CN1851338A - 基于全方位计算机视觉的中央空调节能控制装置 - Google Patents
基于全方位计算机视觉的中央空调节能控制装置 Download PDFInfo
- Publication number
- CN1851338A CN1851338A CN 200610051632 CN200610051632A CN1851338A CN 1851338 A CN1851338 A CN 1851338A CN 200610051632 CN200610051632 CN 200610051632 CN 200610051632 A CN200610051632 A CN 200610051632A CN 1851338 A CN1851338 A CN 1851338A
- Authority
- CN
- China
- Prior art keywords
- formula
- image
- pixel
- air
- module
- 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.)
- Granted
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Image Processing (AREA)
Abstract
一种基于全方位计算机视觉的中央空调节能控制装置,包括微处理器,受控于所述微处理器的空气阻尼器、风机以及冷媒电动调节阀,借助于全方位计算机视觉传感器,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,并根据人员数目来确定空气阻尼器、风机以及冷媒电动调节阀的大小,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。使中央空调能根据需要来调节气源的质量,将空调的节能和响应控制达到最优。主要适用于电能源消耗比较大的商业、办公大楼等空调用户进行节能控制与管理,从而能帮助空调使用者舒适、节能和健康地使用空调。
Description
(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中央空调节能控制装置。
(二)背景技术
“节约能源、保护环境和获取趋于自然条件的健康舒适的环境”是建筑节能永恒的主题,中央空调在为人们创造舒适工作生活环境的同时,不断增长的空调能耗已成为迫切需要解决的问题。
在现代建筑中,中央空调被认为是最重要的项目,在设计中央空调时考虑空调系统满负荷情况,即考虑最不利使用工况,建筑物中所有需要服务的房间或场所同时使用空调,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。
目前空调行业上被公认的比较先进的中央空调控制器是在控制仪上设定室内回风温度或送风温度,信号采集系统中温度传感器检测实际回风温度或送风温度,与设定温度进行比较,当检测温度与设定温度有差别时,中央控制单元进行计算,并输出信号给执行系统,控制风机的转速和冷冻水电动调节阀的开度,从而调节送入室内空气风量和送风温度,直到室内温度接近设定温度为止。随着室内温度逐渐接近设定温度,风机的转速也逐渐处于低速运行,因而大幅度减少能耗,达到节能的目的。这种控制方式有一个很大的弱点,由于室内体积惯性和温度调节器响应固有延迟(测量回流管中的温度),当温度负荷发生变化后反映到回风温度时,控制器检测到该负荷的变化到动作以前存在着一个相当长的滞后时间。因而出现了空调的控制对使用者来说不直接、不迅速、不舒适、不节能等问题。
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(OmniDirectional 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)。目前还没有检索到将全方位视觉传感器运用到HVAC的节能以及智能建筑方面的论文与专利。
(三)发明内容
为了克服目前的技术对空调控制停留在一种简单温度控制水平上,从对空调的控制对使用者来说不直接、不迅速、不舒适、不节能等存在的问题点着手,本发明提供一种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,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)的消耗的基于全方位计算机视觉的中央空调节能控制装置。
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中央空调节能控制装置,包括微处理器,受控于所述微处理器的空气阻尼器、风机以及冷媒电动调节阀,所述的中央空调节能控制装置还包括安装于室内上部中央的全方位视觉传感器,所述的全方位视觉传感器与微处理器连接,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:
fd(X,t0,ti)=f(X,ti)-f(X,t0) (1)
上式中,fd(X,t0,ti)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,ti)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:
fd(X,ti-k,ti)=f(X,ti)-f(X,ti-k) (2)
上式中,fd(X,ti-k,ti)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,ti-k)是相邻K帧时的图像;
如fd(X,t0,ti)≥阈值、fd(X,ti-k,ti)≥阈值成立时,判定为运动对象;
如fd(X,t0,ti)≥阈值、fd(X,ti-k,ti)<阈值,判定静止对象,并用式(3)来更新替换基准参考图像:
如fd(X,t0,ti)<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;然后再根据所求得的连通区域来计算其面积和重心;所述的对象目标的重心通过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,
室内人员数以及空间位置估计模块,用于统计在空调室内的人员的数目以及分布情况,对所述标记过的连通区域求出其面积Si,有下面判断规则:
若Si<阈值1,则该变化区域为噪声点;
若Si>阈值2,则该变化区域为大面积的变化,设定区域大小影响因子Fs为0.2~0.5之间;
若阈值1<Si<阈值2,则该变化区域可疑为有人,设定区域大小影响因子Fs为1;
再将人体模型简化矩形模型,首先求每个连通区域的平均宽度和高度,平均宽度wi用在高度hi方向的分成4等份的宽度均值,并以该平均宽度wi和高度hi作一个矩形,然后用公式(33)计算某个连通区域与该连通区域的矩形的面积比,
计算所得的εarea i值在0.5~0.9之间,εarea i值小于0.5时就不认为是有人,否则判定为有人;
阻尼器设定模块,用于根据上述得到的室内人员数目,计算所述的通风率,参见式(35),
式中,v为通风速率,单位L/s;G为室内排放量(相当于室内的人员数),单位olf;Ci为期望的室内空气质量,单位dicipol;C0为室外空气质量,单位dicipol;ε为通风效率;
根据通风率控制阻尼器的开度;
风机以及冷媒电动调节阀设定模块,用于将所获得的空调室内人员的数目、分布情况以及季节外界温度的信息,计算出所需要的室内空气风量和送风温度,根据室内空气风量和送风温度控制风机的转速和冷冻水电动调节阀的开度。
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:
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:
Xmix,bn+1(i)=(1-λ)Xmix,bn(i)+λXmix,cn(i) (22)
式中:Xmix,cn(i)为当前帧RGB向量,Xmix,bn(i)为当前帧背景RGB向量,Xmix,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):
Xmix,bn+1(i)=Xmix,cn(i) (23)。
再进一步,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。
更进一步,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。
进一步,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 (28)。
Cr=0.5000*R-0.4187*G-0.0813*B+128
Cb=-0.1787*R-0.3313*G+0.5000*B+128
本发明的工作原理是:采用了计算机全方位视觉传感器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调整气源容量以及调节新鲜空气阀的大小,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。
首先是ODVS摄像装置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和面向上的摄像头所构成。具体构成是由聚光透镜以及CCD(CMOS)构成的摄像单元固定在由透明树脂或者玻璃制的圆筒体的下部,圆筒体的上部固定有一个向下的大曲率的折反射镜,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,该圆锥状体固定在折反射镜的中部,黑色圆锥状体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。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
由反射定律
2γ=φ-θ
∴
由式(2)、(4)、(5)和(6)得到微分方程(7)
式中;
由式(7)得到微分方程(9)
由式(1)、(5)得到式(10)
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;
在像平面以像中心点为圆心的最大圆周处
对应的视场为φmax。则可以得到式(12);
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)
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);
由式(12)、(14)得到式(15)
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;
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)。
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)经折反射镜面1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。
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是全方位视觉光学原理图;
图2是一种基于全方位计算机视觉的中央空调节能控制方法与装置的全方位计算机视觉装置硬件结构原理图;
图3是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是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是基于全方位计算机视觉的中央空调节能控制方法与装置的原理图;
图6是基于全方位计算机视觉的中央空调节能控制方法与装置的模块框图。
(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6,本实施例的全方位摄像时全方位视觉传感器19通过USB接口20连接到空调节能控制装置的微处理器18中,所述的微处理器18经图像数据读入模块21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模块22中以便后面的图像识别及处理,同时为了识别运动和变化图像中物体或者人体的大小,需要对空间坐标进行标定得到全方位图像系统的9个基本参数进行图像识别及处理,然后将辩识的结果传给温度控制单元,温度控制单元对热负荷的变化进行计算,然后通过控制风机的转速和冷冻水电动调节阀的开度调节室内空气温度;同时辩识的结果传给新风调节单元,新风调节单元根据室内的人员数估算出室内所需要的空气质量以及速率,然后通过调节AHU中的空气阻尼器来控制新风量的大小。
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中央空调节能控制方法与装置中的关键部件,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和面向上的摄像头所构成。具体构成是由聚光透镜以及CCD(CMOS)构成的摄像单元固定在由透明树脂或者玻璃制的圆筒体的下部,圆筒体的上部固定有一个向下的大曲率的折反射镜,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,该圆锥状体固定在折反射镜的中部,黑色圆锥状体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。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
由反射定律
2γ=φ-θ
∴
由式(2)、(4)、(5)和(6)得到微分方程(7)
式中;
由式(7)得到微分方程(9)
由式(1)、(5)得到式(10)
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;
在像平面以像中心点为圆心的最大圆周处
对应的视场为φmax。则可以得到式(12);
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)
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);
由式(12)、(14)得到式(15)
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;
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中央空调节能装置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24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:
Xmix,bn+1(i)=(1-λ)Xmix,bn(i)+λXmix,cn(i) (22)
式中:Xmix,cn(i)为当前帧RGB向量,Xmix,bn(i)为当前帧背景RGB向量,Xmix,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:
Xmix,bn+1(i)=Xmix,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:
Xmix,bn+1(i)=Xmix,bn(i) (24)
上式中的Xmix,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,
式(25)中,Y n(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,
fd(X,t0,ti)=f(X,ti)-f(X,t0) (29)
式中fd(X,t0,ti)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,ti)是实时拍摄到图像,相当于式(22)中的Xmix,cn(i);f(X,t0)是基准参考图像,相当于式(22)中的Xmix,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,
fd(X,ti-k,ti)=f(X,ti)-f(X,ti-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fd(X,t0,ti)≥阈值和fd(X,ti-k,ti)≥阈值都成立时,被认为是运动对象;如果fd(X,t0,ti)≥阈值而fd(X,ti-k,ti)<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,
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。
在本发明中采用区域大小属性判断和形状属性判断两种属性来判断所取得的前景跟踪目标是否是人;所述的区域大小属性判断是对上述标记过的每个连通区域求出其面积Si,有下面判断规则:
若Si<阈值1,则该变化区域为噪声点;
若Si>阈值2,则该变化区域为大面积的变化,首先考虑到是由于光的照射而产生的变化,但是也不能排除人会携带着一些物品,因此这时设定区域大小影响因子Fs为0.2~0.5之间;
若阈值1<Si<阈值2,则该变化区域可疑为有人,这时设定区域大小影响因子Fs为1。
阈值1和阈值2的取值范围的大小是根据从上往下看(俯视)一个成年人的平均截面积在0.12m2左右,然后通过全方位视觉系统的标定结果来决定阈值1和阈值2的大小,即像素值的大小。
所述的形状属性判断是对上述标记过的每个连通区域求出其面积Si求其形状特征属性再与参考图像在几何关系上达到匹配,匹配的标准是使两幅图像的相似性达到最大;为了简化计算提高实时处理能力,本发明中具体的做法是:将人体模型简化矩形模型,首先求每个连通区域的(水平方向的长度)平均宽度和(垂直方向的长度)高度,平均宽度wi用在高度hi方向的分成4等份的宽度均值,并以该平均宽度wi和高度hi作一个矩形,然后用公式(33)计算某个连通区域与该连通区域的矩形的面积比,
计算所得的εarea i值在0.5~0.9之间,接着用公式(34)进行下面的矩形的宽度wi与高度hi的比的计算,εarea i值小于0.5时就将该连通区域排除(不认为是有人),
计算所得到的εrate i值根据空间位置关系,划分若干个区域半径,每个区越半径中有其判断指标,比如在10m~12m的区域半径范围内,εrate i值在0.15~0.4之间,设定形状属性影响因子Fsh为1。
符合或者基本符合区域大小属性和形状属性的运动对象我们将其作为是在室内的人员,统计这些人员的数量就可以对室内的空调的空气质量以及热交换的量进行控制。
表1为通过传感器控制空调的期望节能潜力,从表中可以看到在把握了室内人员的数量情况下,空调的节能潜力是非常大的。
场所 | 节能潜力(%) |
教室 | 20~50 |
大的办公室(40%的室内人员) | 20~30 |
大的办公室(90%的室内人员) | 3~5 |
宾馆休息室、阅览室、公共礼堂 | 20~60 |
室内活动场所、室内博物馆 | 40~70 |
戏院、电影院、会议室、集会室 | 20~60 |
表1
室内空气质量对室内人员的舒适度具有很大的影响。为了降低能量消耗(冬天是加热能量,夏天是制冷能量),室内空气的置换应保持在最小限量。室内空气质量的经验测量是室内人员的容量,这种估计方法是按照Fanger方法。Fanger定义散发单位为“olf”,1个“olf”表示一个普通人排放的臭气和二氧化碳,相对应的排放速率为1个dicipol。表2表示了Fanger的空气质量分类。
高 | 0.7dicipol | ≤10%的人不满意 |
中 | 1.4dicipol | ≤20%的人不满意 |
低 | 2.5dicipol | ≤30%的人不满意 |
表2
在图6中室内人员数以及空间位置估计模块6中进行室内人员的统计处理,在该模块中将符合或者基本符合区域大小属性和形状属性的运动对象我们将其作为是在室内的人员,统计这些人员的数量就可以对室内的空调的空气质量以及热交换的量进行控制。
在上述室内人员数以及空间位置估计模块6计算所获得了空调室内人员数目以后,通过所需通风率计算模块7估算出室内的空气质量,然后用式(35)计算所需要的实际通风速率,
式中,v为通风速率,单位L/s;G为室内排放量(相当于室内的人员数),单位olf;Ci为期望的室内空气质量,单位dicipol;C0为室外空气质量,单位dicipol;ε为通风效率。
式(35)中包含了外部空气污染情况,对于具有较高空气质量的城市设定为0.1dicipol,普通城市设定为0.2dicipol以及污染区域的空气质量为0.3dicipol。
计算所得的实际通风速率是调节空气阻尼器开口大小的依据,在图6的空气阻尼器开度设定模块11中根据计算所得的实际通风速率换算成对应的空气阻尼器开度大小,使得户外新鲜空气的流动可通过调节空气阻尼器来控制进入到室内的量。
根据空调的使用季节情况,对于夏季室内人员是一个热负荷,而对于冬季室内人员作为一个热源,在本发明中通过所需室内空气风量和送风温度计算模块8根据上述室内人员数以及空间位置估计模块6计算所获得的空调室内人员数目,来计算人体与环境的热交换从而为送入室内空气风量和送风温度提供依据,本专利中只考虑夏季空调的情况,人体与环境的热交换可以由式(36)表示,
Qsk+Qres=(C+R+Esk)+(Cres+Eres) (36)
式中,Qsk:呼吸的总散热量;Qres:通过皮肤的总散热量;C:人体体表与环境的辐射换热;R:人体体表与环境的对流换热;Esk:通过皮肤的蒸发散热量;Cres:呼吸对流散热量;Eres:呼吸蒸发散热量。单位:W/m2。
一旦室内温度被控制在某一个范围内的话,人体与环境的热交换可以作为一个定值,如果我们仅仅考虑由室内人员的变动所引起的热负荷变化的话,就能够通过实时检测到的人员数(人员的变动数)与该定值相乘得到热负荷的变化,使空调风机的转速跟随空调负荷的变化迅速变化,通过控制风机的转速和冷冻水电动调节阀的开度等手段调节送入室内空气风量和送风温度,提高空气系统的响应速率,以达到节约能源的目的。
冷媒阀开度设定模块10是用来设定冷冻水电动调节阀的开度的大小,实时检测到的人员数越多设定冷冻水电动调节阀的开度就要越大,如果发现空调室内无人的情况加上该中央空调是完全用于室内人员舒适度的话就可以考虑将冷冻水电动调节阀的开度维持在一个非常小的开度或者是完全关闭冷冻水电动调节阀。
图6中风机风速设定模块9是用来设定风机的转速,实时检测到的人员数越多所设定风机风速就要越大,如果发现空调室内无人的情况加上该中央空调是完全用于室内人员舒适度的话就可以考虑将风机风速维持在一个非常小的转速或者是完全停止风机运行。
总之采用全方位计算机视觉系统可以估计停留在空调室内人员的数目,也可以辩识出在几秒内的任何突然变化,一旦检测到这些变化就能及时通过控制风机的转速和冷媒电动调节阀的开度调节室内空气温度、通过调节AHU中的空气阻尼器来控制新风量的大小达到调节室内空气的质量。
冷媒阀开度设定模块10、风机风速设定模块9以及空气阻尼器开度设定模块11的输出都为代表着一定量的数字,这些数字通过D/A转换器13转换成对应的电压信号来驱动控制空气阻尼器16、风机15以及冷媒电动调节阀14。
上述的实施例1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。
Claims (6)
1、一种基于全方位计算机视觉的中央空调节能控制装置,包括微处理器,受控于所述微处理器的空气阻尼器、风机以及冷媒电动调节阀,其特征在于:所述的中央空调节能控制装置还包括安装于室内上部中央的全方位视觉传感器,所述的全方位视觉传感器与微处理器连接,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:
fd(X,t0,ti)=f(X,ti)-f(X,t0) (1)
上式中,fd(X,t0,ti)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,ti)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:
fd(X,ti-k,ti)=f(X,ti)-f(X,ti-k) (2)
上式中,fd(X,ti-k,ti)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,ti-k)是相邻K帧时的图像;
如fd(X,t0,ti)≥阈值、fd(X,ti-k,ti)≥阈值成立时,判定为运动对象;
如fd(X,t0,ti)≥阈值、fd(X,ti-k,ti)<阈值,判定静止对象,并用式(3)来更新替换基准参考图像:
如fd(X,t0,ti)<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;然后再根据所求得的连通区域来计算其面积和重心;所述的对象目标的重心通过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,
室内人员数以及空间位置估计模块,用于统计在空调室内的人员的数目以及分布情况,对所述标记过的连通区域求出其面积Si,有下面判断规则:
若Si<阈值1,则该变化区域为噪声点;
若Si>阈值2,则该变化区域为大面积的变化,设定区域大小影响因子Fs为0.2~0.5之间;
若阈值1<Si<阈值2,则该变化区域可疑为有人,设定区域大小影响因子Fs为1;
再将人体模型简化矩形模型,首先求每个连通区域的平均宽度和高度,平均宽度wi用在高度hi方向的分成4等份的宽度均值,并以该平均宽度wi和高度hi作一个矩形,然后用公式(33)计算某个连通区域与该连通区域的矩形的面积比,
计算所得的εarea i值在0.5~0.9之间,εarea i值小于0.5时就不认为是有人,否则判定为有人;
阻尼器设定模块,用于根据上述得到的室内人员数目,计算所述的通风率,参见式(35):
式中,v为通风速率,单位L/s;G为室内排放量(相当于室内的人员数),单位olf;Ci为期望的室内空气质量,单位dicipol;C0为室外空气质量,单位dicipol;ε为通风效率;
根据通风率控制阻尼器的开度;
风机以及冷媒电动调节阀设定模块,用于将所获得的空调室内人员的数目、分布情况以及季节外界温度的信息,计算出所需要的室内空气风量和送风温度,根据室内空气风量和送风温度控制风机的转速和冷冻水电动调节阀的开度。
2、如权利要求1所述的基于全方位计算机视觉的中央空调节能控制装置,其特征在于: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
由反射定律
2γ=φ-θ
∴
(6)
由式(2)、(4)、(5)和(6)得到微分方程(7)
式
中;(8)
由式(7)得到微分方程(9)
由式(1)、(5)得到式(10)
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;
在像平面以像中心点为圆心的最大圆周处
对应的视场为φmax。则可以得到式(12);
3、如权利要求1或2所述的基于全方位计算机视觉的中央空调节能控制装置,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Yb计算公式如式(25)所示:
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:
Xmix,bn+1(i)=(1-λ)Xmix,bn(i)+λXmix,cn(i) (22)
式中:Xmix,cn(i)为当前帧RGB向量,Xmix,bn(i)为当前帧背景RGB向量,Xmix,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):
Xmix,bn+1(i)=Xmix,bn(i) (23)。
4、如权利要求3所述的基于全方位计算机视觉的中央空调节能控制装置,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(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。
5、如权利要求4所述的基于全方位计算机视觉的中央空调节能控制装置,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。
6、如权利要求5所述的基于全方位计算机视觉的中央空调节能控制装置,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
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100516326A CN100360861C (zh) | 2006-05-25 | 2006-05-25 | 基于全方位计算机视觉的中央空调节能控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100516326A CN100360861C (zh) | 2006-05-25 | 2006-05-25 | 基于全方位计算机视觉的中央空调节能控制装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1851338A true CN1851338A (zh) | 2006-10-25 |
CN100360861C CN100360861C (zh) | 2008-01-09 |
Family
ID=37132827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100516326A Expired - Fee Related CN100360861C (zh) | 2006-05-25 | 2006-05-25 | 基于全方位计算机视觉的中央空调节能控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100360861C (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100468245C (zh) * | 2007-04-29 | 2009-03-11 | 浙江工业大学 | 基于全方位计算机视觉的空调节能控制装置 |
CN101949571A (zh) * | 2010-09-20 | 2011-01-19 | 昆山锐芯微电子有限公司 | 一种用于控制空调机的芯片 |
CN102162667A (zh) * | 2010-02-24 | 2011-08-24 | 株式会社东芝 | 图像处理装置、图像处理方法及空调控制装置 |
CN102162664A (zh) * | 2010-02-24 | 2011-08-24 | 株式会社东芝 | 空调控制系统以及空调控制方法 |
CN102346445A (zh) * | 2011-08-16 | 2012-02-08 | 北京四季微熵科技有限公司 | 区域建筑能耗控制系统及其方法 |
CN102831683A (zh) * | 2012-08-28 | 2012-12-19 | 华南理工大学 | 一种基于人流量统计的室内动态冷负载智能检测方法 |
CN102859550A (zh) * | 2011-03-15 | 2013-01-02 | 株式会社东芝 | 能量需求预测装置及方法 |
CN102866158A (zh) * | 2012-07-24 | 2013-01-09 | 华北电力大学 | 面向隧道巡检的输配电线缆检测方法 |
CN103307702A (zh) * | 2013-06-04 | 2013-09-18 | 同济大学 | 基于载客量的地铁列车空调系统温度控制方法 |
CN103363615A (zh) * | 2012-03-27 | 2013-10-23 | 珠海格力电器股份有限公司 | 空调器及其控制方法和装置 |
CN103703320A (zh) * | 2011-08-03 | 2014-04-02 | 日立空调·家用电器株式会社 | 空气调节器 |
CN105588208A (zh) * | 2016-02-28 | 2016-05-18 | 广州市设计院 | 基于与水管管径匹配及受回风温度、送风量控制的风机盘管温度控制装置 |
CN105605744A (zh) * | 2016-02-28 | 2016-05-25 | 广州市设计院 | 基于与水管管径匹配控制水阀开度的风机盘管温度控制装置 |
CN105605684A (zh) * | 2016-02-28 | 2016-05-25 | 广州市设计院 | 基于回风温度及送风量控制水阀开度的风机盘管温度控制装置 |
CN105953948A (zh) * | 2016-05-13 | 2016-09-21 | 珠海格力电器股份有限公司 | 制冷量的检测方法和系统 |
CN106091270A (zh) * | 2016-06-21 | 2016-11-09 | 深圳达实智能股份有限公司 | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 |
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 |
US9633320B2 (en) | 2011-03-15 | 2017-04-25 | Kabushiki Kaisha Toshiba | Energy demand prediction apparatus and method |
CN107421053A (zh) * | 2017-03-30 | 2017-12-01 | 安徽森度科技有限公司 | 基于视频分析的中央空调控制系统 |
CN107869827A (zh) * | 2017-10-24 | 2018-04-03 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
CN108958060A (zh) * | 2018-08-06 | 2018-12-07 | 四川君逸数码科技股份有限公司 | Ibms楼宇能源智慧调控管理系统 |
CN110726226A (zh) * | 2019-10-25 | 2020-01-24 | 河北地质大学 | 一种小区环境调控方法、系统及存储介质 |
CN110925939A (zh) * | 2019-11-07 | 2020-03-27 | 珠海格力电器股份有限公司 | 组合式空调机组的控制方法、装置、控制器及控制系统 |
CN110936969A (zh) * | 2018-09-25 | 2020-03-31 | 比亚迪股份有限公司 | 车载空调设备控制方法、装置及系统 |
CN111076365A (zh) * | 2019-12-03 | 2020-04-28 | 珠海格力电器股份有限公司 | 一种自动调节空调制冷量、制热量的方法及空调 |
CN112178861A (zh) * | 2020-09-28 | 2021-01-05 | 珠海格力电器股份有限公司 | 健身房空调器的控制方法、装置、控制器及空调系统 |
CN112254317A (zh) * | 2020-10-19 | 2021-01-22 | 上海云见智能科技有限公司 | 一种基于机器视觉的中央空调智慧节能控制方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI678091B (zh) * | 2018-08-01 | 2019-11-21 | 台灣松下電器股份有限公司 | 物聯網家電系統及其控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3178907B2 (ja) * | 1992-08-18 | 2001-06-25 | 東芝キヤリア株式会社 | 空調制御装置 |
JPH06159757A (ja) * | 1992-11-27 | 1994-06-07 | Sharp Corp | 自動空調機 |
JP2000035488A (ja) * | 1998-05-12 | 2000-02-02 | Daikin Ind Ltd | 人検知装置 |
-
2006
- 2006-05-25 CN CNB2006100516326A patent/CN100360861C/zh not_active Expired - Fee Related
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100468245C (zh) * | 2007-04-29 | 2009-03-11 | 浙江工业大学 | 基于全方位计算机视觉的空调节能控制装置 |
CN102162667B (zh) * | 2010-02-24 | 2014-01-22 | 株式会社东芝 | 图像处理装置、图像处理方法及空调控制装置 |
CN102162667A (zh) * | 2010-02-24 | 2011-08-24 | 株式会社东芝 | 图像处理装置、图像处理方法及空调控制装置 |
CN102162664A (zh) * | 2010-02-24 | 2011-08-24 | 株式会社东芝 | 空调控制系统以及空调控制方法 |
US8432445B2 (en) | 2010-02-24 | 2013-04-30 | Kabushiki Kaisha Toshiba | Air conditioning control based on a human body activity amount |
CN101949571A (zh) * | 2010-09-20 | 2011-01-19 | 昆山锐芯微电子有限公司 | 一种用于控制空调机的芯片 |
CN101949571B (zh) * | 2010-09-20 | 2012-09-19 | 昆山锐芯微电子有限公司 | 一种用于控制空调机的芯片 |
US9633320B2 (en) | 2011-03-15 | 2017-04-25 | Kabushiki Kaisha Toshiba | Energy demand prediction apparatus and method |
CN102859550A (zh) * | 2011-03-15 | 2013-01-02 | 株式会社东芝 | 能量需求预测装置及方法 |
CN103703320B (zh) * | 2011-08-03 | 2016-01-20 | 日立空调·家用电器株式会社 | 空气调节器 |
CN103703320A (zh) * | 2011-08-03 | 2014-04-02 | 日立空调·家用电器株式会社 | 空气调节器 |
CN102346445A (zh) * | 2011-08-16 | 2012-02-08 | 北京四季微熵科技有限公司 | 区域建筑能耗控制系统及其方法 |
CN103363615B (zh) * | 2012-03-27 | 2016-04-27 | 珠海格力电器股份有限公司 | 空调器及其控制方法和装置 |
CN103363615A (zh) * | 2012-03-27 | 2013-10-23 | 珠海格力电器股份有限公司 | 空调器及其控制方法和装置 |
CN102866158B (zh) * | 2012-07-24 | 2014-10-08 | 华北电力大学 | 面向隧道巡检的输配电线缆检测方法 |
CN102866158A (zh) * | 2012-07-24 | 2013-01-09 | 华北电力大学 | 面向隧道巡检的输配电线缆检测方法 |
CN102831683A (zh) * | 2012-08-28 | 2012-12-19 | 华南理工大学 | 一种基于人流量统计的室内动态冷负载智能检测方法 |
CN102831683B (zh) * | 2012-08-28 | 2014-11-12 | 华南理工大学 | 一种基于人流量统计的室内动态冷负载智能检测方法 |
CN103307702B (zh) * | 2013-06-04 | 2015-10-21 | 同济大学 | 基于载客量的地铁列车空调系统温度控制方法 |
CN103307702A (zh) * | 2013-06-04 | 2013-09-18 | 同济大学 | 基于载客量的地铁列车空调系统温度控制方法 |
CN105588208A (zh) * | 2016-02-28 | 2016-05-18 | 广州市设计院 | 基于与水管管径匹配及受回风温度、送风量控制的风机盘管温度控制装置 |
CN105605744A (zh) * | 2016-02-28 | 2016-05-25 | 广州市设计院 | 基于与水管管径匹配控制水阀开度的风机盘管温度控制装置 |
CN105605684A (zh) * | 2016-02-28 | 2016-05-25 | 广州市设计院 | 基于回风温度及送风量控制水阀开度的风机盘管温度控制装置 |
CN105953948A (zh) * | 2016-05-13 | 2016-09-21 | 珠海格力电器股份有限公司 | 制冷量的检测方法和系统 |
CN106091270B (zh) * | 2016-06-21 | 2019-02-05 | 深圳达实智能股份有限公司 | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 |
CN106091270A (zh) * | 2016-06-21 | 2016-11-09 | 深圳达实智能股份有限公司 | 基于联网门禁系统的中央空调系统冷负荷预测方法及装置 |
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 |
CN107421053A (zh) * | 2017-03-30 | 2017-12-01 | 安徽森度科技有限公司 | 基于视频分析的中央空调控制系统 |
CN107869827A (zh) * | 2017-10-24 | 2018-04-03 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
CN108958060A (zh) * | 2018-08-06 | 2018-12-07 | 四川君逸数码科技股份有限公司 | Ibms楼宇能源智慧调控管理系统 |
CN110936969A (zh) * | 2018-09-25 | 2020-03-31 | 比亚迪股份有限公司 | 车载空调设备控制方法、装置及系统 |
CN110726226B (zh) * | 2019-10-25 | 2020-11-27 | 河北地质大学 | 一种小区环境调控方法、系统及存储介质 |
CN110726226A (zh) * | 2019-10-25 | 2020-01-24 | 河北地质大学 | 一种小区环境调控方法、系统及存储介质 |
CN110925939A (zh) * | 2019-11-07 | 2020-03-27 | 珠海格力电器股份有限公司 | 组合式空调机组的控制方法、装置、控制器及控制系统 |
CN111076365A (zh) * | 2019-12-03 | 2020-04-28 | 珠海格力电器股份有限公司 | 一种自动调节空调制冷量、制热量的方法及空调 |
CN112178861A (zh) * | 2020-09-28 | 2021-01-05 | 珠海格力电器股份有限公司 | 健身房空调器的控制方法、装置、控制器及空调系统 |
CN112178861B (zh) * | 2020-09-28 | 2021-08-27 | 珠海格力电器股份有限公司 | 健身房空调器的控制方法、装置、控制器及空调系统 |
CN112254317A (zh) * | 2020-10-19 | 2021-01-22 | 上海云见智能科技有限公司 | 一种基于机器视觉的中央空调智慧节能控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN100360861C (zh) | 2008-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1851338A (zh) | 基于全方位计算机视觉的中央空调节能控制装置 | |
CN101051223A (zh) | 基于全方位计算机视觉的空调节能控制装置 | |
CN1874497A (zh) | 基于全方位计算机视觉的独居老人家庭安保装置 | |
CN1812569A (zh) | 基于全方位视觉传感器的智能安保装置 | |
CN100345165C (zh) | 基于图像的超现实主义三维脸部建模的方法和设备 | |
CN1278925A (zh) | 采用像素化面板的小型投影透镜系统的宽视场投影透镜 | |
CN1943824A (zh) | 基于全方位视觉传感器的自动消防灭火装置 | |
CN1804927A (zh) | 基于全方位视觉传感器的道路监控装置 | |
CN1831519A (zh) | 光泽测量装置以及光泽测量方法 | |
CN1117992C (zh) | 长焦距投影透镜 | |
CN1119689C (zh) | 投影透镜系统 | |
CN107305312B (zh) | 投影亮度和对比的自动调整系统及方法 | |
CN1305010C (zh) | 在考虑其噪声的情况下改变数字图像的方法和系统 | |
CN1787605A (zh) | 控制系统和适合于该系统的被控制装置以及遥控器 | |
CN1892676A (zh) | 面部/虹膜组合光学成像的装置及方法 | |
CN1858551A (zh) | 基于全方位计算机视觉的工程车防盗报警系统 | |
CN1912950A (zh) | 基于全方位视觉传感器的违章车辆监控装置 | |
CN101032405A (zh) | 基于全方位计算机视觉的安全驾驶辅助装置 | |
CN1577051A (zh) | 图像处理系统、投影机以及图像处理方法 | |
CN1909603A (zh) | 图像处理方法和摄像设备 | |
CN101064004A (zh) | 伪装检测装置及伪装检测方法 | |
CN1493014A (zh) | 用于反射像素平板的投影透镜 | |
CN1914919A (zh) | 检测区域调整装置 | |
CN1260593C (zh) | 变倍透镜系统以及具有该变倍透镜系统的投影仪 | |
CN1496535A (zh) | 图像处理装置和图像处理方法、存储介质及计算机程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080109 Termination date: 20100525 |