[发明专利]联合视觉探测与浓度传感的建筑环境突发污染源辨识方法

说明书

一种联合视觉探测与浓度传感的建筑环境突发污染源辨识方法，在建筑环境突发污染源定位中引入计算机视觉，通过人为释放污染动作的即时辨识，为后续应急处置措施的开展争取时间；采用结合逆马尔科夫链与贝叶斯推理的室内突发污染源快速识别方法；利用视觉技术识别人为释放污染动作并联合浓度传感快速寻找污染源。本发明大幅提升了室内突发污染源辨识的即时响应特性；将污染源辨识算法的识别时间降低至分钟级；并提出了当视觉辨识不明确或失效时，浓度传感数据辅助(主导)判定污染源位置的实施方案，通过视觉+浓度两个维度的数据对污染源辨识准确性形成互补的同时提升了室内突发污染场景中污染源辨识技术的可靠性。

技术领域

本发明属于建筑环境突发污染事件应急领域，涉及联合视觉探测与浓度传感的建筑环境突发污染源辨识技术。

背景技术

2019年颁布施行的《空调通风系统运行管理标准》(GB50365-2019)规定：当空调通风系统中有生化污染产生时，应在房间使用前将污染源清除或提前通风稀释污染物。实际上，污染源在通风系统内的位置关系到系统后续应急措施的有效性。比如，当污染发生在新风口时应采取的措施是关闭整个通风系统而不是增大新风稀释。在此类事件中，快速准确地定位污染源变得尤为关键。然而，囿于现有研究中生化传感器的布置缺乏工程条件约束、污染源辨识模型求解时间过长等原因，尚无法在实际技术应用中实现突发污染的快速源定位。

在建筑环境一旦发生人为释放的突发污染传播的场景中，如何通过预警信息进行快速源定位极具挑战，其技术瓶颈来源于：现有基于浓度数据的污染源辨识模型反演时间过长，与实际工程需求矛盾。若能将视觉辨识人为释放污染动作的即时反馈特性与污染源快速反演模型联合并形成互补，有望大幅提升室内突发空气污染源辨识的时效性和可靠性。

暖通空调领域近年利用计算机视觉技术开展了室内个体行为模式识别的研究，主要用于行为节能、建筑能耗预测等。有研究者系统研究了办公建筑个性化环控行为的产生机理，并利用图像分类技术辨识了室内人员的位移行为。另有研究者采用被动红外探测器对人员在室情况进行了分类，以此为依据计算照明系统浪费的电耗。但未见将人行为视觉辨识应用于室内突发污染源辨识场景的相关公开技术。

发明内容

针对上述现有技术的缺点，本发明提出一种联合视觉探测与浓度传感的建筑环境突发污染源辨识技术。

为达到上述目的，本发明采用的技术方案是：

首先，在建筑环境突发污染源定位中引入计算机视觉，通过人为释放污染动作的即时辨识，为后续应急处置措施(人群疏散+应急通风)的开展争取时间；其次，创新了一种结合逆马尔科夫链与贝叶斯推理的室内突发污染源快速识别方法；最后，构思了利用视觉技术识别人为释放污染动作并联合浓度传感快速寻源的技术思路，尝试从另一个方向破解污染源定位所需时间与技术应用需求间的矛盾。

(1)在视觉辨识人为释放污染动作方面，本发明采用OpenPose实时多人姿态估计开源库 (基于深度学习)及LSTM神经网络实现人为释放污染动作识别。其中，OpenPose开源库可以实时辨识视频流中每个人的姿态，实现面部、躯干、四肢等骨骼点的提取。LSTM神经网络是循环神经网络(RNN)的一种，其将每个时刻得的输入结合当前模型的状态输出，可解决图像信息的梯度消失问题。

LSTM的输出由记忆单元和输出门联合计算如下：

式中，为t时刻的候选状态；W_c为候选状态的权重矩阵；b_c为候选状态的偏置；h_t为t时 刻的最终输出；x_t为LSTM的输入包括当前时刻的网络输入；h_t-1为上一时刻LSTM的输出； c_t-1为上一时刻的记忆单元；h_t为当前时刻的输出；c_t为当前时刻的记忆单元；O_t为t时刻的 输出门。