CN107588511A - 基于等高线及hog人体检测的空调能源管理系统及方法 - Google Patents
基于等高线及hog人体检测的空调能源管理系统及方法 Download PDFInfo
- Publication number
- CN107588511A CN107588511A CN201710887052.9A CN201710887052A CN107588511A CN 107588511 A CN107588511 A CN 107588511A CN 201710887052 A CN201710887052 A CN 201710887052A CN 107588511 A CN107588511 A CN 107588511A
- Authority
- CN
- China
- Prior art keywords
- contour
- human
- image
- hog
- human body
- 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
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及能源管理技术领域,公开了一种基于等高线及HOG人体检测的空调能源管理系统及方法,提高室内环境人体检测准确率,进而提高空调能源自动化管理效率。本发明系统包括图像采集模块、人体检测模块以及空调控制模块;其中,图像采集模块用于采集室内图像;人体检测模块用于通过HOG算法提取图像特征对图像中的人体进行初检,使用等高线检测方法进行二次人体检测并对人体位置进行定位;空调控制模块用于根据检测到的人体个数及位置,对空调进行控制。本发明适用于空调能源管理。
Description
技术领域
本发明涉及能源管理技术领域,特别涉及基于等高线及HOG人体检测的空调能源管理系统及方法。
背景技术
空调是当前居民生活当中室内制冷效率最高的方法,特别对于家庭环境、办公环境房间制冷效率尤其突出,但由于人为因素等各种原因造成的电力能源浪费问题也日益严重。目前市场当中智能空调大多使用红外技术判断室内环境是否存在人体及人体数量,从而控制空调调整运行参数,达到节能目的。而人体检测是目前人工智能领域的重要技术,人体检测技术以图像特征提取为基础,以分类器训练为核心,实现对图像中人体的自动检测。在图像识别的过程中,识别系统必须排除图像中多余的输入信息,抽取出有用的关键信息,形成图像特征。在众多图像特征提取方法中,方向梯度直方图(Histogram of OrientedGradient,HOG)是表现较为出众的一种。HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征,使用该特征可以在图像中较为直观的展示出人体的特征。等高线是指地形图上高程相等的相邻各点连成的闭合曲线,用于展示不同的海拔高度。
发明内容
本发明要解决的技术问题是:提供一种基于等高线及HOG人体检测的空调能源管理系统及方法,提高室内环境人体检测准确率,进而提高空调能源自动化管理效率。
为解决上述问题,本发明采用的技术方案是:
基于等高线及HOG人体检测的空调能源管理系统,包括图像采集模块、人体检测模块以及空调控制模块;
图像采集模块用于采集室内图像;
人体检测模块用于通过HOG算法提取图像特征对图像中的人体进行初检,使用等高线检测方法进行二次人体检测并对人体位置进行定位;
空调控制模块用于根据检测到的人体个数及位置,对空调进行控制。
进一步的,图像采集模块依附于空调室内挂机之上。
进一步的,人体检测模块包括图像预处理模块、HOG人体检测模块、等高线人体检测定位模块;
图像预处理模块用于对采集的图像进行预处理;
HOG人体检测模块用于通过HOG算法提取图像特征对图像中的人体进行初检;
等高线人体检测定位模块用于使用等高线检测方法进行二次人体检测并对人体位置进行定位。
进一步的,等高线人体检测定位模块使用等高线检测方法进行二次人体检测并对人体位置进行定位的具体步骤包括:
A.将图像的深度信息形成等高线,并利用距离判断将等高线图像三维化,使不同高度的等高线分出不同的层次;
B.对于HOG人体检测模块初检出的人体,标记每一个处在第一层的封闭等高线及其中心点;
C.将标记出的等高线轮廓与内置的人体头部深度图像进行轮廓对比,排除非人体头部的标记。
进一步的,步骤A形成等高线的方法为:将深度图像的像素值从小到大,以K为间隔形成深度图像等高线图,其中K为预设的深度阈值。
进一步的,步骤B还包括:
标记每一个处在次高层的封闭等高曲线的中心点,若次高层的等高线中包含第一层检测出及其人体标记,则排除;若次高层的等高线中不包含第一层人体标记,则保留。
进一步的,封闭等高线的中心点计算方法为:
其中,n为该轮廓坐标点的总数,pxi,pyi为第i个点的x,y坐标,cx,cy为轮廓中心点的x,y坐标。
基于等高线及HOG人体检测的空调能源管理方法,其特征在于,包括步骤:
S1.采集室内图像;
S2.通过HOG算法提取图像特征,并将提取的图像特征供分类器进行人体初检;
S3.将图像的深度信息形成等高线,并利用距离判断将等高线图像三维化,使不同高度的等高线分出不同的层次;
S4.对于初检出的人体,标记每一个处在第一层的封闭等高线及其中心点;
S5.将标记出的等高线轮廓与内置的人体头部深度图像进行轮廓对比,排除非人体头部的标记;
S6.根据检测到的人体个数及位置,对空调进行控制。
本发明的有益效果是:本发明将等高线方法与HOG人体检测方法相结合,提高了室内环境人体检测准确率并应用于空调能源管理系统当中,可实现空调能源自动化精准管理。
附图说明
图1为HOG特征提取流程图。
图2为实施例基于等高线及HOG人体检测的空调能源管理系统中各模块之间的工作流程图。
具体实施方式
实施例提供一种基于等高线及HOG人体检测的空调能源管理系统及方法,系统包括图像采集模块、人体检测模块以及空调控制模块,如图2所示,系统中各模块之间的工作流程流程如下:
1.图像采集模块依附于空调室内挂机之上,图像采集模块由摄像头及图像信息传输线路组成。摄像头将拍摄到的室内实时图像通过图像信息传输线路传送到人体检测模块。图像采集模块可设置采集间隔,满足不同用户对灵敏度的需求。
2.人体检测模块对图像进行处理,识别图像中的人体,对人体个数及位置进行判断。人体检测模块主要由3部分组成:图像预处理模块、HOG人体检测模块、等高线人体检测定位模块。
图像预处理模块的主要作用是消除图像中的无用信息,增强有用信息的可检测性并简化图像数据,从而增加图像特征提取、匹配和识别的可靠性。实施例所使用图像预处理方法包括但不限于最近邻插值、几何规范化方法。
HOG人体检测模块通过HOG算法提取图像特征对图像中的人体进行初检。HOG人体检测方法是在2005年的CVPR会议中由法国研究人员提出的,其主要思路是在一副图像中,局部目标的表象和形状能够被梯度或边缘的方向密度分布有效的描述出来。HOG特征提取流程如图1所示,包括:
(1)标准化Gamma空间和颜色空间,为了减少光照因素的影响,将图像进行Gamma标准化,公式如下
I(x,y)=I(x,y)gamma
(2)计算图像梯度,计算图像横坐标和纵坐标方向的梯度,并根据此计算每个像素位置的梯度方向值,求导操作不仅能够捕获图形轮廓及纹理信息,还能进一步弱化光照的影响,图像中(x,y)点的梯度计算方法为:
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H(x,y+1)-H(x,y-1)
公式中Gx(x,y),Gy(x,y),H(x,y)分别表示输入图像中像素点(x,y)处的水平方向、垂直方向梯度和像素值,像素点(x,y)处的梯度幅值和梯度方向分别为:
(3)将图像分为若干个6*6像素的单元,称为cell。并将圆周360°分为9个方向区间,称为9bin。计算每个cell中36个像素的梯度方向直方图,并将梯度大小在直方图中对应加权求和,便得到了该cell的9维特征向量。
(4)将相邻3*3的cell单元格组成一个block,将block内的9个9维特征向量串连并进行归一化,便得到了HOG特征向量。
(5)对检测窗口进行HOG特征收集,结合成最终的特征向量供分类器进行人体检测。
等高线多用于地理学中显示地貌海拔特点,是指地形图上高程相等的相邻各点所连成的闭合曲线。把地面上海拔高度相同的点连成闭合曲线投影到一个水平面上,就得到等高线。在人体检测中,特别是摄像位置位于人体上方时所拍摄的图像,其中图像深度投影与等高线原理相似。使用等高线判断人体并定位实施步骤如下:
(1)获取深度图像三维等高线:将图像的深度信息形成等高线,并利用距离判断将等高线图像三维化,使不同高度的等高线分出不同的层次,处于最上层即与成像设备距离最小的等高线曲线是人体头部所处位置。
形成等高线的方法可以为:将深度图像的像素值从小到大,以K为间隔形成深度图像等高线图,其中K为预设的深度阈值。
(2)人头中心定位:将HOG人体检测出的人体进行二次检测,直立人体的头部在正常情况下是没有接触的,因此,等高线图中的第一层互不相交,标记每一个处在第一层的封闭等高曲线及该封闭等高曲线的中心点,便可以确定一个人体位置,封闭等高曲线的中心点计算方法为:
其中,n为该轮廓坐标点的总数,pxi,pyi为第i个点的x,y坐标,cx,cy为轮廓中心点的x,y坐标。等高线的平面坐标与深度图的坐标是一一对应的,这样等高线轮廓的中心点坐标就可以直接对应深度图中的人头中心。
(3)深度二次检测:由于人的身高本身具有的个体差异,在等高线图像中并不是所有的人体头部位置都处在第一层中,这就需要我们扩展检测的层次,本文采用了两层检测法,即检测处于次高层的等高曲线中的人头位置。我们知道,由于等高线垂直投影的关系,同一人体的头部等高线一定处于次高层肩部形成的等高线之中,若次高层的等高线中出现第一层检测出的人体标记,则说明该曲线不是较矮个体的头部曲线,应该排除;若次高层的等高线中不包含第一层人体标记,则次高层轮廓曲线可被认定为较矮个体的头部位置,应该保留。
(4)次高层人体中心定位:使用步骤(2)中的计算方法,标记次高层人体位置。
(5)将标记出的等高线轮廓与内置的人体头部深度图像进行轮廓对比,排除非人体头部的标记,排除误检。
通过以上五个步骤的计算,可标记出深度图像中不同高度的人体位置,在实际应用中,为了更加全面地检测图像中的人体,可继续增加检测层次。
经过以上HOG与等高线人体检测方法的结合,即可得到图像中准确的人体个数及位置信息。
3.空调控制模块根据检测到的人体个数及位置信息,向空调发送控制指令,控制空调调整温度、风力及风向。
综上,基于以上的系统,实施例基于等高线及HOG人体检测的空调能源管理系统及方法,具体的步骤可归纳成以下方式:
S1.采集室内图像;
S2.通过HOG算法提取图像特征,并将提取的图像特征供分类器进行人体初检;
S3.将图像的深度信息形成等高线,并利用距离判断将等高线图像三维化,使不同高度的等高线分出不同的层次;
S4.对于初检出的人体,标记每一个处在第一层的封闭等高线及其中心点,标记每一个处在次高层的封闭等高曲线及其中心点;若次高层的等高线中包含第一层检测出的人体标记,则排除;若次高层的等高线中不包含第一层人体标记,则保留
S5.将标记出的等高线轮廓与内置的人体头部深度图像进行轮廓对比,排除非人体头部的标记;
S6.根据检测到的人体个数及位置信息,向空调发送控制指令,控制空调调整温度、风力及风向。
以上描述了本发明的基本原理和主要的特征,说明书的描述只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (10)
1.基于等高线及HOG人体检测的空调能源管理系统,其特征在于,包括图像采集模块、人体检测模块以及空调控制模块;
图像采集模块用于采集室内图像;
人体检测模块用于通过HOG算法提取图像特征对图像中的人体进行初检,使用等高线检测方法进行二次人体检测并对人体位置进行定位;
空调控制模块用于根据检测到的人体个数及位置,对空调进行控制。
2.如权利要求1所述的基于等高线及HOG人体检测的空调能源管理系统,其特征在于,图像采集模块依附于空调室内挂机之上。
3.如权利要求1所述的基于等高线及HOG人体检测的空调能源管理系统,其特征在于,人体检测模块包括图像预处理模块、HOG人体检测模块、等高线人体检测定位模块;
图像预处理模块用于对采集的图像进行预处理;
HOG人体检测模块用于通过HOG算法提取图像特征对图像中的人体进行初检;
等高线人体检测定位模块用于使用等高线检测方法进行二次人体检测并对人体位置进行定位。
4.如权利要求3所述的基于等高线及HOG人体检测的空调能源管理系统,其特征在于,等高线人体检测定位模块使用等高线检测方法进行二次人体检测并对人体位置进行定位的具体步骤包括:
A.将图像的深度信息形成等高线,并利用距离判断将等高线图像三维化,使不同高度的等高线分出不同的层次;
B.对于HOG人体检测模块初检出的人体,标记每一个处在第一层的封闭等高线及其中心点;
C.将标记出的等高线轮廓与内置的人体头部深度图像进行轮廓对比,排除非人体头部的标记。
5.如权利要求4所述的基于等高线及HOG人体检测的空调能源管理系统,其特征在于,步骤A形成等高线的方法为:将深度图像的像素值从小到大,以K为间隔形成深度图像等高线图,其中K为预设的深度阈值。
6.如权利要求4所述的基于等高线及HOG人体检测的空调能源管理系统,其特征在于,步骤B还包括:
标记每一个处在次高层的封闭等高曲线及其中心点,若次高层的等高线中包含第一层检测出的人体标记,则排除;若次高层的等高线中不包含第一层人体标记,则保留。
7.如权利要求4所述的基于等高线及HOG人体检测的空调能源管理系统,其特征在于,封闭等高线的中心点计算方法为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>x</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>px</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>py</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,n为该轮廓坐标点的总数,pxi,pyi为第i个点的x,y坐标,cx,cy为轮廓中心点的x,y坐标。
8.基于等高线及HOG人体检测的空调能源管理方法,其特征在于,包括步骤:
S1.采集室内图像;
S2.通过HOG算法提取图像特征,并将提取的图像特征供分类器进行人体初检;
S3.将图像的深度信息形成等高线,并利用距离判断将等高线图像三维化,使不同高度的等高线分出不同的层次;
S4.对于初检出的人体,标记每一个处在第一层的封闭等高线及其中心点;
S5.将标记出的等高线轮廓与内置的人体头部深度图像进行轮廓对比,排除非人体头部的标记;
S6.根据检测到的人体个数及位置,对空调进行控制。
9.如权利要求8所述的基于等高线及HOG人体检测的空调能源管理方法,其特征在于,步骤S3形成等高线的方法为:将深度图像的像素值从小到大,以K为间隔形成深度图像等高线图,其中K为预设的深度阈值。
10.如权利要求8所述的基于等高线及HOG人体检测的空调能源管理方法,其特征在于,步骤S4还包括:
标记每一个处在次高层的封闭等高曲线及其中心点,若次高层的等高线中包含第一层检测出的人体标记,则排除;若次高层的等高线中不包含第一层人体标记,则保留。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710887052.9A CN107588511A (zh) | 2017-09-21 | 2017-09-21 | 基于等高线及hog人体检测的空调能源管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710887052.9A CN107588511A (zh) | 2017-09-21 | 2017-09-21 | 基于等高线及hog人体检测的空调能源管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107588511A true CN107588511A (zh) | 2018-01-16 |
Family
ID=61048791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710887052.9A Pending CN107588511A (zh) | 2017-09-21 | 2017-09-21 | 基于等高线及hog人体检测的空调能源管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107588511A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112696372A (zh) * | 2019-10-22 | 2021-04-23 | 佛山市云米电器科技有限公司 | 风扇调节方法、风扇和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
CN104090658A (zh) * | 2014-07-04 | 2014-10-08 | 四川长虹电器股份有限公司 | 基于hog特征的人体图像检测方法 |
CN104240264A (zh) * | 2014-08-29 | 2014-12-24 | 青岛海信电器股份有限公司 | 一种运动物体的高度检测方法和装置 |
CN104915670A (zh) * | 2015-04-29 | 2015-09-16 | 中国海洋大学 | 基于hog特征提取的全球海洋中尺度涡识别算法 |
CN105631852A (zh) * | 2015-11-03 | 2016-06-01 | 四川长虹电器股份有限公司 | 基于深度图像等高线的室内人体检测方法 |
CN105928099A (zh) * | 2016-04-14 | 2016-09-07 | 吴本刚 | 一种智能空气净化机 |
CN106382718A (zh) * | 2016-08-30 | 2017-02-08 | 广州穗剑实验室科技有限公司 | 基于实时视频分析的通风空调控制系统 |
US20170061640A1 (en) * | 2015-09-01 | 2017-03-02 | Personify, Inc. | Methods and systems for generating a user-hair-color model |
CN106599847A (zh) * | 2016-12-15 | 2017-04-26 | 四川长虹电器股份有限公司 | 基于深度信息的人体检测方法 |
CN107016373A (zh) * | 2017-04-12 | 2017-08-04 | 广东工业大学 | 一种安全帽佩戴的检测方法及装置 |
-
2017
- 2017-09-21 CN CN201710887052.9A patent/CN107588511A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
CN104090658A (zh) * | 2014-07-04 | 2014-10-08 | 四川长虹电器股份有限公司 | 基于hog特征的人体图像检测方法 |
CN104240264A (zh) * | 2014-08-29 | 2014-12-24 | 青岛海信电器股份有限公司 | 一种运动物体的高度检测方法和装置 |
CN104915670A (zh) * | 2015-04-29 | 2015-09-16 | 中国海洋大学 | 基于hog特征提取的全球海洋中尺度涡识别算法 |
US20170061640A1 (en) * | 2015-09-01 | 2017-03-02 | Personify, Inc. | Methods and systems for generating a user-hair-color model |
CN105631852A (zh) * | 2015-11-03 | 2016-06-01 | 四川长虹电器股份有限公司 | 基于深度图像等高线的室内人体检测方法 |
CN105928099A (zh) * | 2016-04-14 | 2016-09-07 | 吴本刚 | 一种智能空气净化机 |
CN106382718A (zh) * | 2016-08-30 | 2017-02-08 | 广州穗剑实验室科技有限公司 | 基于实时视频分析的通风空调控制系统 |
CN106599847A (zh) * | 2016-12-15 | 2017-04-26 | 四川长虹电器股份有限公司 | 基于深度信息的人体检测方法 |
CN107016373A (zh) * | 2017-04-12 | 2017-08-04 | 广东工业大学 | 一种安全帽佩戴的检测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112696372A (zh) * | 2019-10-22 | 2021-04-23 | 佛山市云米电器科技有限公司 | 风扇调节方法、风扇和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199993B (zh) | 基于人工智能识别任意方向变电站绝缘子红外图像检测模型的方法 | |
CN113359810B (zh) | 一种基于多传感器的无人机着陆区域识别方法 | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN109215806A (zh) | 一种基于人脸识别的公共场所健康监测系统及方法 | |
CN112560741A (zh) | 一种基于人体关键点的安全穿戴检测方法 | |
CN105631852B (zh) | 基于深度图像等高线的室内人体检测方法 | |
CN106022345B (zh) | 一种基于霍夫森林的高压隔离开关状态识别方法 | |
CN103177247B (zh) | 一种融合多视角信息的目标检测方法 | |
CN111914761A (zh) | 一种热红外人脸识别的方法及系统 | |
CN106127137A (zh) | 一种基于3d轨迹分析的目标检测识别算法 | |
CN104517095B (zh) | 一种基于深度图像的人头分割方法 | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN104517102A (zh) | 学生课堂注意力检测方法及系统 | |
CN109145756A (zh) | 基于机器视觉和深度学习的目标检测方法 | |
CN109817013A (zh) | 基于视频流的停车位状态识别方法及装置 | |
CN104778453A (zh) | 一种基于红外行人亮度统计特征的夜间行人检测方法 | |
CN110728252B (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
CN105701467A (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
CN107767400A (zh) | 基于层次化显著性分析的遥感图像序列动目标检测方法 | |
CN113139437B (zh) | 一种基于YOLOv3算法的安全帽佩戴检查方法 | |
CN105022999A (zh) | 一种人码伴随实时采集系统 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
CN112183438B (zh) | 基于小样本学习神经网络的违规行为的图像识别方法 | |
CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 |
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: 20180116 |
|
RJ01 | Rejection of invention patent application after publication |