差异，根据各人不同的热舒适需要，进行能源供给和优化，对于实现以人为本的智能建筑具有重要意义。

商业和居民建筑的能源消耗占全世界能源消耗总量的21％，在人口向城市流动较大的国家和地区，建筑能耗将以每年32％的速度增加。建筑能耗中，有50％与中央空调系统(HVAC)有关，中央空调系统负责整个建筑的热舒适性。目前行业内根据国际标准(ASHRAE标准55，ASHRAE标准62.1)，为建筑物提供恒定的环境，所采用的参量包括温度、湿度、空气流动等。比如瑞典的住宅室温常年控制在25℃左右，以项目申请人所监测室温数据为例，瑞典皇家理工学院主校区Lindstedtsvagen 3–4635房间的室温一直保持在24.1℃-25.7℃；中国室内空气质量标准规定冬季采暖室温为16℃–24℃，但实际操作时，有些区域会高出该范围很多，达到27℃甚至30℃。这种固定室温的冷热供给方式，没有将建筑使用者的个体差异性和时变性考虑在内。此外，研究显示，即便是微小的室温调节(比如1℃)，对整个建筑的能耗影响也是很大的。在Fanger热舒适理论的基础上，美国采暖、制冷和空气调节工程师学会(ASHRAE)和国际标准化组织ISO标准(No.7730)给出了热舒适环境的定义：在某一室内空间，至少80％建筑使用者在心理状态上感到满意的热环境温度范围。人体热舒适是一种主观感受，只有具体监测到每一个人，才能获得这一信息。因此，基于人体皮肤温度，为了获得热舒适程度，目前有三种方法，阐述如下：

1.2.1问卷调查法

问卷调查法主要是通过问卷形式，了解建筑使用者的热偏好，以此作为环境调节的依据。早先使用纸质问卷方式，在互联网发展之后，通过网络界面进行调查。比如，Q.C.Zhao等在建筑使用者连续投票的基础上，建立了一种数据驱动的热舒适预测模型。通过在线式投票，确定了四个评估参量，继而通过最小化系数的误差函数来计算用户的热舒适。问卷方式，属于主观评测范畴，根据的定义，本质上它更能反应用户的心理状态和热舒适水平。但问题在于，问卷调查法依赖于建筑使用者持续、频繁的参与，所以可操作性偏弱，效率较低。

1.2.2环境监测法

环境监测法是通过传感器对室内的温度、湿度、空气流速等系列参量进行检测，利用相关监督模型建立温度、湿度等参量与人体热舒适之间的关系，以判断环境的舒适性。比如，W.Liu等将室温环境分为舒适，不舒适的温暖和不舒适的凉爽三种类别，并开展主观实验。邀请受试者投票，继而获得受试者的感受统计数据。在此基础上，建立5个隐含层的人工神经网络(ANN)，通过空气温度、辐射温度、空气流量、空气湿度等4个参量的数据进行模型训练。该研究的局限性是没有考虑人体热舒适的时变性。环境监测法的操作过程中，以提前假定的热舒适模型为依据，缺乏建筑使用者的具体参与，无法获知使用者的实时的热舒适感受。