CN110068113A - 一种基于深度学习的地铁环境温控***及方法 - Google Patents

一种基于深度学习的地铁环境温控***及方法 Download PDF

Info

Publication number
CN110068113A
CN110068113A CN201910337553.9A CN201910337553A CN110068113A CN 110068113 A CN110068113 A CN 110068113A CN 201910337553 A CN201910337553 A CN 201910337553A CN 110068113 A CN110068113 A CN 110068113A
Authority
CN
China
Prior art keywords
temperature
section
passenger
temperature control
crowding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910337553.9A
Other languages
English (en)
Inventor
张训飞
熊健
王一平
马强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201910337553.9A priority Critical patent/CN110068113A/zh
Publication of CN110068113A publication Critical patent/CN110068113A/zh
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/65—Electronic processing for selecting an operating mode
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/10—Occupancy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Platform Screen Doors And Railroad Systems (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种基于深度学习的地铁环境温控***及方法，包括以下过程：将整个地铁车厢内部空间分成若干个区间，采集各区间内所有乘客的图像及各区间内温度数据；根据各区间内所有乘客的图像评估乘客的拥挤度和动作；根据乘客的拥挤度和动作来判断各区间温度的调节方向；根据各区间温度的调节方向，对各区间内进行通风或加热。本发明提出了依据拥挤度和乘客姿势动作特征来判断温度调节方向，能够有效地保证地铁环境的舒适度。相比于传统方法，其具有更好的温度调控的及时性、准确性。

Description

一种基于深度学习的地铁环境温控***及方法
技术领域
本发明涉及视觉图像处理技术领域，具体涉及一种基于深度学习的地铁环境温控***及方法。
背景技术
伴随着计算机应用的迅猛发展以及在深度学习上的广泛应用，人们可以通过充分利用电子器械的优势来实现对目标检测，甚至逐步发展到可以像人眼一样能洞察乘客的多维特征，并进一步做图像处理和应用，具有很强的应用价值和前景。
深度学习的行人多维特征识别如今已在交通场景应用中越来越广泛。但在面向地铁环境还很少有应用。
发明内容
本发明的目的在于克服现有技术中的不足，提出了一种基于深度学习的地铁环境温控***及方法，能够有效地保证地铁环境的舒适度。
为解决上述技术问题，本发明提供了一种基于深度学***台；
摄像头采集区间内所有乘客的图像并上传至温控管理平台；
温度传感器采集区间内温度数据上传至温控管理平台；
通风装置用于加快区间内空气流动以降低区间内温度；
加热装置用于加热以提高区间内温度；
温控管理平台根据各区间内所有乘客的图像评估乘客的拥挤度和动作，然后根据乘客的拥挤度和动作来判断各区间内温度的调节方向，最后根据各区间温度的调节方向来控制对应区间内通风装置或加热装置工作。
相应的，本发明还提供了一种基于深度学习的地铁环境温控方法，其特征是，包括以下过程：
将整个地铁车厢内部空间分成若干个区间，
采集各区间内所有乘客的图像及各区间内温度数据；
根据各区间内所有乘客的图像评估乘客的拥挤度和动作；
根据乘客的拥挤度和动作来判断各区间温度的调节方向；
根据各区间温度的调节方向，对各区间内进行通风或加热。
进一步的，对于拥挤度的评估，选取了人数和间距作为评估标准。
进一步的，如果乘客拥挤度高，则应该调低温度；如果乘客拥挤度低，则应该调高温度。
进一步的，如果乘客动作为身体呈现蜷缩姿态，则应该调高温度；如果乘客动作为拉开领口散热，则应该调低温度。
进一步的，当判断出温度需要调高时，则进行加热以提高温度；当判断出温度需要调低时，则进行通风以降低温度。
与现有技术相比，本发明所达到的有益效果是：本发明所提出的地铁环境实时温度调控的方法，能够有效地保证地铁环境的舒适度。提出了依据拥挤度和乘客姿势动作特征来判断温度调节方向。相比于传统方法，其具有更好的温度调控的及时性、准确性。
附图说明
图1是本发明***的原理框图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的一种基于深度学***台；
摄像头采集区间内所有乘客的图像并上传至温控管理平台；
温度传感器采集区间内温度数据上传至温控管理平台；
通风装置用于加快区间内空气流动以降低区间内温度；
加热装置用于加热以提高区间内温度；
温控管理平台根据各区间内所有乘客的图像评估乘客的拥挤度和动作，然后根据乘客的拥挤度和动作来判断各区间内温度的调节方向，最后根据各区间温度的调节方向来控制对应区间内通风装置或加热装置工作。
本发明实施例中，摄像头、温度传感器可采用现有市面上已有的设备，通风装置可采用现有的地铁通风***，加热装置可采用现有的加热器实现，温控管理平台可以是计算机或单片机来实现。
相应的，本发明的一种基于深度学习的地铁环境温控方法，将整个地铁车厢内部空间分成若干个区间，
采集各区间内所有乘客的图像及各区间内温度数据；
根据各区间内所有乘客的图像评估乘客的拥挤度和动作；
根据乘客的拥挤度和动作来判断各区间温度的调节方向；
根据各区间温度的调节方向，对各区间内进行通风或加热。
下面从以下几个部分详细说明本发明技术方案：
1）乘客拥挤度分析
在一个有限的地铁空间之中，拥挤度成了一个重要的温度感知的相关指标，乘客过多势必会形成温室效应，所以把拥挤度作为一个考量的指标。对于拥挤度的评估，选取了人数和间距作为评估标准，利用目标检测的yolo_v3算法，得到人数，再通过分析检测的对象间的距离之和，判断整个地铁环境各区间内的乘客间距的大小。如果乘客拥挤度高（说明乘客很拥挤），则应该调低温度；如果乘客拥挤度低（说明乘客松散），则应该调高温度。这里需要注意的是，判断乘客间距的时候需要忽略坐在座位上的乘客，仅对站立的乘客做出间距分析，对拥挤度指标形成影响。
2）乘客动作识别
通过摄像头拍到的乘客动态姿势做出合理的动作识别和评估分析，如身体呈现蜷缩姿态，可视为温度偏低，应该调高温度；乘客拉开领口散热，可视为温度偏高，应该调低温度。如此做出判断分析地铁环境的温度的调节方向。
3）测温与温度管理模拟方案
通过利用温度传感器来准确得到地铁环境的温度，选择在距离车厢地板上方1.1m的高度设置温度传感器，这样更符合乘客的温度感知高度。
另外，根据各区间温度的调节方向来控制对应区间内通风装置或加热装置工作，例如当判断出温度需要调高时，则控制加热装置进行工作，以提高温度；当判断出温度需要调低时，则控制通风装置进行工作，以降低温度，达到改善地铁环境，有效地保证地铁环境的舒适度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (6)

1.一种基于深度学***台；
摄像头采集区间内所有乘客的图像并上传至温控管理平台；
温度传感器采集区间内温度数据上传至温控管理平台；
通风装置用于加快区间内空气流动以降低区间内温度；
加热装置用于加热以提高区间内温度；
温控管理平台根据各区间内所有乘客的图像评估乘客的拥挤度和动作，然后根据乘客的拥挤度和动作来判断各区间内温度的调节方向，最后根据各区间温度的调节方向来控制对应区间内通风装置或加热装置工作。
2.一种基于深度学习的地铁环境温控方法，其特征是，包括以下过程：
将整个地铁车厢内部空间分成若干个区间，
采集各区间内所有乘客的图像及各区间内温度数据；
根据各区间内所有乘客的图像评估乘客的拥挤度和动作；
根据乘客的拥挤度和动作来判断各区间温度的调节方向；
根据各区间温度的调节方向，对各区间内进行通风或加热。
3.根据权利要求2所述的一种基于深度学习的地铁环境温控方法，其特征是，对于拥挤度的评估，选取了人数和间距作为评估标准。
4.根据权利要求2所述的一种基于深度学习的地铁环境温控方法，其特征是，如果乘客拥挤度高，则应该调低温度；如果乘客拥挤度低，则应该调高温度。
5.根据权利要求2所述的一种基于深度学习的地铁环境温控方法，其特征是，如果乘客动作为身体呈现蜷缩姿态，则应该调高温度；如果乘客动作为拉开领口散热，则应该调低温度。
6.根据权利要求2所述的一种基于深度学习的地铁环境温控方法，其特征是，当判断出温度需要调高时，则进行加热以提高温度；当判断出温度需要调低时，则进行通风以降低温度。
CN201910337553.9A 2019-04-25 2019-04-25 一种基于深度学习的地铁环境温控***及方法 Pending CN110068113A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910337553.9A CN110068113A (zh) 2019-04-25 2019-04-25 一种基于深度学习的地铁环境温控***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910337553.9A CN110068113A (zh) 2019-04-25 2019-04-25 一种基于深度学习的地铁环境温控***及方法

Publications (1)

Publication Number Publication Date
CN110068113A true CN110068113A (zh) 2019-07-30

Family

ID=67368854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910337553.9A Pending CN110068113A (zh) 2019-04-25 2019-04-25 一种基于深度学习的地铁环境温控***及方法

Country Status (1)

Country Link
CN (1) CN110068113A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110848890A (zh) * 2019-11-29 2020-02-28 广东美的制冷设备有限公司 空调器控制显示方法、空调器及计算机可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204415404U (zh) * 2014-11-12 2015-06-24 中科诺信（北京）高新技术有限公司 地铁车辆温控装置
JP2016080550A (ja) * 2014-10-17 2016-05-16 オムロン株式会社 エリア情報推定装置、エリア情報推定方法、および空気調和装置
CN107655159A (zh) * 2017-10-19 2018-02-02 福建帝视信息科技有限公司 一种基于人群密度感知模型的空调节能控制方法及***
CN107895080A (zh) * 2017-11-14 2018-04-10 西安建筑科技大学 融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法
CN108195031A (zh) * 2017-11-28 2018-06-22 珠海格力电器股份有限公司 空调控制方法和装置
CN108357321A (zh) * 2017-12-28 2018-08-03 合肥长天信息技术有限公司 一种公交车制热设备控制方法
CN109210683A (zh) * 2018-09-12 2019-01-15 珠海格力电器股份有限公司 一种用于公共区域的空调机组的控制方法和空调机组
CN109458718A (zh) * 2017-09-04 2019-03-12 杭州海康威视数字技术股份有限公司 空调控制***及方法
CN110936988A (zh) * 2018-09-25 2020-03-31 武汉云象智能科技有限公司 一种地铁列车车厢拥挤度自动判断和引导***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016080550A (ja) * 2014-10-17 2016-05-16 オムロン株式会社 エリア情報推定装置、エリア情報推定方法、および空気調和装置
CN204415404U (zh) * 2014-11-12 2015-06-24 中科诺信（北京）高新技术有限公司 地铁车辆温控装置
CN109458718A (zh) * 2017-09-04 2019-03-12 杭州海康威视数字技术股份有限公司 空调控制***及方法
CN107655159A (zh) * 2017-10-19 2018-02-02 福建帝视信息科技有限公司 一种基于人群密度感知模型的空调节能控制方法及***
CN107895080A (zh) * 2017-11-14 2018-04-10 西安建筑科技大学 融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法
CN108195031A (zh) * 2017-11-28 2018-06-22 珠海格力电器股份有限公司 空调控制方法和装置
CN108357321A (zh) * 2017-12-28 2018-08-03 合肥长天信息技术有限公司 一种公交车制热设备控制方法
CN109210683A (zh) * 2018-09-12 2019-01-15 珠海格力电器股份有限公司 一种用于公共区域的空调机组的控制方法和空调机组
CN110936988A (zh) * 2018-09-25 2020-03-31 武汉云象智能科技有限公司 一种地铁列车车厢拥挤度自动判断和引导***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110848890A (zh) * 2019-11-29 2020-02-28 广东美的制冷设备有限公司 空调器控制显示方法、空调器及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110414365B (zh) 基于社会力模型的过街行人轨迹预测方法、***及介质
CN102156537B (zh) 一种头部姿态检测设备及方法
CN105423502B (zh) 空调送风控制方法及装置
KR101127493B1 (ko) 화상 처리 장치, 화상 처리 방법 및 공조 제어 장치
CN108280442A (zh) 一种基于轨迹匹配的多源目标融合方法
US8929592B2 (en) Camera-based 3D climate control
EP3379163A2 (en) Air conditioner and control method thereof
CN101847206B (zh) 基于交通监控设施的行人流量统计方法与***
CN105465966B (zh) 空调送风控制方法及装置
KR101364571B1 (ko) 영상 기반의 손 검출 장치 및 그 방법
CN107560127A (zh) 壁挂式空调室内机及其控制方法
CN109143241A (zh) 雷达数据和图像数据的融合方法及***
US20070211925A1 (en) Face authentication apparatus and face authentication method
CN108116410A (zh) 用于控制车辆的速度的方法和设备
KR101339026B1 (ko) 열화상 카메라 가시성 개선 방법 및 장치
CN104156643B (zh) 一种利用眼睛视线来实现密码输入的方法及其硬件装置
EP2381415A1 (en) Person-judging device, method, and program
CN107301378A (zh) 图像中多分类器集成的行人检测方法和***
CN105485855B (zh) 空调送风控制方法及装置
CN109323428B (zh) 人***置识别方法、空调器的控制方法及控制***
CN103366155B (zh) 通畅路径检测中的时间相干性
CN103871081A (zh) 一种自适应鲁棒在线目标跟踪方法
WO2017029762A1 (ja) 空気調和機
KR101657086B1 (ko) 고정 카메라를 장착한 무인 항공기의 영상기반 유도 제어시스템
CN103106409A (zh) 一种针对头肩检测的混合特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190730

RJ01 Rejection of invention patent application after publication