CN115236123A - 基于非接触式室内热舒适性评价系统与方法 - Google Patents

基于非接触式室内热舒适性评价系统与方法 Download PDF

Info

Publication number
CN115236123A
CN115236123A CN202210720432.4A CN202210720432A CN115236123A CN 115236123 A CN115236123 A CN 115236123A CN 202210720432 A CN202210720432 A CN 202210720432A CN 115236123 A CN115236123 A CN 115236123A
Authority
CN
China
Prior art keywords
temperature
human body
indoor
average
thermal
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
CN202210720432.4A
Other languages
English (en)
Inventor
刘国丹
张瑶
纪铱行
姜珊
梁树维
李文斌
杨洋
乔美杰
邹纪新
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.)
Qingdao University of Technology
Original Assignee
Qingdao University of Technology
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 Qingdao University of Technology filed Critical Qingdao University of Technology
Priority to CN202210720432.4A priority Critical patent/CN115236123A/zh
Publication of CN115236123A publication Critical patent/CN115236123A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明属于建筑热环境领域，提供了一种基于非接触式室内热舒适性评价系统与方法，包括获取室内环境参数以及人体行走速度；采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；根据室内环境参数确定平均辐射温度；基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价；本发明采用非接触式评价方法自动采集环境参数和个体参数，计算PMV，实现非接触式实时评价人体热舒适的目的。

Description

基于非接触式室内热舒适性评价系统与方法
技术领域
本发明属于建筑热环境技术领域，具体涉及一种基于非接触式室内热舒适性评价系统与方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
在智能化技术的日益普及下，对空调末端设备进行智能控制，以保证室内环境的舒适性，成为主要趋势，但以往经常采用对受试者进行问卷调查，获得人体热舒适评价的方法，不能实时监测及向空调系统反馈人体对热环境的满意度，不能满足智能控制的要求。为给空调智能控制系统提供基础热舒适参数，需要自动采集环境和个体参数(代谢率和服装热阻值)，计算PMV，以实时预测室内人员热舒适性。
在智能化的数据采集过程中，往往需要采用不干扰室内人员的非接触式测试方法，室内环境参数可由智能检测设备自动测量和上传，代谢率与人所处的活动状态有关，例如办公场所，人员会有阅读、打字和整理文件等活动状态，代谢率可按照热舒适标准确定。但是人体可以根据自身感觉对服装热阻进行个性化调节，相关研究表明，在实际着装状态下，服装热阻与环境和活动水平有关，仅仅根据服装搭配参照热舒适标准，将服装热阻取为固定值，会导致热感觉预测的误差。另外，由于衣着习惯不同，很多服装搭配难以查到相应的热阻值。
发明内容
为了解决上述问题，本发明提出了一种基于非接触式室内热舒适性评价系统与方法，用以解决以往采用对受试者进行问卷调查，获得人体热舒适评价，不能实时评价人体热舒适的缺点，本发明采用非接触式评价方法自动采集环境参数和个体参数，计算PMV，实现非接触式实时评价人体热舒适的目的。
根据一些实施例，本发明的第一方案提供了一种基于非接触式室内热舒适性评价方法，采用如下技术方案：
一种基于非接触式室内热舒适性评价方法，包括：
获取室内环境参数以及人体行走速度；
采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；
根据室内环境参数确定平均辐射温度；
基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；
根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价。
进一步地，所述室内环境参数包括室内环境温度数据、室内风速数据、相对湿度数据、黑球温度数据。
进一步地，所述根据室内环境参数确定平均辐射温度，具体为：
Figure BDA0003711070690000021
式中，tg—黑球温度，℃；ta—空气温度，℃；εg—发射率，取0.95；D—黑球温度计直径，m。
进一步地，所述基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻，具体为：
Figure BDA0003711070690000031
其中，
Figure BDA0003711070690000032
Figure BDA0003711070690000033
Figure BDA0003711070690000034
Figure BDA0003711070690000035
Figure BDA0003711070690000036
其中，υar—室内风速，m/s；ta—室内空气温度，℃；
Figure BDA0003711070690000037
—人体行走速度，m/s；tcl—服装表面平均温度，℃；tsk—皮肤表面平均温度，℃；
Figure BDA0003711070690000038
—平均辐射温度，℃；Icl—服装热阻，Clo；Corr，ia、Corr，cl—分别为空气流速(υar)和人体行走速度(υw)的修正因子；α—皮肤和衣服表面之间的温度梯度除以单位裸体表面积的吸热损失(对流和辐射)；Corr，tot—修正因子；Ia_st—静态空气绝缘热阻值，Clo。
进一步地，所述根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，具体为：
PMV＝(0.303*e-0.036M+0.028)TL
TL＝(M-W)-3.05[5.733-0.007(M-W)-Pa]-0.42(M-W-58.15)-0.0173M(5.87-Pa)-0.014M(34-ta)-3.96*10-8[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)
其中，M—新陈代谢率，W/m2；tcl—服装表面平均温度，℃；W—人体所做机械功，W/m2；tr—平均辐射温度，℃；Pa—空气中水蒸气分压力，KPa；hc—人体与环境对流换热系数，W/(m2·℃)；ta—空气温度，℃；fcl—服装的面积系数，％。
进一步地，所述采用非接触的方式获取皮肤表面平均温度和服装表面平均温度，具体为：
利用红外热像仪获取人体红外热像图；
基于人体红外热像图，进行服装轮廓识别，区分人体面颈部与着装部位；
取所区分出来的面颈部的平均皮肤温度为皮肤表面平均温度；
取所区分出来的着装部位的表面温度为服装表面平均温度。
进一步地，根据人体热反应的评价指标对室内热舒适性进行评价，具体为：
根据人体热反应的评价指标的大小与不同等级的室内热舒适性阈值进行对比；
得出室内热舒适性的等级。
根据一些实施例，本发明的第二方案提供了一种基于非接触式室内热舒适性评价系统，采用如下技术方案：
一种基于非接触式室内热舒适性评价系统，包括：
室内环境参数及人体行走速度采集模块，被配置为获取室内环境参数以及人体行走速度；
人体服装温度采集模块，被配置为采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；
室内辐射确定模块，被配置为根据室内环境参数确定平均辐射温度；
服装热阻确定模块，被配置为基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；
室内热舒适性评价模块，被配置为根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价。
根据一些实施例，本发明的第三方案提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的一种基于非接触式室内热舒适性评价方法中的步骤。
根据一些实施例，本发明的第四方案提供了一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的一种基于非接触式室内热舒适性评价方法中的步骤。
与现有技术相比，本发明的有益效果为：
本发明采用了非接触式评价方法计算实际服装热阻，利用智能室内环境检测设备实时在线采集空气温度、黑球温度、相对湿度和风速等环境因素参数，利用红外热像仪拍摄着装人体在室内全身温度场分布，计算实际服装热阻，并根据计算所得服装热阻和采集的环境参数计算热感觉PMV值来确定人体的热舒适性，以此达到非接触在线获得及评价人体热感觉，为空调系统的智能调控提供数据支撑，以营造更为舒适的室内热环境。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例一所述的一种基于非接触式室内热舒适性评价方法的流程图；
图2是本发明实施例二所述的基于非接触式室内热舒适性评价系统的模块关系图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
如图1所示，本实施例提供了一种基于非接触式室内热舒适性评价方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器和系统，并通过终端和服务器的交互实现。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。本实施例中，该方法包括以下步骤：
获取室内环境参数以及人体行走速度；
采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；
根据室内环境参数确定平均辐射温度；
基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；
根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价。
所述采用非接触的方式获取皮肤表面平均温度和服装表面平均温度，具体为：
利用红外热像仪获取人体红外热像图；
基于人体红外热像图，进行服装轮廓识别，区分人体面颈部与着装部位；
取所区分出来的面颈部的平均皮肤温度为皮肤表面平均温度；
取所区分出来的着装部位的表面温度为服装表面平均温度。
其中，基于人体红外热像图，进行服装轮廓识别，区分人体面颈部与着装部位是采用现有技术中的轮廓识别算法，此处不再赘述。
通过红外热像仪测得服装表面温度和面颈部皮温，并计算服装热阻，在此基础上采用非接触式的方法来评价室内人员热舒适性。
由于人类面部的血管密度比其他皮肤表面高，当人体或环境发生变化时，会导致较大的皮肤温度变化，因此，面部皮肤温度在本发明中被用作一个人的整体热舒适度的生理指标代替皮肤表面平均温度进行热舒适评价。
人体移动时根据视频录像捕捉人物移动速度，按照表1，直接选取符合该人员活动类型的对应的代谢率。
所述室内环境参数包括室内环境温度数据、室内风速数据、相对湿度数据、黑球温度数据。
将智能室内环境检测到的各种室内环境参数取平均值用于后续计算，并按照下式计算平均辐射温度，具体为：
Figure BDA0003711070690000081
式中，tg—黑球温度，℃；ta—空气温度，℃；εg—发射率，取0.95；D—黑球温度计直径，m。
所述基于室内环境参数、人体行走速度、人体皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻，具体为：
Figure BDA0003711070690000091
其中，
Figure BDA0003711070690000092
Figure BDA0003711070690000093
Figure BDA0003711070690000094
Figure BDA0003711070690000095
Figure BDA0003711070690000096
其中，υar—室内风速，m/s；ta—室内空气温度，℃；υw—人体行走速度，m/s；tcl—服装表面平均温度，℃；tsk—皮肤表面平均温度，℃；
Figure BDA0003711070690000098
—平均辐射温度，℃；Icl—服装热阻，Clo；Corr，ia、Corr，cl—分别为空气流速(υar)和人体行走速度(υw)的修正因子；α—皮肤和衣服表面之间的温度梯度除以单位裸体表面积的吸热损失(对流和辐射)；Corr，tot—修正因子；Ia_st—静态空气绝缘热阻值，Clo。
进一步地，所述根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，具体为：
PMV＝(0.303*e-0.036M+0.028)TL
TL＝(M-W)-3.05[5.733-0.007(M-W)-Pa]-0.42(M-W-58.15)-0.0173M(5.87-Pa)-0.014M(34-ta)-3.96*10-8[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)
其中，M—新陈代谢率，W/m2；tcl—服装表面平均温度，℃；W—人体所做机械功，W/m2；tr—平均辐射温度，℃；Pa—空气中水蒸气分压力，KPa；hc—人体与环境对流换热系数，W/(m2·℃)；ta—空气温度，℃；fcl—服装的面积系数，％。
输入人体代谢率，根据活动类型采用默认值手动设置更新代谢率，处于活动状态的人体，根据视频录像捕捉人物移动，选择代谢率；
代谢率计算模块中，可根据场景采用默认值手动设置更新，也可根据视频录像捕捉人物移动速度去选择代谢率，具体代谢率数值按照下表1设置：
表1不同活动水平下人体代谢率
活动类别 代谢率(W/m2) 活动类别 代谢率(W/m2)
平躺休息 52.38 吸尘器 110.58
静坐休息、阅读、看电视、玩手机 58.20 步速2km/h 133.86
写字、打字、站立休息、站立打字 64.02 步速3km/h 151.32
整理文件 69.84 步速4km/h 174.60
折叠衣物 93.12 步速5km/h 221.16
擦窗户 104.76 步速6km/h 285.18
根据人体热反应的评价指标对室内热舒适性进行评价，具体为：
根据人体热反应的评价指标的大小与不同等级的室内热舒适性阈值进行对比；
得出室内热舒适性的等级。
热环境评价指标的评分标准如下：
结合英国标准BS EN ISO 7730-2016《建筑热湿环境领域的标准》和中国标准GB50019-2015《工业建筑供暖通风与空气调节设计规范》中对室内PMV的规定，把PMV对应的评分分成五等，-0.2<PMV<+0.2，热舒适性为优；-0.5≤PMV≤-0.2和+0.2≤PMV≤+0.5，热舒适性为良；-0.7<PMV<-0.5和+0.5<PMV<+0.7，热舒适性为中；-1≤PMV≤-0.7和+0.7≤PMV≤+1，热舒适性为差；-3<PMV<-1和+1<PMV<+3，热舒适性为不可接受。舒适性的优、良、中、差、不可接受分别对应评分100/75/50/25/0，如下表2所示。
表2 PMV相对应的评分标准
Figure BDA0003711070690000111
本实施例采用非接触式采集及计算环境参数、服装热阻和代谢率，可及时进行人体热舒适评价，且不会干扰室内人员的活动。
实施例二
如图2所示，本实施例提供了一种基于非接触式室内热舒适性评价系统，包括：
室内环境参数及人体行走速度采集模块，被配置为获取室内环境参数以及人体行走速度；
人体服装温度采集模块，被配置为采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；
室内辐射确定模块，被配置为根据室内环境参数确定平均辐射温度；
服装热阻确定模块，被配置为基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；
室内热舒适性评价模块，被配置为根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价。
具体地，还包括：数据记忆设定储存模块：用于接收上述各个数据，并将其分别储存起来用于后续计算。
室内热舒适性评价模块包括：人体热反应的评价指标PMV计算模块以及室内热舒适性判断模块。
上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的一种基于非接触式室内热舒适性评价方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的一种基于非接触式室内热舒适性评价方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于非接触式室内热舒适性评价方法，其特征在于，包括：
获取室内环境参数以及人体行走速度；
采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；
根据室内环境参数确定平均辐射温度；
基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；
根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价。
2.如权利要求1所述的一种基于非接触式室内热舒适性评价方法，其特征在于，所述室内环境参数包括室内环境温度数据、室内风速数据、相对湿度数据、黑球温度数据。
3.如权利要求1所述的一种基于非接触式室内热舒适性评价方法，其特征在于，所述根据室内环境参数确定平均辐射温度，具体为：
Figure FDA0003711070680000011
式中，tg—黑球温度，℃；ta—空气温度，℃；εg—发射率，取0.95；D—黑球温度计直径，m。
4.如权利要求1所述的一种基于非接触式室内热舒适性评价方法，其特征在于，所述基于室内环境参数、人体行走速度、人体皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻，具体为：
Figure FDA0003711070680000012
其中，
Figure FDA0003711070680000021
Figure FDA0003711070680000022
Figure FDA0003711070680000023
Figure FDA0003711070680000024
Figure FDA0003711070680000025
其中，υar—室内风速，m/s；ta—室内空气温度，℃；υw—人体行走速度，m/s；tcl—服装表面平均温度，℃；tsk—皮肤表面平均温度，℃；
Figure FDA0003711070680000026
—平均辐射温度，℃；Icl—服装热阻，Clo；Corr，ia、Corr，cl—分别为空气流速(υar)和人体行走速度(υw)的修正因子；α—皮肤和衣服表面之间的温度梯度除以单位裸体表面积的吸热损失(对流和辐射)；Corr，tot—修正因子；Ia_st—静态空气绝缘热阻值，Clo。
5.如权利要求1所述的一种基于非接触式室内热舒适性评价方法，其特征在于，所述根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，具体为：
PMV＝(0.303*e-0.036M+0.028)TL
TL＝(M-W)-3.05[5.733-0.007(M-W)-Pa]-0.42(M-W-58.15)-0.0173M(5.87-Pa)-0.014M(34-ta)-3.96*10-8[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)
其中，M—新陈代谢率，W/m2；tcl—服装表面平均温度，℃；W—人体所做机械功，W/m2；tr—平均辐射温度，℃；Pa—空气中水蒸气分压力，KPa；hc—人体与环境对流换热系数，W/(m2·℃)；ta—空气温度，℃；fcl—服装的面积系数，％。
6.如权利要求1所述的一种基于非接触式室内热舒适性评价方法，其特征在于，所述采用非接触的方式获取皮肤表面平均温度和服装表面平均温度，具体为：
利用红外热像仪获取人体红外热像图；
基于人体红外热像图，进行服装轮廓识别，区分人体面颈部与着装部位；
取所区分出来的面颈部的平均皮肤温度为皮肤表面平均温度；
取所区分出来的着装部位的表面温度为服装表面平均温度。
7.如权利要求1所述的一种基于非接触式室内热舒适性评价方法，其特征在于，根据人体热反应的评价指标对室内热舒适性进行评价，具体为：
根据人体热反应的评价指标的大小与不同等级的室内热舒适性阈值进行对比；
得出室内热舒适性的等级。
8.一种基于非接触式室内热舒适性评价系统，其特征在于，包括：
室内环境参数及人体行走速度采集模块，被配置为获取室内环境参数以及人体行走速度；
人体服装温度采集模块，被配置为采用非接触的方式获取皮肤表面平均温度和服装表面平均温度；
室内辐射确定模块，被配置为根据室内环境参数确定平均辐射温度；
服装热阻确定模块，被配置为基于室内环境参数、人体行走速度、皮肤表面平均温度、服装表面平均温度以及平均辐射温度，确定服装热阻；
室内热舒适性评价模块，被配置为根据服装热阻、平均辐射温度以及人体代谢率，确定人体热反应的评价指标，并根据人体热反应的评价指标对室内热舒适性进行评价。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于非接触式室内热舒适性评价方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于非接触式室内热舒适性评价方法中的步骤。
CN202210720432.4A 2022-06-23 2022-06-23 基于非接触式室内热舒适性评价系统与方法 Pending CN115236123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210720432.4A CN115236123A (zh) 2022-06-23 2022-06-23 基于非接触式室内热舒适性评价系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210720432.4A CN115236123A (zh) 2022-06-23 2022-06-23 基于非接触式室内热舒适性评价系统与方法

Publications (1)

Publication Number Publication Date
CN115236123A true CN115236123A (zh) 2022-10-25

Family

ID=83670178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210720432.4A Pending CN115236123A (zh) 2022-06-23 2022-06-23 基于非接触式室内热舒适性评价系统与方法

Country Status (1)

Country Link
CN (1) CN115236123A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115839769A (zh) * 2023-02-24 2023-03-24 烟台大学 测量室外辐射的方法、配套硬件装置、设备及存储介质
CN117131651A (zh) * 2023-05-08 2023-11-28 广东职业技术学院 一种生成用于确定温度触感的温度触感模型的方法及系统
CN117251940A (zh) * 2023-11-15 2023-12-19 中汽研汽车检验中心(宁波)有限公司 一种座椅热舒适性评价方法、装置、设备及介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115839769A (zh) * 2023-02-24 2023-03-24 烟台大学 测量室外辐射的方法、配套硬件装置、设备及存储介质
CN117131651A (zh) * 2023-05-08 2023-11-28 广东职业技术学院 一种生成用于确定温度触感的温度触感模型的方法及系统
CN117131651B (zh) * 2023-05-08 2024-04-26 广东职业技术学院 一种生成用于确定温度触感的温度触感模型的方法及系统
CN117251940A (zh) * 2023-11-15 2023-12-19 中汽研汽车检验中心(宁波)有限公司 一种座椅热舒适性评价方法、装置、设备及介质
CN117251940B (zh) * 2023-11-15 2024-02-02 中汽研汽车检验中心(宁波)有限公司 一种座椅热舒适性评价方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN115236123A (zh) 基于非接触式室内热舒适性评价系统与方法
Aryal et al. A comparative study of predicting individual thermal sensation and satisfaction using wrist-worn temperature sensor, thermal camera and ambient temperature sensor
Li et al. Non-intrusive interpretation of human thermal comfort through analysis of facial infrared thermography
CN109857175B (zh) 一种非侵入式人体热舒适的ai感知方法
Salehi et al. Intelligent models to predict the indoor thermal sensation and thermal demand in steady state based on occupants’ skin temperature
Aryal et al. Skin temperature extraction using facial landmark detection and thermal imaging for comfort assessment
Cosma et al. Using the contrast within a single face heat map to assess personal thermal comfort
He et al. Smart detection of indoor occupant thermal state via infrared thermography, computer vision, and machine learning
US20210131693A1 (en) Machine-learning method for conditioning individual or shared areas
US20150339539A1 (en) Method and system for determining concentration level of a viewer of displayed content
JP2015111019A (ja) 空調システム、空調機器制御装置、制御方法、およびプログラム
Duan et al. Real-time surveillance-video-based personalized thermal comfort recognition
Choi et al. Deep-vision-based metabolic rate and clothing insulation estimation for occupant-centric control
CN109373499B (zh) 空调控制方法及装置
Liu et al. Coordinate control of air movement for optimal thermal comfort
CN104333572B (zh) 房间内空气舒适度参数分享的系统和方法、服务器和移动终端
US20200056797A1 (en) Area-specific environment management system, method, and program
JP2017120167A (ja) 空調管理システム及びプログラム
Timplalexis et al. Thermal comfort metabolic rate and clothing inference
CN117053378A (zh) 一种基于用户画像的暖通空调智能调控方法
Xu et al. Action-based personalized dynamic thermal demand prediction with video cameras
CN110659594A (zh) 一种基于AlphaPose的热舒适姿态估计方法
Dabiri et al. Exploring video based thermal perception identification
JP7080294B2 (ja) 情報処理装置、情報処理プログラム及び情報処理システム
KR20200082689A (ko) 딥러닝 기반의 재실자 포즈 분류를 이용한 재실자 활동량 산출 방법 및 시스템

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