CN110230865A - 一种基于信息融合bn的人员在室状态识别方法 - Google Patents
一种基于信息融合bn的人员在室状态识别方法 Download PDFInfo
- Publication number
- CN110230865A CN110230865A CN201910490228.6A CN201910490228A CN110230865A CN 110230865 A CN110230865 A CN 110230865A CN 201910490228 A CN201910490228 A CN 201910490228A CN 110230865 A CN110230865 A CN 110230865A
- Authority
- CN
- China
- Prior art keywords
- sensor
- personnel
- room
- infrared
- infrared sensor
- 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
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
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- 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
-
- 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)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种基于信息融合BN的人员在室状态识别方法,包括以下步骤:(1)、构建基于BN的识别模型;(2)、确定基于BN的识别规则;(3)、红外传感器、热释电传感器和压力传感器实时探测信号;(4)、处理器接收来自红外传感器、热释电传感器和压力传感器实时探测的信号;(5)、处理器基于载有的基于BN的识别模型与识别规则做出此时人员在室状态的识别结果;(6)、处理器将人员在室状态的识别结果输出到空调控制模块;基于BN开放式的网络拓扑结构,本发明将来自多源传感器的信息融合到BN中,以此提高人员在室状态的识别性能。
Description
技术领域
本发明涉及智能空调控制技术领域,尤其涉及一种基于信息融合BN的人员在室状态识别方法。
背景技术
由于我国经济的不断发展,能源消耗越来越大,建筑能耗比例随着城市化程度不断提高,这其中,空调与供暖能耗占建筑能耗的60%。因此,实现建筑节能的目标就主要集中在空调供暖系统的节能。
得益于人工智能和大数据算法的快速发展,越来越多的学者开始思考如何通过提高空调智能化与自主性来实现空调运行的节能。然而,空调智能化研究尚处于起步阶段。现有所谓的智能空调真正离智能化和自主性调节相去甚远。通过对现有智能空调现状的分析,智能空调发展存在三个问题:1)控制调节不智能;2)需求响应不及时;3)运行能耗不节约。
针对上述分析出的三个问题,一款智能空调首先应该具有的基本功能是智能开关控制。具体是指:基于室内人员存在状态,空调能够自动开机与关机,即,室内有人员存在,空调自动开启,而无人员存在时,空调自动关闭。通过实现上述基本功能,可有效避免人员离开房间时由于忘记关空调等而导致的能量浪费。
显然,实现上述基本功能的核心技术是如何准确识别人员在室的存在状态。基于此,本发明提供了一种基于信息融合贝叶斯网络(BN)的人员在室状态识别方法。基于BN开放式的网络拓扑结构,来自多源传感器的信息被融合到BN中,以此提高识别性能。
发明内容
本发明的目的是为解决实现智能空调基本功能的核心技术问题,提供了一种识别性能优良的基于信息融合BN的人员在室状态的识别方法,通过将来自多源传感器的信息融合在BN中,提高识别性能。
本发明为解决上述技术问题采用的技术方案是:一种基于信息融合BN的人员在室状态识别方法,包括以下步骤:
(1)、构建基于BN的识别模型;所述BN的识别模型包括BN的结构和BN的参数;
(2)、确定基于BN的识别规则;
(3)、红外传感器、热释电传感器和压力传感器实时探测信号;
(4)、处理器接收来自步骤(3)中红外传感器、热释电传感器和压力传感器实时探测的信号;
(5)、处理器基于载有的基于BN的识别模型与BN的识别规则做出此时人员在室状态的识别结果;
(6)、处理器将在室人员活动状态的识别结果输出到空调控制模块。
进一步的,在步骤(1)中,所述BN的结构包括识别层和征兆层,所述识别层包括一个节点,该节点表示人员在室状态,设有“Yes”和“No”两种状态,分别对应的表示室内有人员存在和室内无人员存在,所述征兆层包括三个节点,三个节点为红外传感器节点、热释电传感器节点和压力传感器节点,每个节点包括两个状态,分别是“Change”和“No change”,分别对应的表示每个节点的传感器感应到信号变化和信号无变化。
进一步的,在步骤(1)中,所述BN的参数包括识别层节点两个状态的先验概率和征兆层中传感器节点两个状态的条件概率。
进一步的,在步骤(2)中,所述BN的识别规则为:依据最大后验概率原则,将识别层中有着最大后验概率的那个状态输出为识别结果。
进一步的,步骤(3)中的红外传感器共有4组,每组包括2个红外传感器;4组红外传感器放置在房间入口处,放置高度依此为0.5m,1.0m,1.5m和2.0m;每组红外传感器设置在房间入口的同侧,每组红外传感器间隔设置在同一高度,间隔的间距为5~10cm;每组传感器中,靠近房间外侧的为前红外传感器,靠近房间内侧的为后红外传感器;当前红外传感器首先感应到人员存在,后红外传感器随后感应到人员存在,则判断为人员进入房间,否则判断为人员离开房间;热释电传感器的个数由房间面积与热释电传感器的有效范围确定,热释电传感器均匀设置在房间的顶部;压力传感器包括无线传输压力传感器和有线压力传感器,放置于室内人员经常使用的座椅上,压力传感器的个数与室内人员经常使用的座椅个数相一致。
进一步的,步骤(3)中的4组红外传感器,只要有一组红外传感器检测到人员进入房间,即视为红外传感器检测到信号变化;对应地,只要有一组红外传感器检测到人员离开房间,或全部红外传感器均未感应到任何信号,均视为红外传感器检测到信号无变化。
进一步的,在步骤(3)中,若使用了多组热释电传感器,只要有一组热释电传感器检测到信号变化,即视为热释电传感器检测到信号变化;对应地,若全部热释电传感器均未检测到信号变化,即视为热释电传感器信号无变化。
进一步的,在步骤(3)中,若使用了多组压力传感器,只要有一组压力传感器检测到信号变化,即视为压力传感器检测到信号变化;对应地,若全部压力传感器均未检测到信号变化,即视为压力传感器信号无变化。
进一步的,所述步骤(4)中,处理器是载有基于BN的识别模型与识别规则,能够接收和处理所述红外传感器、热释电传感器和压力传感器感应到的信号,能够执行所述基于BN的识别模型与识别规则;能够将识别结果输出到空调的控制模块中。
进一步的,所述步骤(5)中,人员在室状态的识别结果包括两种:室内有人员存在和室内无人员存在。
本发明的有益效果主要表现如下:解决实现智能空调基本功能的核心技术问题,提供了一种有效的基于信息融合BN的人员在室状态的识别方法;来自多传感器的信息被有效利用;不仅能输出人员在室状态的识别结果,而且能够输出人员在室与否的概率。
附图说明
图1 是本发明的基于信息融合BN的人员在室状态识别原理图;
图2 是本发明的基于信息融合BN的人员在室状态识别模型中BN的结构示意图。
具体实施方式
结合实施例对本发明加以详细说明,本实施例以本发明技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本发明提供的一种基于信息融合BN的人员在室状态识别方法通过基于信息融合BN的人员在室状态识别装置进行人员在室的状态识别。基于信息融合BN的人员在室状态识别装置能够准确识别人员在室内的状态,具体是有人或无人,并能够向空调控制系统输出有人或无人的识别结果。
基于信息融合BN的人员在室状态识别装置包括有:
红外传感器:基于红外测温原理,检测人员在室状态;
热释电传感器:通过检测红外线,检测人员在室状态;
压力传感器:放置在室内座椅上,通过检测座椅上压力变化,检测人员在室状态;
处理器:载有基于BN的识别模型与识别规则,能够接收和处理所述红外传感器、热释电传感器和压力传感器感应到的信号,能够执行所述基于BN的识别模型与识别规则;能够将识别结果输出到空调的控制模块中。
一种基于信息融合BN的人员在室状态识别方法,包括以下步骤:
(1)、构建基于BN的识别模型;所述BN的识别模型包括BN的结构和BN的参数;
(2)、确定基于BN的识别规则;
(3)、红外传感器、热释电传感器和压力传感器实时探测信号;
(4)、处理器接收来自步骤(3)中红外传感器、热释电传感器和压力传感器实时探测的信号;
(5)、处理器基于载有的基于BN的识别模型与BN的识别规则做出此时人员在室状态的识别结果;
(6)、处理器将在室人员活动状态的识别结果输出到空调控制模块。
进一步的,在步骤(1)中,所述BN的结构包括识别层和征兆层,所述识别层包括一个节点,该节点表示人员在室状态,设有“Yes”和“No”两种状态,分别对应的表示室内有人员存在和室内无人员存在,所述征兆层包括三个节点,三个节点为红外传感器节点、热释电传感器节点和压力传感器节点,每个节点包括两个状态,分别是“Change”和“No change”,分别对应的表示每个节点的传感器感应到信号变化和信号无变化。
进一步的,在步骤(1)中,所述BN的参数包括识别层节点两个状态的先验概率和征兆层中传感器节点两个状态的条件概率;它们均通过对同类型建筑的统计数据确定。
进一步的,在步骤(2)中,所述BN的识别规则为:依据最大后验概率原则,将识别层中有着最大后验概率的那个状态输出为识别结果。
进一步的,步骤(3)中的红外传感器共有4组,每组包括2个红外传感器;4组红外传感器放置在房间入口处,放置高度依此为0.5m,1.0m,1.5m和2.0m;每组红外传感器设置在房间入口的同侧,每组红外传感器间隔设置在同一高度,间隔的间距为5~10cm;每组传感器中,靠近房间外侧的为前红外传感器,靠近房间内侧的为后红外传感器;当前红外传感器首先感应到人员存在,后红外传感器随后感应到人员存在,则判断为人员进入房间,否则判断为人员离开房间;热释电传感器的个数由房间面积与热释电传感器的有效范围确定,热释电传感器均匀设置在房间的顶部;压力传感器包括无线传输压力传感器和有线压力传感器,放置于室内人员经常使用的座椅上,压力传感器的个数与室内人员经常使用的座椅个数相一致。
进一步的,步骤(3)中的4组红外传感器,只要有一组红外传感器检测到人员进入房间,即视为红外传感器检测到信号变化;对应地,只要有一组红外传感器检测到人员离开房间,或全部红外传感器均未感应到任何信号,均视为红外传感器检测到信号无变化。
进一步的,在步骤(3)中,若使用了多组热释电传感器,只要有一组热释电传感器检测到信号变化,即视为热释电传感器检测到信号变化;对应地,若全部热释电传感器均未检测到信号变化,即视为热释电传感器信号无变化。
进一步的,在步骤(3)中,若使用了多组压力传感器,只要有一组压力传感器检测到信号变化,即视为压力传感器检测到信号变化;对应地,若全部压力传感器均未检测到信号变化,即视为压力传感器信号无变化。
进一步的,所述步骤(4)中,处理器是载有基于BN的识别模型与识别规则,能够接收和处理所述红外传感器、热释电传感器和压力传感器感应到的信号,能够执行所述基于BN的识别模型与识别规则;能够将识别结果输出到空调的控制模块中。
进一步的,所述步骤(5)中,人员在室状态的识别结果包括两种:室内有人员存在和室内无人员存在。
实施例2
参照附图1所示,对本发明提供的基于信息融合BN的人员在室状态识别方法的具体实施步骤说明如下:
步骤(1)、构建基于BN的识别模型;所述BN的识别模型包括BN的结构和BN的参数;
1a)构建BN的结构;通常依据节点变量之间的因果关系构建BN的结构。本发明构建BN的结构见附图2。它由两层组成:第一层为识别层,由节点D表示,表示人员在室状态的识别结果;第二层为征兆层,有三个节点组成,分别为节点Inf,节点Pyr和节点Pre,分别对应红外传感器、热释电传感器和压力传感器。
1b)确定BN的参数;需要确定的BN参数包括:第一层识别层节点D两个状态“Yes”和“No”(分别表示室内有人员存在和室内无人员存在)的先验概率,具体见表1,其中P 1表示概率;它们均通过对同类型建筑的统计数据确定。
表1
第二层中,给定识别层节点D状态时的3个传感器节点的条件概率,每个传感器节点的状态有两个:“Change”和“No change”,分别表示传感器感应到信号变化和信号无变化,具体见表2,其中P 2,P 3,P 4,P 5,P 6,P 7表示概率;它们均通过对同类型建筑的统计数据确定。
表2
步骤(2)、确定基于BN的识别规则;具体是,依据最大后验概率原则,将识别层中有着最大后验概率的那个状态输出为识别结果;
步骤(3)、红外传感器、热释电传感器和压力传感器实时探测信号;
在现场安装传感器时,红外传感器共4组,每组包括2个红外传感器,4组红外传感器放置在房间入口处,放置高度依此为0.5m,1.0m,1.5m和2.0m;每组红外传感器放置在房间入口的同侧,放置位置在同一高度,但在水平方向相隔一定间距,间距为5-10cm,每组传感器中,靠近房间外侧的为前红外传感器,靠近房间内侧的为后红外传感器,当前红外传感器首先感应到人员存在,后红外传感器随后感应到人员存在,则判断为人员进入房间,否则判断为人员离开房间;
热释电传感器的个数由房间面积与热释电传感器的有效范围确定,有效范围越大,热释电传感器的个数越多,位置于房间顶部均匀放置;
压力传感器包括无线传输压力传感器和有线压力传感器,放置于室内人员经常使用的座椅上,压力传感器的个数与室内人员经常使用的座椅个数相一致。
4组红外传感器,只要有一组红外传感器检测到人员进入房间,即视为红外传感器检测到信号变化;对应地,只要有一组红外传感器检测到人员离开房间,或全部红外传感器均未感应到任何信号,均视为红外传感器检测到信号无变化。
只要有一组热释电传感器检测到信号变化,即视为热释电传感器检测到信号变化;对应地,若全部热释电传感器均未检测到信号变化,即视为热释电传感器信号无变化。
只要有一组压力传感器检测到信号变化,即视为压力传感器检测到信号变化;对应地,若全部压力传感器均未检测到信号变化,即视为压力传感器信号无变化。
步骤(4)、处理器接收来自步骤(3)中红外传感器、热释电传感器和压力传感器实时探测的信号;
步骤(5)、处理器基于载有的基于BN的识别模型与识别规则做出此时人员在室状态的识别结果;具体为室内有人存在或室内无人存在的识别结果;
步骤(6)、处理器将人员在室状态的识别结果输出到空调控制模块。
下面通过具体实施例进一步阐述本发明提供的基于信息融合BN的人员在室状态识别方法的具体实施和验证本发明的有益效果。
本实施例为一办公室,面积为20m2,室内放置有座椅2把。在该办公室的入口处,放置4组红外传感器,每组包括2个红外传感器,放置高度依此为0.5m,1.0m,1.5m和2.0m;每组红外传感器放置在房间入口的同侧,放置位置在同一高度,但在水平方向相隔8cm距离,每组传感器中,靠近办公室外侧的称为前红外传感器,靠近办公室内侧的称为后红外传感器;选用1个感应距离为5m的热释电传感器,放置于房间顶部中央位置;选用2个压力传感器,分别放置于2把座椅上。
步骤(1)、构建基于BN的识别模型;所述BN的识别模型包括BN的结构和BN的参数;
1a)构建BN的结构;本实施例构建BN的结构见附图2。
1b)确定BN的参数;确定第一层识别层节点D两个状态“Yes”和“No”的先验概率见表3;第二层中,确定3个传感器节点的条件概率见表4。
表3
表4
步骤(2)、确定基于BN的识别规则;具体是,依据最大后验概率原则,将识别层中有着最大后验概率的那个状态输出为识别结果;
步骤(3)、红外传感器、热释电传感器和压力传感器实时探测信号;
当前红外传感器首先感应到人员存在,后红外传感器随后感应到人员存在,则判断为人员进入房间,否则判断为人员离开房间;
4组红外传感器,只要有一组红外传感器检测到人员进入房间,即视为红外传感器检测到信号变化;对应地,只要有一组红外传感器检测到人员离开房间,或全部红外传感器均未感应到任何信号,均视为红外传感器检测到信号无变化。
只要有一组热释电传感器检测到信号变化,即视为热释电传感器检测到信号变化;对应地,若全部热释电传感器均未检测到信号变化,即视为热释电传感器信号无变化。
只要有一组压力传感器检测到信号变化,即视为压力传感器检测到信号变化;对应地,若全部压力传感器均未检测到信号变化,即视为压力传感器信号无变化。
步骤(4)、处理器接收来自步骤3实时探测的信号;
步骤(5)、处理器基于载有的基于BN的识别模型与识别规则做出此时人员在室状态的识别结果;具体为室内有人存在或室内无人存在的识别结果;
步骤(6)、处理器将人员在室状态的识别结果输出到空调控制模块。
分为8种Case来显示本发明提供的一种基于信息融合BN的人员在室状态识别方法的识别性能。这8种Case对应的人员在室状态识别结果显示在表5中。表5显示:1)来自不同类型的多传感器信息被有效融合到BN中;2)基于多传感器检测到的信号,人员在室状态被有效识别;3)本发明提供的一种基于信息融合BN的人员在室状态识别方法不仅能输出人员在室状态的识别结果,而且能够输出人员在室与否的概率,这比仅输出人员是否在室的布尔型结果更加合理。
表5
本发明提供的一种基于信息融合BN的人员在室状态识别方法通过基于信息融合BN的人员在室状态识别装置进行人员在室的状态识别。基于信息融合BN的人员在室状态识别装置能够准确识别人员在室内的状态,具体是有人或无人,并能够向空调控制系统输出有人或无人的识别结果。本发明将来自多源传感器的信息融合到BN中,不仅能输出人员在室状态的识别结果,而且能够输出人员在室与否的概率。
还需要说明的是,以上实施例中中所涉及到方法、步骤,如无特别说明,均按常规方法、步骤。所用原料如无特别说明,均安常规原料或市售。在本文中,诸如Ⅰ、Ⅱ、Ⅲ等关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
Claims (10)
1.一种基于信息融合BN的人员在室状态识别方法,其特征在于:包括以下步骤:
(1)、构建基于BN的识别模型;所述BN的识别模型包括BN的结构和BN的参数;
(2)、确定基于BN的识别规则;
(3)、红外传感器、热释电传感器和压力传感器实时探测信号;
(4)、处理器接收来自步骤(3)中红外传感器、热释电传感器和压力传感器实时探测的信号;
(5)、处理器基于载有的基于BN的识别模型与BN的识别规则做出此时人员在室状态的识别结果;
(6)、处理器将在室人员活动状态的识别结果输出到空调控制模块。
2.根据权利要求1中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:在步骤(1)中,所述BN的结构包括识别层和征兆层,所述识别层包括一个节点,该节点表示人员在室状态,设有“Yes”和“No”两种状态,分别对应的表示室内有人员存在和室内无人员存在,所述征兆层包括三个节点,三个节点为红外传感器节点、热释电传感器节点和压力传感器节点,每个节点包括两个状态,分别是“Change”和“No change”,分别对应的表示每个节点的传感器感应到信号变化和信号无变化。
3.根据权利要求2中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:在步骤(1)中,所述BN的参数包括识别层节点两个状态的先验概率和征兆层中传感器节点两个状态的条件概率。
4.根据权利要求3所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:在步骤(2)中,所述BN的识别规则为:依据最大后验概率原则,将识别层中有着最大后验概率的那个状态输出为识别结果。
5.根据权利要求4中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:步骤(3)中的红外传感器共有4组,每组包括2个红外传感器;4组红外传感器放置在房间入口处,放置高度依此为0.5m,1.0m,1.5m和2.0m;每组红外传感器设置在房间入口的同侧,每组红外传感器间隔设置在同一高度,间隔的间距为5~10cm;每组传感器中,靠近房间外侧的为前红外传感器,靠近房间内侧的为后红外传感器;当前红外传感器首先感应到人员存在,后红外传感器随后感应到人员存在,则判断为人员进入房间,否则判断为人员离开房间;热释电传感器的个数由房间面积与热释电传感器的有效范围确定,热释电传感器均匀设置在房间的顶部;压力传感器包括无线传输压力传感器和有线压力传感器,放置于室内人员经常使用的座椅上,压力传感器的个数与室内人员经常使用的座椅个数相一致。
6.根据权利要求5中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:步骤(3)中的4组红外传感器,只要有一组红外传感器检测到人员进入房间,即视为红外传感器检测到信号变化;对应地,只要有一组红外传感器检测到人员离开房间,或全部红外传感器均未感应到任何信号,均视为红外传感器检测到信号无变化。
7.根据权利要求5中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:在步骤(3)中,若使用了多组热释电传感器,只要有一组热释电传感器检测到信号变化,即视为热释电传感器检测到信号变化;对应地,若全部热释电传感器均未检测到信号变化,即视为热释电传感器信号无变化。
8.根据权利要求5中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:在步骤(3)中,若使用了多组压力传感器,只要有一组压力传感器检测到信号变化,即视为压力传感器检测到信号变化;对应地,若全部压力传感器均未检测到信号变化,即视为压力传感器信号无变化。
9.根据权利要求1中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:所述步骤(4)中,处理器是载有基于BN的识别模型与识别规则,能够接收和处理所述红外传感器、热释电传感器和压力传感器感应到的信号,能够执行所述基于BN的识别模型与识别规则;能够将识别结果输出到空调的控制模块中。
10.根据权利要求1中所述的一种基于信息融合BN的人员在室状态识别方法,其特征在于:所述步骤(5)中,人员在室状态的识别结果包括两种:室内有人员存在和室内无人员存在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910490228.6A CN110230865A (zh) | 2019-06-06 | 2019-06-06 | 一种基于信息融合bn的人员在室状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910490228.6A CN110230865A (zh) | 2019-06-06 | 2019-06-06 | 一种基于信息融合bn的人员在室状态识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110230865A true CN110230865A (zh) | 2019-09-13 |
Family
ID=67858572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910490228.6A Pending CN110230865A (zh) | 2019-06-06 | 2019-06-06 | 一种基于信息融合bn的人员在室状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110230865A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120017232A1 (en) * | 1991-12-23 | 2012-01-19 | Linda Irene Hoffberg | Adaptive pattern recognition based controller apparatus and method and human-factored interface thereore |
CN103020606A (zh) * | 2012-12-27 | 2013-04-03 | 北京大学 | 一种基于时空上下文信息的行人检测方法 |
KR20140100783A (ko) * | 2013-02-07 | 2014-08-18 | 경희대학교 산학협력단 | 비모수적 베이지언 모션 인식 방법 및 그 장치 |
CN104008380A (zh) * | 2014-06-16 | 2014-08-27 | 武汉大学 | 一种基于显著区域的行人检测方法及系统 |
CN105631414A (zh) * | 2015-12-23 | 2016-06-01 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN105807903A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种智能设备的控制方法及装置 |
CN108255789A (zh) * | 2016-12-28 | 2018-07-06 | 中国移动通信有限公司研究院 | 一种室内人数识别时随机样本的获取方法和装置 |
CN108256283A (zh) * | 2016-12-28 | 2018-07-06 | 中国移动通信有限公司研究院 | 一种室内人数识别方法和装置 |
CN207758696U (zh) * | 2017-12-29 | 2018-08-24 | 广州视声光电有限公司 | 一种行车记录仪 |
CN108758969A (zh) * | 2018-06-14 | 2018-11-06 | 河南科技大学 | 一种冷水机组故障检测方法和系统 |
-
2019
- 2019-06-06 CN CN201910490228.6A patent/CN110230865A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120017232A1 (en) * | 1991-12-23 | 2012-01-19 | Linda Irene Hoffberg | Adaptive pattern recognition based controller apparatus and method and human-factored interface thereore |
CN103020606A (zh) * | 2012-12-27 | 2013-04-03 | 北京大学 | 一种基于时空上下文信息的行人检测方法 |
KR20140100783A (ko) * | 2013-02-07 | 2014-08-18 | 경희대학교 산학협력단 | 비모수적 베이지언 모션 인식 방법 및 그 장치 |
CN104008380A (zh) * | 2014-06-16 | 2014-08-27 | 武汉大学 | 一种基于显著区域的行人检测方法及系统 |
CN105807903A (zh) * | 2014-12-30 | 2016-07-27 | Tcl集团股份有限公司 | 一种智能设备的控制方法及装置 |
CN105631414A (zh) * | 2015-12-23 | 2016-06-01 | 上海理工大学 | 一种基于贝叶斯分类器的车载多障碍物分类装置及方法 |
CN108255789A (zh) * | 2016-12-28 | 2018-07-06 | 中国移动通信有限公司研究院 | 一种室内人数识别时随机样本的获取方法和装置 |
CN108256283A (zh) * | 2016-12-28 | 2018-07-06 | 中国移动通信有限公司研究院 | 一种室内人数识别方法和装置 |
CN207758696U (zh) * | 2017-12-29 | 2018-08-24 | 广州视声光电有限公司 | 一种行车记录仪 |
CN108758969A (zh) * | 2018-06-14 | 2018-11-06 | 河南科技大学 | 一种冷水机组故障检测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | A pyroelectric infrared sensor-based indoor location-aware system for the smart home | |
Cao et al. | Smart sensing for HVAC control: Collaborative intelligence in optical and IR cameras | |
US8788448B2 (en) | Occupancy pattern detection, estimation and prediction | |
Beltran et al. | Thermosense: Occupancy thermal based sensing for hvac control | |
EP1271442B1 (en) | Object status detector, object status detecting method, home electric appliances, network adopter, and media | |
US7123139B2 (en) | Wireless integrated occupancy sensor | |
US8938367B2 (en) | Motion detecting device, method of providing the same, and method of detecting movement | |
CN106842356B (zh) | 一种室内有无人的检测方法及检测系统 | |
CN103229119A (zh) | 具有自动回调能力的控制单元 | |
Gunay et al. | Detecting occupants’ presence in office spaces: a case study | |
EP2169484B1 (en) | Control of concept zones | |
CN106642588A (zh) | 一种室内状态识别方法 | |
KR101345125B1 (ko) | 사용자 만족도 및 에너지 효율을 높이기 위한 냉난방 제어 방법 및 시스템 | |
CN105230054B (zh) | 一种房间占用状态传感方法及房间占用状态传感装置 | |
CN110230865A (zh) | 一种基于信息融合bn的人员在室状态识别方法 | |
CN103376787A (zh) | 感测网络中管理控制冲突的系统与方法 | |
JP2004234302A (ja) | プロセス管理装置 | |
Mady et al. | Designing cost-efficient wireless sensor/actuator networks for building control systems | |
KR100781577B1 (ko) | 스마트 홈을 위한 pir 센서기반 댁내 위치인식시스템 | |
CN112113295A (zh) | 加热、通风与空调(hvac)控制系统 | |
Ridi et al. | Towards reliable stochastic data-driven models applied to the energy saving in buildings | |
US11550276B1 (en) | Activity classification based on multi-sensor input | |
Ioannidis et al. | Occupancy-driven facility management and building performance analysis | |
WO2018177973A1 (en) | System and method for counting and localizing occupants using thermal images | |
CN108256540A (zh) | 一种信息处理方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190913 |