CN100468245C - 基于全方位计算机视觉的空调节能控制装置 - Google Patents

Abstract

一种基于全方位计算机视觉的空调节能控制装置，采用全方位视觉传感器来获得室内全景视频图像，微处理器通过对室内全方位视频图像进行识别与理解等技术识别出空调室内人数等信息，并根据室内人数对空调室外机进行占空比控制，实现“按需供气”。在现有的空调温控器基础上，增加了空调室外机的占空比控制器，能准确地检测室内人员的流动情况及把握室内的人数，能实现真正意义上的按需供气，提高根据负荷情况进行响应速率的能力，减少额外能量(无人、人员稀少时)的消耗，节能效果好。

Description

基于全方位计算机视觉的空调节能控制装置

(一)技术领域

本发明属于全方位计算机视觉技术、图像识别技术、计算机控制技术、空调节能技术在空调节电上的应用，尤其是一种基于全方位计算机视觉的空调节能控制装置。

(二)背景技术

目前我国智能建筑的非常少，大约有90％以上的建筑是非智能建筑。在非智能建筑中，许多大面积的建筑室内环境中使用的是普通的温度控制的大功率空调，功率一般在6900W至12500W之间。资料表明大型空调70％以上的能源是从空调室外机所消耗的，而且目前的空调控制现状是通过设定室内温度来实现的。随着生活水平的提高越来越多的空调使用正加剧着用电高峰时电力短缺的矛盾。由于空调用电的季节性、时段性和爆发性，有些电力专家将其称作是影响安全供电的“电网杀手”。

建筑物内的空调系统设计是考虑满负荷情况，即考虑最不利使用工况，各种冷负荷或热负荷相互叠加而成的综合最大值。而空调实际运行中，只有1％的运行时间在设计工况，95％以上时间则处在部分负荷状态，因而具有极大的节能潜力。

图像处理与计算机视觉是一个不断发展的新技术，原则上采用计算机视觉进行观测有四个目的，即预处理、最底层的特征提取、中级特征的辩识以及通过图像对高级情景的解释。一般来说，计算机视觉包括主要特征、图像处理以及图像理解。在现代建筑中的应用是一个新的内容，So.A.T.P.等人共发表有三篇论文。但是从论文内容来看使用了多个摄像装置分别安装在室内顶部的角落，以便检测整个空调房间的空间。

基于一系列图像的人员数量的计数机器在国外商业上已投入使用，市场分额比较大的有两个系统，ALTAIS和Sentec，前者是一个跟踪人员运动和人员流动的程序，视频摄像机垂直安装在连续记录人员流动的检测现场，该摄像机连接到分析视频数据的单元，每小时系统构造一幅具有平均密度和速度的人员流动的图像；后者是一个人员计数系统，系统采用标准的闭路电视，摄像机计算不同地方行人的数量。但是这两个系统都有共同的缺点，在人流密集的场所容易出错，原因是存在着人体重叠情况，同时要检测比较大范围内的人员的情况需要多个摄像机同时工作，因此存在着各摄像机的视频数据的融合问题，实现实时运算非常困难。

近年发展起来的全方位视觉传感器ODVS(Omni-Directional Vision Sensors)为实时获取场景的全景图像提供了一种新的解决方案。ODVS的特点是视野广(360度)，能把一个半球视野中的信息压缩成一幅图像，一幅图像的信息量更大；获取一个场景图像时，ODVS在场景中的安放位置更加自由；检测环境时ODVS不用瞄准目标；检测和跟踪检测范围内的运动物体时算法更加简单；可以获得场景的实时图像。因此基于ODVS的全方位视觉系统近几年迅速发展，正成为计算机视觉研究中的重要领域，IEEE从2000年开始举办每年一次的全方位视觉的专门研讨会(IEEE workshop on Omni-directional vision)。

中国发明专利200610051632.6公开了一种基于全方位计算机视觉的中央空调节能控制装置，通过实现中央空调系统能准确地检测室内人员的流动情况及把握室内的人数，来实现真正意义上的按需供气，提高根据负荷情况进行响应速率的能力，减少额外能量(无人、人员稀少时)的消耗。

2006年我国家庭空调拥有数已超过1.2亿台，我国企事业单位空调拥有数虽然没有正确数据，估计也会接近家庭空调拥有数，而且据统计资料表明办公楼中就空调这一项所消耗的电能已经超过了家庭空调所消耗的电能。按这种发展趋势，加上空调用电的季节性、时段性和爆发性，仅靠建发电站增加发电能力是无法解决这种矛盾的，必须通过政策与技术手段来解决。

目前空调普遍都是采用恒温控制方式，这种温度控制方式至少是存在着两个耗能方面的问题：1)不管室内是否有人没人、人数的多少，空调总是在设定的温度范围内运行；2)空调用电的季节性、时段性和爆发性使得空调的使用时间比较集中，造成对电网的压力过大，这些现象在城市办公楼等地区尤为突出。所以，需要一种新的空调的控制技术既能节能，又能平缓用电高峰，来保证电网的安全。

(三)发明内容

为了克服现有的空调节能控制装置停留在一种简单温度控制水平上，从对空调的控制不直接、不迅速、不舒适、不节能的不足，本发明提供一种能准确地检测室内人员的流动情况及把握室内的人数，能实现真正意义上的按需供气，提高根据负荷情况进行响应速率的能力，减少额外能量(无人、人员稀少时)的消耗，节能效果好的基于全方位计算机视觉的空调节能控制装置。

本发明为解决其技术问题采用的技术方案为：

一种基于全方位计算机视觉的空调节能控制装置，包括空调温控器、微处理器以及安装于室内上部中央用于感知室内人员数量的视觉传感器，所述空调温控器设有第一继电器，所述第一继电器连接空调室外机，所述的视觉传感器与微处理器连接，所述的空调节能控制器还包括用以控制空调室外机通断电周期的占空比控制器，所述占空比控制器连接第二继电器，所述第二继电器与第一继电器串联，所述第二继电器与电源连接；所述视觉传感器为全方位视觉传感器，所述的全方位视觉传感器包括用以反射监控领域中物体的外凸折反射镜面、用以防止光折射和光饱和的黑色圆锥体、透明圆柱体、摄像头，所述的外凸折反射镜面位于透明圆柱体的上方，外凸折反射镜面朝下，黑色圆锥体固定在折反射镜面外凸部的中心，摄像头对着外凸反射镜面朝上，所述的摄像头位于外凸反射镜面的虚焦点位置；

所述的微处理器包括：

图像数据读取模块，用于读取从全方位视觉传感器传过来的视频图像信息；

图像数据文件存储模块，用于将读取的视频图像信息通过文件方式保存在存储单元中；

全方位视觉传感器标定模块，用于对全方位视觉传感器的参数进行标定，建立空间的实物图像与所获得的视频图像的对应关系；

图像展开处理模块，用于将采集的圆形视频图像展开为全景柱状图；

运动对象检测模块，用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准参考图像进行差值运算，图像相减的计算公式如式(1)表示：

f_d(X，t₀，t_i)＝f(X，t_i)-f(X，t₀)         (1)

上式中，f_d(X，t₀，t_i)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，t_i)是实时拍摄到图像；f(X，t₀)是基准参考图像；

并将当前图像中与相邻K帧的图像相减计算公式如(2)所示：

f_d(X，t_i-k，t_i)＝f(X，t_i)-f(X，t_i-k)      (2)

上式中，f_d(X，t_i-k，t_i)是实时拍摄到图像与相邻K帧图像间进行图像相减的结果；f(X，t_i-k)是相邻K帧时的图像；

如f_d(X，t₀，t_i)≥阈值、f_d(X，t_i-k，t_i)≥阈值成立时，判定为运动对象；

如f_d(X，t₀，t_i)≥阈值、f_d(X，t_i-k，t_i)<阈值，判定静止对象，并用式(3)来更新替换基准参考图像：

$f(X,t_0)\&DoubleLeftArrow;f(X,t_{i-k})---\left(3\right)$

如f_d(X，t₀，t_i)<阈值，判定为静止对象；

连通区域计算模块，用于对当前图像进行标记，像素灰度为0的小区表示此小区无活动物体，像素灰度为1则表示此小区有活动物体，计算当前图像中的像素是否与当前像素周围相邻的某一个点的像素相等，如灰度相等判断为具有连通性，将所有具有连通性的像素作为一个连通区域；

室内人员数估计模块，用于求每个连通区域的宽度w_i和高度h_i，然后用公式(33)计算区域面积属性

其中S_i为某个连通区域的面积：

${\mathrm{\&epsiv;}}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(33\right)$

接着用公式(34)进行形状属性

计算，即矩形的宽度w_i与高度h_i的比的计算。

${\mathrm{\&epsiv;}}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(34\right)$

使用公式(35)进行面积和形状属性的综合判断，设定区域面积影响因子F_s和形状属性影响因子F_sh：

$R\stackrel{\&RightArrow;}{e}c=F_s\&times;({\mathrm{\&epsiv;}}_{\mathrm{area}}^i-{\mathrm{\&epsiv;}}_{\mathrm{area}\_s\tan \mathrm{dard}}^i)\stackrel{\&RightArrow;}{i}+F_{\mathrm{sh}}\&times;({\mathrm{\&epsiv;}}_{\mathrm{rate}}^i-{\mathrm{\&epsiv;}}_{\mathrm{rate}\_s\tan \mathrm{dard}}^i)\stackrel{\&RightArrow;}{j}---\left(35\right)$

如

值小于设定的阈值，判定该连通区域为人体，并统计室内的人员总数；

所需占空比比率设定模块，用于建立建筑环境、房间大小、房间内人员数量以及空调占空比的对应序列，根据统计的室内人员总数，得到空调占空比，并把该占空比信号向占空比控制器发出；

进一步，所述的折反射镜面水平方向上无形变要求场景物点的水平坐标与相应像点的坐标成线性关系；

d(ρ)＝αρ                     (1)

式(1)中ρ是与反射镜的面形中心点的距离，α为成像系统的放大率，

设反射镜在M点的法线与Z轴的夹角为γ，入射光线与Z轴的夹角为Φ，反射光线与Z轴的夹角为θ，则

$\mathrm{tg}\left(x\right)=\frac{d\left(x\right)-x}{z\left(x\right)-h}---\left(2\right)$

$\mathrm{tg\&gamma;}=\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}---\left(3\right)$

$\mathrm{tg}\left(2\mathrm{\&gamma;}\right)=\frac{2\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}}{1-\frac{d^{2}z\left(x\right)}{d{x}^2}}---\left(4\right)$

由反射定律

2γ＝φ-θ                     (6)

∴ $\mathrm{tg}\left(2\mathrm{\&gamma;}\right)=\mathrm{tg}(\mathrm{\&phi;}-\mathrm{\&theta;})=\frac{\mathrm{tg\&phi;}-\mathrm{tg\&theta;}}{1+\mathrm{tg\&phi;tg\&theta;}}$

由式(2)、(4)、(5)和(6)得到微分方程(7)

$\frac{d^{2}z\left(x\right)}{d{x}^2}+2k\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}-1=0---\left(7\right)$

式 $k=\frac{z\left(x\right)[z\left(x\right)-h]+x[d\left(x\right)-x]}{z\left(x\right)[d\left(x\right)-x]+x[z\left(x\right)-h]}$ 中；(8)

由式(7)得到微分方程(9)

$\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}+k-\sqrt{k^2+1}=0---\left(9\right)$

由式(1)、(5)得到式(10)

$d\left(x\right)=\frac{\mathrm{afx}}{z\left(x\right)}---\left(10\right)$

由式(8)、(9)、(10)和初始条件，解微分方程可以得到反射镜面形的数字解。折反射全景系统设计时根据应用要求选择合适的摄像头，标定出Rmin，透镜的焦距f确定反射镜离摄像头的距离Ho，由(1)式计算出反射镜的口径Do，

系统参数的确定：

根据应用所要求的高度方向的视场确定系统参数af，由式(1)、(2)和(5)得到式(11)，这里作了一些简化，将z(x)≈z₀，主要考虑对于镜面的高度变化相对于镜面与摄像头的位置变化比较小；

$\mathrm{tg\&phi;}=\frac{(\mathrm{af}-z_0)\frac{\mathrm{\&rho;}}{f}}{z_0-h}$                       (11)

在像平面以像中心点为圆心的最大圆周处 $\mathrm{\&rho;}=R\min \&RightArrow;{\mathrm{\&omega;}}_{\max }=\frac{R_{\min }}{f}$ 对应的视场为фmax。则可以得到式(12)；

$\frac{\mathrm{\&rho;}}{f}=\frac{(z_0-h)\mathrm{tg}{\mathrm{\&phi;}}_{\max }}{{\mathrm{\&omega;}}_{\max }}+z_0---\left(12\right).$

再进一步，所述的图像展开处理模块，用于根据圆形全方位图像上的一个点(x^*，y^*)和矩形柱状全景图上的一个点(x^**，y^**)的对应关系，建立(x^*，y^*)与(x^**，y^**)的映射矩阵，式(21)所示：

P^**(x^**，y^**)←M×P^*(x^*，y^*)       (21)

上式中，M是映射矩阵，P^*(x^*，y^*)是圆形全方位图像上的像素矩阵，P^**(x^**，y^**)是矩形柱状全景图上的像素矩阵。

更进一步，所述的微处理器还包括背景维护模块，所述的背景维护模块包括：

背景亮度计算单元，用于计算平均背景亮度Yb计算公式如式(25)所示：

${\stackrel{\&OverBar;}{Y}}_b=\frac{\underset{x=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{H-1}{\mathrm{\&Sigma;}}}{Y}_n(x,y)(1-M_n(x,y))}{\underset{x=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{H-1}{\mathrm{\&Sigma;}}}(1-M_n(x,y))}---\left(25\right)$

式(25)中，Yn(x，y)为当前帧各像素的亮度，Mn(x，y)为当前帧的掩模表，所述的掩模表是用一个与视频帧尺寸相同的数组M来记录各像素点是否有运动变化，参见式(27)：

Yb0为判定为运动对象时前一帧的背景亮度，Yb1为判定为运动对象时第一帧的背景亮度，两帧平均亮度的变化为：

ΔY＝Yb1-Yb0                  (26)

如果ΔY大于上限值，则认为发生了开灯事件；如果ΔY小于某个下限值，则认为发生了关灯事件；如ΔY介于上限值和下限值之间，则认为光线自然变化；

背景自适应单元，用于当光线自然变化时，按照下式(22)进行自适应学习：

X_mix，bn+1(i)＝(1-λ)X_mix，bn(i)+λX_mix，cn(i)        (22)

式中：X_mix，cn(i)为当前帧RGB向量，X_mix，bn(i)为当前帧背景RGB向量，X_mix，bn+1(i)为下一帧背景预测RGB向量，λ为背景更新的速度；λ＝0，使用固定不变的背景(初始背景)；λ＝1，使用当前帧作为背景；0<λ<1，背景由前一时刻的背景与当前帧混合而成；

当光线由开关灯引起的，背景像素按照当前帧重置，参见式(23)：

X_mix，bn+1(i)＝X_mix，cn(i)                         (23)。

所述的微处理器还包括：噪声剔除模块，用于将每一个像素值用其局部邻域内所有值的均值置换，如公式(16)所示:

h[i，j]＝(1/M)∑f[k，1]                         (32)

上式(32)中，M是邻域内的像素点总数。

在连通区域计算模块中，利用连通区域来计算其面积和重心，所述的对象目标的重心可以通过上述计算所得到的连通区域面积Si以及该连通区域的X、Y轴方向的累积像素值计算得到，计算公式由式(37)计算得到：

$X_{\mathrm{cg}\left(i\right)}=\frac{\underset{x,y\&Element;S_i}{\mathrm{\&Sigma;}}x}{S_i};Y_{\mathrm{cg}\left(i\right)}=\frac{\underset{x,y\&Element;S_i}{\mathrm{\&Sigma;}}y}{S_i}$        (37)。

所述的微处理器还包括色彩空间转化模块，用于将RGB颜色空间到YCrCb颜色空间的转换，其公式(28)给出，

Y＝0.29990*R+0.5870*G+0.1140*B

Cr＝0.5000*R-0.4187*G-0.0813*B+128              (28)。

Cb＝-0.1787*R-0.3313*G+0.5000*B+128

在所述的所需占空比比率设定模块中，将实际人数与最大容纳人数的比来表示室内的热负荷变化率，将其转换成无量纲的相对人数比，如公式(36)表示，

用公式(37)表示控制策略：

PeopleRatio(％)＝sum/Max*100         (37)。

式(36)中，sum是室内实际的人数，Max是最大可容纳的室内人数，Max是根据具体的建筑使用环境，空调功率以及房间人数匹配关系决定，f(PeopleRatio)为函数关系。

所述的微处理器还包括周期起始时间设定模块，用于设定模块中设定供电中断周期及周期起始时间，进行供电中断周期控制，供电中断周期动作开始时间采用随机方式决定。

本发明的工作原理是：1)采用全方位视觉传感器来获取空调室内的全景实时图像；2)采用对动态图像的处理、识别以及理解的手段得到空调室内的人员数量以及方位信息；3)根据室内人员数量的变化作为输入参数，动态更新室外机占空比(PWM)比率来控制空调的室外机的压缩机工作时间，从而实现空调节能的目的；4)通过随机产生的室外机的占空比控制的起始时间，实现错开削峰，缓解电网的压力。

主要是采用了计算机全方位视觉传感器(ODVS)对空调室内进行摄像，然后从所拍摄的图像中识别出室内人员情况，然后根据所识别出来的结果去直接控制空调的室外机的通断电，使室内的人员更舒适、空调系统更节能。上述所拍摄的图像是一个立体的三维图像，在图像识别前首先要进行图像的标定，所述的标定就是要实现在图像帧中的一个确定的点按照坐标系映射到具有大小空间任何点的准确转换，将全方位视觉传感器安装在室内空间的中央顶部就能检测室内所有部位的情况，而且不存在死角，同时室内空间上的一个点与图像帧中的点成映射关系，通过这种映射关系可以计算出室内有没有人，有多少人，这些人的位置在什么地方。

本申请在原有空调上并接了空调占空比控制器，该控制器与原先空调中的温度控制器一起参与空调的控制。在某种意义上讲，空调的恒温控制部分仍然起着温度控制的作用，只是在空调占空比控制器为空的时间段内空调的室外机处于非工作状态。本申请中将室内人员的多少与空调占空比控制器输出的占空比(室外机通断电的比例)之间形成一种函数控制关系，人多的时候通电时间长些，反之人少的时候通电的时间短些，没有人的时候甚至可以完全切断室外机的电源。

空调占空比控制器中的通断电控制动作是由Rx1继电器来实现的，控制单元采用的是嵌入式系统，在嵌入式系统中要完成视频图像的检测，嵌入式系统根据所检测到的视频图像进行理解得到室内的人员数，然后根据人员数确定空调占空比控制器的输出，嵌入式系统的功率输出直接驱动Rx1继电器来实现占空比的控制。因此本专利在嵌入式系统中要解决的关键问题是：1)如何获取室内大范围内的视频信息并将其加工成室内的人员数；2)如何通过人员数采用何种控制策略实现对Rx1继电器的通断电控制；3)对整个电网而言如何将电网上运行中的空调耗电时间比较均匀的分开。附图5是在原有空调上并接了空调占空比控制器后的系统控制图。

为了适应不同的建筑环境实现对空调按需节能控制，需要有一个统一的计算标准。从表1可以得到室内最大容纳的人员数是与空调使用功率成一种函数关系。为此本发明中提出的按需供气的控制策略不失去一般性，首先将实际人数与最大容纳人数的比来表示室内的热负荷变化率，将其转换成无量纲的相对人数比，如公式(36)表示，

式(36)中sum是室内实际的人数，Max是最大可容纳的室内人数，Max是根据具体的建筑使用环境，即表1中的空调功率与房间人数匹配关系来设定的。

本发明的有益效果主要表现在：1、准确地检测室内人员的流动情况及把握室内的人数，能实现真正意义上的按需供气，提高根据负荷情况进行响应速率的能力，减少额外能量(无人、人员稀少时)的消耗；2、节能效果好。

(四)附图说明

图1为全方位视觉光学原理图；

图2为一种基于全方位计算机视觉的空调节能控制器的硬件结构原理图；

图3为全方位视觉装置与一般的透视成像模型等价的透视投影成像模型示意图；

图4为全方位视觉装置在水平方向上图像无形变模拟示意图；

图5为基于全方位计算机视觉的空调节能控制器的原理图；

图6为基于全方位计算机视觉的空调节能控制器与现有的空调控制器连接的电路图；

图7为室内人员相对比与室外机中断占空比的关系图；

图8为用平均错开供电中断周期开始时间来平缓电网用电高峰示意图。

(五)具体实施方式

下面结合附图对本发明作进一步描述。

结合图1并参照图2，本发明所述的全方位摄像时全方位视觉传感器的摄像单元5通过USB接口连接到空调节能控制器的微处理器6中，所述的微处理器6经图像数据读入模块读入图像数据，在初始化时为了得到无人时的室内环境图像，需要将该图像存入图像数据存储单元8中以便后面的图像识别及处理，所述的微处理器6中进行室内人员数的识别处理，然后根据所识别出来的人员数确定空调室外机的通电、断电时间，通过微处理器6的并行输出口控制开关控制电路10，开关控制电路用于控制第一继电器Ax1和第二继电器Rx1；实现空调的按需供气；微处理器6连接显示器7和存储单元8。

作为捕捉空调室内人员数信息的全方位视觉传感器是基于全方位计算机视觉的空调节能控制器中的关键部件，所述的全方位视觉传感器(ODVS)的光学部分的制造技术方案，ODVS摄像装置主要由垂直向下的折反射镜1和面向上的摄像头所构成。具体构成是由聚光透镜4以及CCD(CMOS)构成的摄像单元5固定在由透明树脂或者玻璃制的圆筒3体的下部，圆筒体3的上部固定有一个向下的大曲率的折反射镜1，在折反射镜和聚光透镜之间有一根直径逐渐变小的黑色圆锥状体2，该圆锥状体2固定在折反射镜1的中部，黑色圆锥状体2的目的是为了防止过剩的光射入而导致在圆筒体内部的光饱和以及通过圆筒体壁产生的光反射现象，圆筒体3安装在支架9上。图1是表示本发明的全方位成像装置的光学系统的原理图。

折反射全景成像系统能用针孔成像模型进行成像分析，但要获得透视全景图像必须对采集的实景图像逆投影，因而计算量大，特别是用在对监测多目标，必须满足实时性的要求。

为了确保所检测的场景中物点的水平坐标与相应像点的坐标成线性关系即在水平场景无畸变，作为人员检测功能的全方位视觉装置安装在空调室内中间离地面高度3米左右之处，检测着在水平方向上的人员情况，因此在设计全方位视觉装置的折反射镜面时要保证在水平方向上的不变形。

设计中首先选用CCD(CMOS)器件和成像透镜构成摄像头，在对摄像头内部参数标定的基础上初步估算系统外形尺寸，然后根据高度方向的视场确定反射镜面形参数。

如图1所示，摄像头的投影中心C在水平场景上方距离水平场景h处，反射镜的顶点在投影中心上方，距离投影中心zo处。本发明中以摄像头投影中心为坐标原点建立坐标系，反射镜的面形用z(X)函数表示。在像平面内距离像中心点ρ的像素q接受了来自水平场景O点(距离Z轴d)，在反射镜M点反射的光线。水平场景无畸变要求场景物点的水平坐标与相应像点的坐标成线性关系；

d(ρ)＝αρ                  (1)

式(1)中ρ是与反射镜的面形中心点的距离，α为成像系统的放大率。

设反射镜在M点的法线与Z轴的夹角为γ，入射光线与Z轴的夹角为Φ，反射光线与Z轴的夹角为θ。则

$\mathrm{tg}\left(x\right)=\frac{d\left(x\right)-x}{z\left(x\right)-h}---\left(2\right)$

$\mathrm{tg\&gamma;}=\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}---\left(3\right)$

$\mathrm{tg}\left(2\mathrm{\&gamma;}\right)=\frac{2\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}}{1-\frac{d^{2}z\left(x\right)}{d{x}^2}}---\left(4\right)$

由反射定律

2γ＝φ-θ

∴ $\mathrm{tg}\left(2\mathrm{\&gamma;}\right)=\mathrm{tg}(\mathrm{\&phi;}-\mathrm{\&theta;})=\frac{\mathrm{tg\&phi;}-\mathrm{tg\&theta;}}{1+\mathrm{tg\&phi;tg\&theta;}}---\left(6\right)$

由式(2)、(4)、(5)和(6)得到微分方程(7)

$\frac{d^{2}z\left(x\right)}{d{x}^2}+2k\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}-1=0---\left(7\right)$

式中； $k=\frac{z\left(x\right)[z\left(x\right)-h]+x[d\left(x\right)-x]}{z\left(x\right)[d\left(x\right)-x]+x[z\left(x\right)-h]}---\left(8\right)$

由式(7)得到微分方程(9)

$\frac{\mathrm{dz}\left(x\right)}{\mathrm{dx}}+k-\sqrt{k^2+1}=0---\left(9\right)$

由式(1)、(5)得到式(10)

$d\left(x\right)=\frac{\mathrm{afx}}{z\left(x\right)}---\left(10\right)$

由式(8)、(9)、(10)和初始条件，解微分方程可以得到反射镜面形的数字解。系统外形尺寸主要指反射镜离摄像头的距离Ho和反射镜的口径D。折反射全景系统设计时根据应用要求选择合适的摄像头，标定出Rmin，透镜的焦距f确定反射镜离摄像头的距离Ho，由(1)式计算出反射镜的口径Do。

系统参数的确定：

根据应用所要求的高度方向的视场确定系统参数af。由式(1)、(2)和(5)得到式(11)，这里作了一些简化，将z(x)≈z₀，主要考虑对于镜面的高度变化相对于镜面与摄像头的位置变化比较小；

$\mathrm{tg\&phi;}=\frac{(\mathrm{af}-z_0)\frac{\mathrm{\&rho;}}{f}}{z_0-h}---\left(11\right)$

在像平面以像中心点为圆心的最大圆周处 $\mathrm{\&rho;}=R\min \&RightArrow;{\mathrm{\&omega;}}_{\max }=\frac{R_{\min }}{f}$

对应的视场为фmax。则可以得到式(12)；

$\frac{\mathrm{\&rho;}}{f}=\frac{(z_0-h)\mathrm{tg}{\mathrm{\&phi;}}_{\max }}{{\mathrm{\&omega;}}_{\max }}+z_0---\left(12\right)$

成像模拟采用与实际光线相反的方向进行。设光源在摄像头投影中心，在像平面内等间距的选取像素点，通过这些像素点的光线，经反射镜反射后与水平面相交，若交点是等间距的，则说明反射镜具有水平场景无畸变的性质。成像模拟一方面可以评价反射镜的成像性质，另一方面可以准确地计算出反射镜的口径和厚度。

进一步说明本发明在实施过程中涉及到标定与目标识别等几个关键问题：

(1)如何标定全方位视觉传感器的成像平面内的像素距离与实际三维空间距离的对应关系，并在该基础上对运动图像进行分类。因为全方位视觉摄像机成像平面是二维的，以像素为计量单位，为了便于人员的跟踪，运动目标的正确分类是完全必要的。

(2)如何进行目标跟踪，跟踪等价于在连续的图像帧间创建基于形状、色彩等有关特征的对应匹配问题，本发明中将活动中人物的属性信息结合起来，提供一种有效的、鲁棒性高的、实时性好的目标跟踪方法。这种跟踪方法实际上是基于模型的、基于活动轮廓的、以及基于颜色特征的等跟踪方法的一种综合。

全方位视觉摄像机视场距离的标定涉及成像几何的理论，将客观世界的三维场景投射到摄像机的二维象平面，需要建立摄像机的模型来描述。这些成像变换涉及不同坐标系之间的变换。在摄像机的成像系统中，涉及到的有以下4个坐标系；(1)现实世界坐标系XYZ；(2)以摄像机为中心制定的坐标系x^y^z^；(3)像平面坐标系，在摄像机内所形成的像平面坐标系x^*y^*o^*；(4)计算机图像坐标系，计算机内部数字图像所用的坐标系MN，以像素为单位。

根据以上几个坐标系不同的转换关系，就可以得到所需要的全方位摄像机成像模型，换算出二维图像到三维场景的对应关系。本发明中采用折反射全方位成像系统的近似透视成像分析方法将摄像机内所形成的像平面坐标二维图像换算到三维场景的对应关系，图3为一般的透视成像模型，d为人体高，ρ为人体的像高，t为人体的距离，F为人体的像距(等效焦距)。可以得到式(13)

$d=\frac{t}{F}\mathrm{\&rho;}---\left(13\right)$

在上述水平场景无的折反射全方位成像系统的设计时，要求场景物点的水平坐标与相应像点的坐标成线性关系，如式(1)表示；比较式(13)，(1)，可以看出水平场景无变形的折反射全方位成像系统对水平场景的成像为透视成像。因此就水平场景成像而言，可以将水平场景无变形的折反射全方位成像系统视为透视相机，α为成像系统的放大率。设该虚拟透视相机的投影中心为C点(见附图3)，其等效焦距为F。比较式(13)，(1)式可以得到式(14)；

$\mathrm{\&alpha;}=\frac{t}{F};t=h---\left(14\right)$

由式(12)、(14)得到式(15)

$F=\frac{\mathrm{fh}{\mathrm{\&omega;}}_{\max }}{(z_0-h)\mathrm{tg}{\mathrm{\&phi;}}_{\max }+z_0{\mathrm{\&omega;}}_{\max 0}}---\left(15\right)$

根据上述全方位摄像机成像模型进行系统成像模拟，由摄像头投影中心发出的经过像素平面内等间距像素点的光线族反射后，在距离投影中心3m的水平面上的交点基本上是等间距的，如附图4所示。因此根据上述设计原理本专利中将水平地面的坐标与相应全方位像点的坐标之间的关系简化为线性关系，也就是说通过反射镜面的设计将现实世界坐标系XYZ到像平面坐标系的转化可以用放大率α为比例的线形关系。下面是从像平面坐标系到计算机内部数字图像所用的坐标系的转化，计算机中使用的图像坐标单位是存储器中离散像素的个数，所以对实际像平面的坐标还需取整转换才能映射到计算机的成像平面，其变换表达式为由式(16)给出；

$M=O_m-\frac{x^{*}}{S_x};$ $N=O_n-\frac{y^{*}}{S_y};---\left(16\right)$

式中：:Om、On分别为象平面的原点在计算机图像平面上所映射的点像素所在的行数和列数；Sx、Sy分别为在x和y方向上的尺度因子。Sx、Sy的确定是通过在摄像头与反射镜面之间距离Z处放置标定板，对摄像机进行标定得到Sx、Sy的数值，单位是(pixel)；Om、On。的确定是根据所选择的摄像头分辨率像素，单位是(pixel)。

进一步，来说明360°全方位进行摄像的原理，空间上的一个点A(x1，y1，z1)经折反射1镜面反射到透镜4上对应有一个投影点P1(x^*1，y^*1)，通过透镜4的光线变成平行光投射到CCD摄像单元5，微处理器6通过视频接口读入该环状图像，采用软件对该环状图像进行展开得到全方位的图像。

进一步，在展开方法上本专利中采用了一种快速的近似展开算法，能够将时间消耗和对各种参数的要求降到最小，同时尽可能的保持有用的信息。展开规则有三条，

(1)X^*轴为起始位置，按逆时针方式展开；

(2)左图中X^*轴与内径r的交点O，对应到右图中左下角的原点O(0，0)；

(3)展开后的右图的宽度等于左图中虚线所示的圆的周长。其中虚线圆为左图内外径的同心圆，且其半径r1＝(r+R)/2。

设圆形图的圆心O^*坐标(x^*0，y^*0)，展开的矩形图左下角原点坐标O^**(0，0)，矩形图中任意一点P^**＝(x^**，y^**)所对应的点在圆形图中的坐标为(x^*，y^*).下面我们需要求的是(x^*，y^*)和(x^**，y^**)的对应关系。根据几何关系可以得到如下公式：

β＝tan^-1(y^*/x^*)          (17)

r1＝(r+R)/2             (18)

令虚线圆的半径r1＝(r+R)/2，目的是为了让展开后的图看起来形变均匀一些。

x^*＝y^*/(tan(2x^**/(R+r))) (19)

y^*＝(y^**+r)cosβ          (20)

从式(19)、(20)可以得到圆形全方位图像上的一个点(x^*，y^*)和矩形全景图上的一个点(x^**，y^**)的对应关系。该方法实质上是做了一个图像插值的过程。展开后，虚线上方的图像是横向压缩过的，虚线下方的图像是横向拉伸过的，而在虚线本身上的点则保持不变。

为了满足实时计算需要同样可根据圆形全方位图像上的一个点(x^*，y^*)和矩形全景图上的一个点(x^**，y^**)的对应关系，建立(x^*，y^*)与(x^**，y^**)的映射矩阵。由于这种一一对应关系，通过映射矩阵方法能把转变成不变形的全景图像。通过M映射矩阵可以建立起式(21)关系。

P^**(x^**，y^**)←M×P^*(x^*，y^*)         (21)

根据式(21)，对于成像平面上的每个像素P^*(x^*，y^*)在全方位图像上有一个点P^**(x^**，y^**)对应，建立了M映射矩阵后，实时图像处理的任务可以得到简化。

作为一种基于全方位计算机视觉的空调节能控制器在取得全方位视频信息之后，接下来必须进行背景消除、目标提取、目标跟踪、等图像辩识处理计算工作，该计算工作在图像辩识处理模块中进行。

所述的背景消除首先要解决的问题是亮度变化的问题，如对于室内人员流动的检测会由于开灯、关灯操作所造成的光照强度的突变，因此在背景消除中采用的背景模型要适应上述的这些变化。

对于视频检测，由于全方位场景视野比较大，人体在整幅图像中所占的比例比较小，因此人物的运动可以看作近似刚体运动；另外，视频检测的场景固定，可以认为具有相对比较固定范围的背景，因此可以采用背景减算法的快速分割算法来实时检测和跟踪视频检测中的运动人物或物体；背景消除是基于背景减算法检测运动对象的关键，它直接影响检测出运动对象的完整性和准确性。本发明中采用了背景自适应法，其核心思想是对每一个背景像素使用1组矢量；RGB变化的当前混合值(Xmix，bi)来表示合法背景像素的允许取值(i为帧号)，并采用IIR滤波对其进行如下更新。

(1)当光线自然变化(不是开关灯引起的)，并且无异常对象存在时，1组向量(分别为RGB)进行自适应学习：

X_mix，bn+1(i)＝(1-λ)X_mix，bn(i)+λX_mix，cn(i)          (22)

式中：X_mix，cn(i)为当前帧RGB向量，X_mix，bn(i)为当前帧背景RGB向量，X_mix，bn+1(i)为下一帧背景预测RGB向量，λ为背景更新的速度:λ＝0，使用固定不变的背景(初始背景)；λ＝1，使用当前帧作为背景；0<λ<1，背景由前一时刻的背景与当前帧混合而成。

(2)当光线有突变时(由开关灯引起的)，1组向量按当前帧重置:

X_mix，bn+1(i)＝X_mix，cn(i)              (23)

(3)当有对象进入检测范围时，背景保持不变。为避免将运动对象的部分像素学习为背景像素，采用:

X_mix，bn+1(i)＝X_mix，bn(i)              (24)

上式中的X_mix，bn+1(i)(i＝1，2，3)分别表示R，G，B3个分量，为简化起见，上述公式略去了每个像素的坐标(x，y)部分。

对于背景亮度的变化可用来判定检测到的运动对象是否因开关灯而引起的，开关灯事件等这些背景亮度的变化不应使系统判断为有大量的人员存在所引起的，因而进行背景亮度分析有助于降低系统的误识别率。背景亮度使用平均背景亮度Yb来度量，计算公式由式(25)给出，

${\stackrel{\&OverBar;}{Y}}_b=\frac{\underset{x=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{H-1}{\mathrm{\&Sigma;}}}{Y}_n(x,y)(1-M_n(x,y))}{\underset{x=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{H-1}{\mathrm{\&Sigma;}}}(1-M_n(x,y))}---\left(25\right)$

式(25)中，Yn(x，y)为当前帧各像素的亮度，Mn(x，y)为当前帧的掩模表。用Yb0表示发现有运动对象时前一帧的背景亮度，Yb1表示检测到运动对象时第一帧的背景亮度，两帧平均亮度的变化为:

ΔY＝Yb1-Yb0                     (26)

如果ΔY大于某个值则认为发生了开灯事件，如果ΔY小于某个负值则认为发生了关灯事件。根据上述判断结果用式(23)对当前帧进行重置。

所述的掩模表，是用一个与视频帧尺寸相同的数组M来记录各像素点是否有运动变化，这个数组称为掩模映射表(Mask Map):

数组M是运动对象的二值图像，不但可用来掩模视频帧从而分割出运动对象，还可用于运动对象的跟踪、分析和分类。

公式(25)中的背景亮度是从RGB颜色空间到YCrCb颜色空间的转换得到的，其公式(28)给出，

Y＝0.29990*R+0.5870*G+0·1140*B            (28)

Cr＝0.5000*R-0.4187*G-0.0813*B+128

Cb＝-0.1787*R-0.3313*G+0.5000*B+128

所述的目标提取是通过背景减算法来得到前景目标对象的，所述的背景减算法也称为差分方法，是一种常用于检测图像变化和运动物体的图像处理方法。根据三维空间与图像像素的对应性关系把有光源点存在的那些像素部分检测出来，首先要有一个比较稳定的基准参考图像，并将该基准参考图像存储在计算机的存储器里，并通过上述的背景自适应法对基准参考图像进行动态更新，通过实时拍摄到图像与该基准参考图像间进行图像相减，相减的结果发生变化的区域亮度增强，图像相减的计算公式如式(29)表示，

f_d(X，t₀，t_i)＝f(X，t_i)-f(X，t₀)           (29)

式中f_d(X，t₀，t_i)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，t_i)是实时拍摄到图像，相当于式(22)中的X_mix，cn(i)；f(X，t₀)是基准参考图像，相当于式(22)中的X_mix，bn(i)。

由于视频检测中的全方位视觉传感器都是固定的，而背景中的静止对象有时可能被移动，基于背景减算法检测运动对象所得到的运动像素可能包含对象移动留下的空穴。由于空穴在随后的视频帧中不会移动，因此可用相邻K帧差法来消除空穴，本发明中采用相邻K帧差法判定某个像素是否是背景对象留下的空穴。为此需要进行式(30)的计算，

f_d(X，t_i-k，t_i)＝f(X，t_i)-f(X，t_i-k)          (30)

静止对象的移动一般都可以考虑在时间分的单位上，当f_d(X，t₀，t_i)≥阈值和f_d(X，t_i-k，t_i)≥阈值都成立时，被认为是运动对象；如果f_d(X，t₀，t_i)≥阈值而f_d(X，t_i-k，t_i)<阈值，本发明中认为是背景中的静止对象被移动后所产生的空穴，为了消除空穴用式(31)来更新替换基准参考图像，

$f(X,t_0)\&DoubleLeftArrow;f(X,t_{i-k})---\left(31\right)$

实际图像信号中包含有噪声，而且一般都表现为高频信号，因此在识别过程中要剔除由噪声所产生的图像边缘点。

所述的剔除由噪声所产生的图像边缘点，在本发明中使用四邻域遍历的方法，它用滤波掩膜确定的邻域内像素的平均灰度值去替代图像每个像素点的值，即每一个像素值用其局部邻域内所有值的均值置换，如公式(32)所示:

h[i，j]＝(1/M)∑f[k，1]           (32)

式中，M是邻域内的像素点总数，本发明中取为4。

像素间的连通性是确定区域的一个重要概念。在二维图像中，假设目标像素周围有m(m<＝8)个相邻的像素，如果该像素灰度与这m个像素中某一个点A的灰度相等，那么称该像素与点A具有连通性。常用的连通性有4连通和8连通。4连通一般选取目标像素的上、下、左、右四个点。8连通则选取目标像素在二维空间中所有的相邻像素。将所有具有连通性的像素作为一个区域则构成了一个连通区域。

所述的连通区域计算主要解决在图像处理过程中，一幅二值图像，其背景和目标分别具有灰度值0和1。对这样的二值图像，要对目标进行标记，计算每一目标的特征以进行识别，在多目标实时跟踪系统设计中，需要有一种快速而节省内存的连通区域标记算法。我们将像素为0的小区表示此小区无监控对象，若为1则表示此小区有监控对象。所以可以采用连通成分标记法进行缺陷区域的合并。连通标记算法可以找到图像中的所有连通成分，并对同一连通成分中的所有点分配同一标记。图5为连通标记原理图。下面是连通区域算法，

1)从左到右、从上到下扫描图像；

2)如果像素点为1，则:

·如果上面点和左面点有一个标记，则复制这一标记。

·如果两点有相同的标记，复制这一标记。

·如果两点有不同的标记，则复制上点的标记且将两个标记输入等价表中作为等价标记。

·否则给这个象素点分配新的标记并将这一标记输入等价表。

3)如果需考虑更多的点则回到第2步。

4)在等价表的每一等价集中找到最低的标记。

5)扫描图像，用等价表中的最低标记取代每一标记。

所述的目标跟踪需要帧间分割以及属性判断来实现的，所述的帧间分割重要问题是:(1)尽量利用上一帧的分割结果来指导当前帧的分割，从而提高效率，(2)实现同一运动物体在不同帧中的对应关系。因此，算法必须维护一个存储系统来保存上一帧的分割结果和目前的目标运动参数。

分割出来的前景目标对象除了人体以外会存在着各种干扰或者其他对象。在本发明中，采用区域面积属性和形状属性的综合判断前景目标是否是人体。

为了提高实时处理能力，将人体模型简化矩形模型，求每个连通区域的(水平方向的长度)宽度w_i和(垂直方向的长度)高度h_i，然后用公式(33)计算区域面积属性

其中S_i为某个连通区域像素个数。

${\mathrm{\&epsiv;}}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(33\right)$

接着用公式(34)进行形状属性

计算，即矩形的宽度w_i与高度h_i的比的计算。

${\mathrm{\&epsiv;}}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(34\right)$

最后，使用公式(35)进行面积和形状属性的综合判断。区域面积影响因子F_s设定为1，形状属性影响因子F_sh设定为1。区域面积影响因子与形状属性影响因子，可根据具体的环境设定，可将起决定性因素的因子增加其判断的权重。

$R\stackrel{\&RightArrow;}{e}c=F_s\&times;({\mathrm{\&epsiv;}}_{\mathrm{area}}^i-{\mathrm{\&epsiv;}}_{\mathrm{area}\_s\tan \mathrm{dard}}^i)\stackrel{\&RightArrow;}{i}+F_{\mathrm{sh}}\&times;({\mathrm{\&epsiv;}}_{\mathrm{rate}}^i-{\mathrm{\&epsiv;}}_{\mathrm{rate}\_s\tan \mathrm{dard}}^i)\stackrel{\&RightArrow;}{j}---\left(35\right)$

将计算出

和

进行二维坐标投影，得到矢量 $F_s\&times;{\mathrm{\&epsiv;}}_{\mathrm{area}}^i\stackrel{\&RightArrow;}{i}+F_{\mathrm{sh}}\&times;{\mathrm{\&epsiv;}}_{\mathrm{rate}}^i\stackrel{\&RightArrow;}{j},$ 将其与标准矢量 $F_s\&times;{\mathrm{\&epsiv;}}_{\mathrm{area}\_s\tan \mathrm{dard}}^i\stackrel{\&RightArrow;}{i}+F_{\mathrm{sh}}\&times;{\mathrm{\&epsiv;}}_{\mathrm{rate}\_s\tan \mathrm{dard}}^i\stackrel{\&OverBar;}{j}$ 进行比较。利用公式(35)计算

综合估算值，其中

是对应区域半径的面积标准值，

是对应区域半径的形状属性标准值。

和

标准值的设定是可以根据具体的环境重新进行设定。而

值越小，则连通区域越类似于人体。

本专利的控制器的实现方法是在原有空调上并接了空调占空比控制器，如附图5所示，该控制器与原先空调中的温度控制器一起参与空调的控制。在某种意义上讲，空调的恒温控制部分仍然起着温度控制的作用，只是在空调占空比控制器为空的时间段内空调的室外机处于非工作状态。本专利中将室内人员的多少与空调占空比控制器输出的占空比(室外机通断电的比例)之间形成一种函数控制关系，人多的时候通电时间长些，反之人少的时候通电的时间短些，没有人的时候甚至可以完全切断室外机的电源。

所述的函数控制关系，如附图7所示，输入量是无量纲的相对人数，输出量是占空比的比例，图7中横坐标为室内人数相对比(％)people Ratio，纵坐标为占空比(％)PWM，其中上面虚线为最大控制占空比，下面虚线为最小控制占空比，左右两侧为阈值1和阈值2。

空调占空比控制器中的通断电控制动作是由Rx1继电器来实现的，如附图6所示，人数检测及根据人员数的占空比控制单元采用的是嵌入式系统，在嵌入式系统中要完成视频图像的检测，嵌入式系统根据所检测到的视频图像进行理解得到室内的人员数，然后根据人员数确定空调占空比控制器的输出，嵌入式系统的功率输出直接驱动Rx1继电器来实现占空比的控制。因此本专利在嵌入式系统中要解决的关键问题是：1)如何获取室内大范围内的视频信息并将其加工成室内的人员数；2)如何通过人员数采用何种控制策略实现对Rx1继电器的通断电控制；3)对整个电网而言如何将电网上运行中的空调耗电时间比较均匀的分开。附图6是在原有空调上并接了空调占空比控制器后的系统控制图，从图6中将人数检测及根据人员数的占空比控制单元所控制的Rx1继电器与原空调中的温度控制器所控制的Ax1继电器进行串接，只有在Rx1继电器和Ax1继电器都闭合的状态下，电源才对空调室外机进行供电；换句话说，人数检测及根据人员数的占空比控制单元所控制的Rx1继电器与原空调中的温度控制器所控制的Ax1继电器都参与空调室外机的控制，即使原空调中的温度控制器所控制的Ax1处在闭合状态，空调室外机是否通电还取决于根据人员数的占空比控制单元所控制的Rx1继电器。因此有一个控制策略问题。

表1为空调功率与房间面积与室内人员数的匹配图。从表1中可得出，不同的建筑环境以及房间的大小，空调功率所对应的适用人数是不一致的。按需供气的策略是根据室内检测的人数，动态更新占空比比率的控制方法，即需要多少就供气多少的智能节能控制方法。

        表1 空调功率与房间人数匹配图

为了适应不同的建筑环境实现对空调按需节能控制，需要有一个统一的计算标准。从表1可以得到室内最大容纳的人员数是与空调使用功率成一种函数关系。为此本发明中提出的按需供气的控制策略不失去一般性，首先将实际人数与最大容纳人数的比来表示室内的热负荷变化率，将其转换成无量纲的相对人数比，如公式(36)表示，

式(36)中sum是室内实际的人数，Max是最大可容纳的室内人数，Max是根据具体的建筑使用环境，即表1中的空调功率与房间人数匹配关系来设定的。

在占空比控制策略中，本发明的依据是：1)暂时性的室外机供电中断不会对人的热感觉产生影响；2)无量纲的相对人数比能比较客观的反映空调供气的需求。本发明提出了一种比较典型的占空比控制曲线图，如附图4所示。本文中用PeopleRatio表示无量纲的相对人数比，在附图4中，当PeopleRatio>95％时，占空比设置为80％，即如果设置一个占空比控制周期为15分钟的话，室外机的通电时间为12分钟，断电时间为3分钟；当0<PeopleRatio<15％时，室外机的通电时间为3分钟，断电时间为12分钟；当PeopleRatio＝0时，室外机的通电时间为0分钟，断电时间为15分钟；当15％≤PeopleRatio≤95％时，室外机的通断电时间按函数关系设定。在具体实现过程中，上述PeopleRatio的各阈值以及最大及最小控制占空比等数据是存放在控制器的存储单元中，使用者可以根据需要进行修改设定，但是规定有一定的范围。本文中用公式(37)表示控制策略。

PeopleRatio(％)＝sum/Max*100      (37)

式中，f(PeopleRatio)可以是线型关系，也可以是高次曲线关系。但是动态调整占空比PWM时必须是在一个周期运行完以后执行。

比如在一个约80平方米面积的会议室，采用ODVS能捕捉到所有室内视频信息，经图像处理得到的前景对象然后通过区域面积和形状属性的判断，能快速、实时识别出室内人员的数量。该会议室使用的是10匹功率的空调，其最大人数为33人，通过视频识别出的人员数为10人，因此通过公式(37)计算出PeopleRatio＝10/33*100＝33％，然后利用公式(36)计算得到在10人的情况下的占空比PWM为50％，那么系统就作出以下控制策略，在一个占空比控制周期内室外机的通断电时间相等。

所述的人数检测及根据人员数的占空比控制单元中的供电中断周期及周期起始时间设定模块中设定供电中断周期及周期起始时间，进行供电中断周期控制，供电中断周期可以从10分钟至20分钟内选择，本专利中采用了15分钟为一个供电中断周期，供电中断周期动作开始时间采用随机方式决定，产生公式由式(38)表示；

Pstart＝INT(RANDC()*15)        (38)

按照式(38)所产生的数是一个0至14之间的随机整数，从概率的角度来说出现0至14之间的任何数值的概率都是相同的，假如某个电网上有10万台空调运行的话，并且都是在满负荷情况下运行；按照式(38)对10万台空调室外机的供电中断周期动作开始时间进行设置，那么就有6666台左右的空调供电中断周期动作开始时间是相同的，也就是说在某15分钟的供电中断周期内，最先有6666台左右的空调进入供电中断周期，过一分钟后又有6666台左右的空调进入供电中断周期，...，如图8所示的效果，这种效果反映在用电高峰时特别明显，如果用电高峰时空调负荷占整个电网的负荷是40％、供电中断占空比都设置为15％的话，作为空调这一项能平缓用电高峰的15％，对整个电网来说至少能够起到平缓用电高峰值的6％，本专利中将其称为平均错开削峰法。实现平均错开削峰法相对比较简单，当空调一通电时，空调控制器进行初始化供电中断周期及周期起始时间设定模块实现上述功能，这个功能对个人用户不会产生任何热舒适性方面的影响，而对整个电网安全是非常有利的，如果估计目前的空调数为1亿台的话，采用这个技术后也就是相当于新建一个三峡发电站的新增发电量。

上述的实施例所产生的发明效果是，能更大程度地发挥空调系统的节能潜力，真正实现按需供热(供冷)，使空调系统的运行能耗最小，同时也能起到减少污染作用，节约一度电，就相当于节约0.4公斤标准煤和4升的净水，还可减少大约0.27公斤的粉尘、0.8-2.5公斤的二氧化碳和0.037公斤的二氧化硫等排放。

本发明为空调节能控制器的新产品开发以及技术改造提供了一种全新的解决方案，特别是对目前对近一亿台家用空调进行技术改造，具体实施时只要引出一根线，然后安装一个ODVS并接一个空调节能控制器便就完成了目前运行中的空调技术改造工作，实施非常方便。另外利用ODVS并在嵌入式系统中增加其他一些软件，比如火灾检测算法、侵入检测算法，就能实现防火、防盗等功能。

Claims (7)

1、一种基于全方位计算机视觉的空调节能控制装置，包括空调温控器、微处理器以及安装于室内上部中央用于感知室内人员数量的视觉传感器，所述空调温控器设有第一继电器，所述第一继电器连接空调室外机，所述的视觉传感器与微处理器连接，其特征在于：所述的空调节能控制装置还包括用以控制空调室外机通断电周期的占空比控制器，所述占空比控制器连接第二继电器，所述第二继电器与第一继电器串联，所述第二继电器与电源连接；

所述视觉传感器为全方位视觉传感器，所述的全方位视觉传感器包括用以反射监控领域中物体的外凸折反射镜面、用以防止光折射和光饱和的黑色圆锥体、透明圆筒体、摄像头，所述的外凸折反射镜面位于透明圆筒体的上方，外凸折反射镜面朝下，黑色圆锥体固定在外凸折反射镜面外凸部的中心，摄像头对着外凸折反射镜面朝上，所述的摄像头的透镜位于外凸折反射镜面的虚焦点位置；

所述的微处理器包括：

图像数据读取模块，用于读取从全方位视觉传感器传过来的视频图像信息；

图像数据文件存储模块，用于将读取的视频图像信息通过文件方式保存在存储单元中；

全方位视觉传感器标定模块，用于对全方位视觉传感器的参数进行标定，建立空间的实物图像与所获得的视频图像的对应关系；

图像展开处理模块，用于将采集的环状视频图像展开为矩形全景图；

运动对象检测模块，用于将所获得的当前帧现场视频图像与一个相对比较稳定的基准参考图像进行差值运算，图像相减的计算公式如式(39)表示：

f_d(X，t₀，t_i)＝f(X，t_i)-f(X，t₀)        (39)

上式中，f_d(X，t₀，t_i)是实时拍摄到图像与基准参考图像间进行图像相减的结果；f(X，t_i)是实时拍摄到图像；f(X，t₀)是基准参考图像；

并将当前图像中与相邻K帧的图像相减计算公式如(40)所示：

f_d(X，t_i-k，t_i)＝f(X，t_i)-f(X，t_i-k)      (40)

上式中，f_d(X，t_i-k，t_i)是实时拍摄到图像与相邻K帧图像间进行图像相减的结果；f(X，t_i-k)是相邻K帧时的图像；

如f_d(X，t₀，t_i)≥阈值、f_d(X，t_i-k，t_i)≥阈值成立时，判定为运动对象；

如f_d(X，t₀，t_i)≥阈值、f_d(X，t_i-k，t_i)<阈值，判定为静止对象，并用式(₄₁)来更新替换基准参考图像：

$f(X,t_0)\&DoubleLeftArrow;f(X,t_{i-k})---\left(41\right)$

如f_d(X，t₀，t_i)<阈值，判定为静止对象；

连通区域计算模块，用于对当前图像进行标记，像素灰度为0的小区表示此小区无活动物体，像素灰度为1则表示此小区有活动物体，计算当前图像中的像素是否与当前像素周围相邻的某一个点的像素相等，如像素的灰度相等判断为具有连通性，将所有具有连通性的像素作为一个连通区域；

室内人员数估计模块，用于求每个连通区域的宽度w_i和高度h_i，然后用公式(33)计算区域面积属性

其中S_i为某个连通区域的面积：

${\mathrm{\&epsiv;}}_{\mathrm{area}}^i=\frac{S_i}{w_i*h_i}---\left(33\right)$

接着用公式(34)进行形状属性

计算，即连通区域的宽度w_i与高度h_i的比的计算；

${\mathrm{\&epsiv;}}_{\mathrm{rate}}^i=\frac{w_i}{h_i}---\left(34\right)$

使用公式(35)进行面积和形状属性的综合判断，设定区域面积影响因子F_s和形状属性影响因子F_sh：

$R\stackrel{\&RightArrow;}{e}c=F_s\&times;({\mathrm{\&epsiv;}}_{\mathrm{area}}^i-{\mathrm{\&epsiv;}}_{\mathrm{area}\_s\tan \mathrm{dard}}^i)\stackrel{\&RightArrow;}{i}+F_{\mathrm{sh}}\&times;({\mathrm{\&epsiv;}}_{\mathrm{rate}}^i-{\mathrm{\&epsiv;}}_{\mathrm{rate}\_s\tan \mathrm{dard}}^i)\stackrel{\&RightArrow;}{j}---\left(35\right)$

式中：

为连通区域半径的面积标准值，

为连通区域半径的形状属性标准值；

如

值小于设定的阈值，判定该连通区域为人体，并统计室内的人员总数；

所需占空比比率设定模块，用于建立建筑环境、房间大小、房间内人员数量以及空调占空比的对应序列，最后确定空调占空比，并把该占空比信号向占空比控制器发出；

在所述的所需占空比比率设定模块中，将实际人数与最大容纳人数的比来表示室内的热负荷变化率，将其转换成无量纲的相对人数比，如公式(42)表示，

PeopleRatio(％)＝sum/Max*100  (42)

用公式(36)表示控制策略：

式(36)中，sum是室内实际的人数，Max是最大可容纳的室内人数，Max是根据具体的建筑使用环境，空调功率以及房间人数匹配关系决定，f(PeopleRatio)为线性关系或高次曲线关系。

2、如权利要求1所述的基于全方位计算机视觉的空调节能控制装置，其特征在于：所述的图像展开处理模块，用于根据圆形全方位图像上的一个点(x^*，y^*)和矩形柱状全景图上的一个点(x^**，y^**)的对应关系，建立(x^*，y^*)与(x^**，y^**)的映射矩阵，式(21)所示：

P^**(x^**，y^**)←M×P^*(x^*，y^*)         (21)

上式中，M是映射矩阵，P^*(x^*，y^*)是圆形全方位图像上的像素矩阵，P^**(x^**，y^**)是矩形柱状全景图上的像素矩阵。

3、如权利要求1或2所述的基于全方位计算机视觉的空调节能控制装置，其特征在于：所述的微处理器还包括背景维护模块，所述的背景维护模块包括：

背景亮度计算单元，用于计算平均背景亮度Y_b计算公式如式(25)所示：

${\stackrel{\&OverBar;}{Y}}_b=\frac{\underset{x=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{H-1}{\mathrm{\&Sigma;}}}{Y}_n(x,y)(1-M_n(x,y))}{\underset{x=0}{\overset{W-1}{\mathrm{\&Sigma;}}}\underset{y=0}{\overset{H-1}{\mathrm{\&Sigma;}}}(1-M_n(x,y))}---\left(25\right)$

式(25)中，Yn(x，y)为当前帧各像素的亮度，Mn(x，y)为当前帧的掩模表，所述的掩模表是用一个与视频帧尺寸相同的数组来记录各像素点是否有运动变化，参见式(27):

Yb0为判定为运动对象时前一帧的背景亮度，Yb1为判定为运动对象时

第一帧的背景亮度，两帧平均亮度的变化为：

ΔY＝Yb1-Yb0                         (26)

如果ΔY大于上限值，则认为发生了开灯事件；如果ΔY小于某个下限值，则认为发生了关灯事件；如ΔY介于上限值和下限值之间，则认为光线自然变化；

背景自适应单元，用于当光线自然变化时，按照下式(22)进行自适应学习：

X_mix，bn+1(i)＝(1-λ)X_mix，bn(i)+λX_mix，cn(i)        (22)

式中：X_mix，cn(i)为当前帧RGB向量，X_mix，bn(i)为当前帧背景RGB向量，X_mix，bn+1(i)为下一帧背景预测RGB向量，λ为背景更新的速度；λ＝0，使用固定不变的背景；λ＝1，使用当前帧作为背景；0<λ<1，背景由前一时刻的背景与当前帧混合而成；

当光线由开关灯引起的，背景像素按照当前帧重置，参见式(23)：

X_mix，bn+1(i)＝X_mix，cn(i)                 (23)

式中，X_mix，cn(i)表示当前帧RGB向量，X_mix，bn+1(i)表示下一帧背景预测RGB向量。

4、如权利要求1或2所述的基于全方位计算机视觉的空调节能控制装置，其特征在于：所述的微处理器还包括：

噪声剔除模块，用于将每一个像素值用其局部邻域内所有值的均值置换，如公式(32)所示:

h[i，j]＝(1/M)∑f[k，1]            (32)

上式(32)中，M是邻域内的像素点总数。

5、如权利要求4所述的基于全方位计算机视觉的空调节能控制装置，其特征在于：在连通区域计算模块中，利用连通区域来计算对象目标的面积和重心，所述的对象目标的重心通过连通区域面积Si以及该连通区域的X、Y轴方向的累积像素值计算得到，计算公式由式(37)计算得到：

$X_{\mathrm{cg}\left(i\right)}=\frac{\underset{x,y\&Element;S_i}{\mathrm{\&Sigma;}}x}{S_i};Y_{\mathrm{cg}\left(i\right)}=\frac{\underset{x,y\&Element;S_i}{\mathrm{\&Sigma;}}y}{S_i}---\left(37\right).$

6、如权利要求5所述的基于全方位计算机视觉的空调节能控制装置，其特征在于：所述的微处理器还包括色彩空间转化模块，用于将RGB颜色空间到YCrCb颜色空间的转换，其公式(28)给出，

Y＝0.29990*R+0.5870*G+0.1140*B

Cr＝0.5000*R-0.4187*G-0.0813*B+128          (28)。

Cb＝-0.1787*R-0.3313*G+0.5000*B+128

7、如权利要求1或2所述的基于全方位计算机视觉的空调节能控制装置，其特征在于：所述的微处理器还包括周期起始时间设定模块，用于对供电中断周期及周期起始时间的设定，进行供电中断周期控制，供电中断周期动作开始时间采用随机方式决定。

Images