基于人流密度调节的大空间新风系统的精准送风方法

摘要

本发明公开了一种基于人流密度调节的大空间新风系统的精准送风方法，采用摄像头持续采集任一送风区域内的人流图像，利用图像目标检测算法对人流图像进行识别，识别出行人并统计数量，得到该区域空间内任一时刻的人流密度，进一步得到人流密度随时间的变化曲线；根据人流密度与新风量需求值之间的参数关系，得到新风量的逐时需求值；将新风量的逐时需求值作为新风量输出参考值来调控大空间新风系统的新风量输出。本发明可以实现大空间新风系统的新风量的精准调控，可以大幅降低新风能耗。适用于机场、铁路、公路等旅客候车及中转时逗留的大空间新风系统的送风控制。

说明书

技术领域

本发明涉及一种新风系统的精准送风方法，特别涉及一种基于人流密度调节的大空间新风系统的精准送风方法。

背景技术

目前，公共交通枢纽建筑如高铁站、航站楼等场所人员高度密集，呼吸产生大量二氧化碳，一方面会影响建筑室内空气质量，空调控制系统如果不能及时加大新风量或采取有效通风措施，旅客会产生气闷不适感，影响健康；另一方面在冬季和夏季处理新风需要加热和冷却，从而消耗大量能源。研究表明人员负荷、新风负荷是航站楼空调系统负荷的重要组成部分，在夏季冷负荷与冬季新风负荷中的占比均可达到50％及以上。因此根据合理的客流量进行空调和新风供应可大幅节能。

目前国内高大空间交通枢纽建筑空调系统，因为采用定量送风模式，没有根据空间内人流密度情况调节送风量，所以可能存在送风量超过需求而造成浪费，从而浪费能耗。

高大空间交通枢纽建筑内的客流量实时变化，会影响到建筑对新风的需求和建筑内热、湿、污染物负荷的变化，合理的运行调控策略可以有效降低系统的运行能耗。所以需要基于人流密度，对交通枢纽建筑的空调送风等能耗系统进行节能运行调控。

发明内容

本发明为了解决目前高大空间交通枢纽建筑空调系统存在的新风能耗与空间内人流密度不匹配的问题，而提供一种能够降低能耗的基于人流密度调节的大空间新风系统的精准送风方法。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于人流密度调节的大空间新风系统的精准送风方法，采用摄像头持续采集任一送风区域内的人流图像，利用图像目标检测算法对人流图像进行识别，识别出行人并统计数量，得到该区域空间内任一时刻的人流密度，进一步得到人流密度随时间的变化曲线；根据人流密度与新风量需求值之间的参数关系，得到新风量的逐时需求值；将新风量的逐时需求值作为新风量输出参考值来调控大空间新风系统的新风量输出。

进一步地，利用Faster-RCNN图像目标检测算法对人员头部图像进行识别。

进一步地，该方法包括如下步骤：

步骤一，选取一送风区域，获取该区域内的人流图像视频流，并将视频流逐帧分解成为连续的图片数据；

步骤二，将连续的图片数据按照时间顺序以单位时间进行分组；对某一时刻的前或后一个单位时间段内的图片进行人员图像识别，根据识别结果统计该单位时间段内进入该区域内的人数，并将统计的人数与该区域的空间体积的商作为该时刻的人流密度值；

步骤三，根据该区域人流密度与新风量需求值的关系，进一步得到新风量输出参考值；

步骤四，将新风量输出参考值转换为新风系统的输入参考值来控制新风量的输出。

进一步地，步骤一中，将摄像头获得的视频流数据接入计算机，利用LibVlc开源库软件开发工具包支持的实时流媒体传输协议获得摄像头的标准视频流，并将原始视频流文件转换为计算机视觉开源库所支持的Mat矩阵格式文件，将视频逐帧分解成为图片。

进一步地，步骤二中，确定人群计数区域；对该区域内一个单位时间段内的连续图片进行处理，基于图像目标检测算法构建图像人员识别模型，并采用目标跟踪算法对各连续图片中相同人员的图像进行目标跟踪，在统计人员总数时将相同的人员数量减除。

进一步地，基于图像目标检测算法构建图像人员头部识别模型，并采用KCF目标跟踪算法对各连续图片中相同人员的头部图像进行目标跟踪。

进一步地，步骤二中，利用PyCharm集成开发环境实现Faster-RCNN算法框架，并搭建Pytorch、Cuda、Numpy三者之中任一运行环境用于执行算法。

进一步地，将新风量需求值转换为新风系统送风口处的压力参考值，将压力参考值输入至新风系统的控制系统，通过PID方式调节阀门开度和风机转速。

本发明具有的优点和积极效果是：本发明提出了基于人流密度识别模式下的新风系统节能运行调控方法。本发明可借助安装在交通枢纽建筑上部的安防用摄像头，通过读取和抽取摄像头视频流的单帧图像数据，基于Faster-RCNN算法等算法实现交通枢纽建筑各区域人员数量的精确、实时在线识别，并利用实时人流密度分布信息得到各区域人流密度数据，进而计算各区域所需新风量。

本发明可以通过安保摄像头实现人流密度的统计，无需安装其他设备。

本发明可以实现新风系统的新风量的精准调控，可以大幅降低新风能耗，降低运行费用，避免能源浪费。

本发明可解决目前国内高大空间交通枢纽建筑空调系统存在的新风能耗过大问题，适用范围广。

附图说明

图1是本发明的一种基于人流密度调节的大空间新风系统的精准送风方法工作流程示意图。

图2是本发明的一种人流密度、新风量需求值随时间的变化曲线图。

图3是本发明的一种人流密度、新风量输出参考值随时间的变化曲线图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：

请参见图1至图3，一种基于人流密度调节的大空间新风系统的精准送风方法，采用摄像头持续采集任一送风区域内的人流图像，利用图像目标检测算法对人流图像进行识别，识别出行人并统计数量，得到该区域空间内任一时刻的人流密度，进一步得到人流密度随时间的变化曲线；根据人流密度与新风量需求值之间的参数关系，得到新风量的逐时需求值；将新风量的逐时需求值作为新风量输出参考值来调控大空间新风系统的新风量输出。人流密度与新风量需求值之间的参数关系可参考《暖通空调系统设计手册》等现有技术中的一些行业规范或常规经验数据。

进一步地，可利用Faster-RCNN图像目标检测算法对人员头部或其他部位图像进行识别。也可以利用其他现有技术中的算法如YOLO算法等对人员头部或其他部位图像进行识别。

进一步地，该方法可包括如下步骤：

步骤一，可选取一送风区域，获取该区域内的人流图像视频流，并将视频流逐帧分解成为连续的图片数据；

步骤二，可将连续的图片数据按照时间顺序以单位时间进行分组；对某一时刻的前或后一个单位时间段内的图片进行人员图像识别，根据识别结果统计该单位时间段内进入该区域内的人数，并将统计的人数与该区域的空间体积的商作为该时刻的人流密度值；

步骤三，可根据该区域人流密度与新风量需求值的关系，进一步得到新风量输出参考值；

步骤四，可将新风量输出参考值转换为新风系统的输入参考值来控制新风量的输出。

进一步地，步骤一中，可将摄像头获得的视频流数据接入计算机，可利用LibVlc开源库软件开发工具包支持的实时流媒体传输协议获得摄像头的标准视频流，并将原始视频流文件转换为计算机视觉开源库所支持的Mat矩阵格式文件，将视频逐帧分解成为图片。

进一步地，步骤二中，可确定人群计数区域；可对该区域内一个单位时间段内的连续图片进行处理，基于图像目标检测算法构建图像人员识别模型，并采用目标跟踪算法对各连续图片中相同人员的图像进行目标跟踪，在统计人员总数时将相同的人员数量减除。

进一步地，可基于图像目标检测算法构建图像人员头部识别模型，并可采用KCF目标跟踪算法对各连续图片中相同人员的头部图像进行目标跟踪。

视频图像帧目标检测后，虽然获得了目标位置但缺乏对视频帧目标运动信息的连续性。传统的目标跟踪算法如KCF(Kernel Correlation Filter)算法具有较强的实时性，

为了优化设备偏移带来的跟踪偏移和目标丢失问题，还可以采用基于YOLO和KCF相结合的目标跟踪算法，通过YOLO算法初始化KCF算法跟踪框，设置偏移误差率判定何时需对KCF算法跟踪框进行更新。

进一步地，步骤二中，可利用PyCharm集成开发环境实现Faster-RCNN算法框架，并可搭建Pytorch、Cuda、Numpy三者之中任一运行环境用于执行算法。

进一步地，可将新风量需求值转换为新风系统送风口处的压力参考值，将压力参考值输入至新风系统的控制系统，可通过PID方式调节阀门开度和风机转速。

下面以本发明的一个优选实施例来进一步说明本发明的工作原理：

本发明的一个优选实施例基于Python语言，结合OpenCV库的实时视觉应用功能，利用Faster-RCNN算法对运动的人流目标进行有效检测，实现基于实时视频信息的人流密度检测，并进行数据处理及计算，进而得到新风量输出控制参数。绘制新风量需求值随时间变化折线图，并将新风量需求值转换为新风系统送风口处的压力值，并下发给新风系统的控制系统，通过PID方式调节阀门开度和风机转速，即可精准控制新风的送风量，达到大幅节约新风系统能耗的目的。

(1)图片人头识别算法

项目组利用PyCharm集成开发环境实现了上述算法框架，并搭建了Pytorch、Cuda、Numpy等多个运行环境，用于执行算法。

(2)视频流人群计数算法

基于图片人流计数模型和相关滤波算法(Kernel Correlation Filter，KCF)实现目标跟踪技术，在摄像头拍摄范围内确定人群计数区域；再读取摄像头视频流，设一个单位时间的图像帧数为30帧，以30帧图片为单位，检测规定区域的行人数量，并进行跟踪。

可对一段2-10分钟的视频进行识别，通过人流识别，可对任一规定区域的人流密度进行实时监测。其中标记行人的Faster-RCNN算法的阈值为0.7，即识别率可达70％。

(3)基于视频人流密度数据计算新风量

本次测试以100帧检测图片为单位，根据视频拍摄画面中已选定的两个送风区域，结合《暖通空调系统设计手册》，计算新风量；并以新风量需求值、新风量输出参考值和人流密度为纵坐标，时间为横坐标绘制折线图，如图2和图3所示。

将计算得到的送风区域内的新风量需求换算为新风系统送风口处的压力值，并输入至新风系统的DDC控制系统，通过PID方式调节风阀和风机转速，即可精准控制新风的送风量，达到大幅节约新风系统能耗的目的。

上述一些英文简写的补充说明：

DDC，Direct Digital Control的缩写，中文释义直接数字控制。

PID，在过程控制中，按偏差的比例(P)、积分(I)和微分(D)进行控制。

KCF，Kernel Correlation Filter的缩写，中文释义核化相关滤波器。

以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。