計算機視覺視頻圖像處理在暖通空調控制信號采集領域的應用

西安建筑科技大學 李瀟婧 劉一航 劉朋舉 任慶昌 李安桂 楊 斌 南京郵電大學 成孝剛 霍尼韋爾(中國)有限公司 陳 杰

0 引言

計算機視覺、視頻圖像處理等相關領域的最新技術在建筑環境實時非接觸監測及暖通空調設備控制領域得到了廣泛應用，本文系統回顧國內外研究者近10年的研究成果。在文獻[1]的基礎上，增加被動式紅外探測器(passive infrared detector，PIR)和毫米波雷達的相關內容，梳理這2種技術在非接觸監測領域的研究現狀，并對其在暖通空調領域的應用作出展望。同時，本文在討論部分增加非接觸監測技術在睡眠環境監測領域的應用。

建筑室內環境控制一般依據室內溫濕度設計標準，以此保證大多數人的熱舒適性。以長期環境監測和經驗總結所確定的溫濕度標準存在自身固有的局限性，基于行業標準設計的暖通空調系統不能兼顧人員熱舒適和節能的要求。傳感器通常被固定于某一個位置，而室內環境參數在空間分布上是不均勻的，這就導致基于環境傳感器的傳統測量方法不夠精確。采用問卷調查的方式雖然可以直接獲取人員對周圍環境的反饋，但人員的正常活動受到頻繁干擾。近年來，隨著建筑“以人為本”概念的提出，室內環境控制更需要從人的實際需求出發，同時減少信號采集過程對人員正常工作生活的干擾。計算機視覺/視頻圖像處理技術的發展，為滿足上述需求提供了新的技術手段。

本文先分別回顧傳統測量方法和半接觸式測量方法。然后介紹基于紅外傳感技術、歐拉視頻放大技術和骨骼關鍵節點技術的非接觸測量，討論這些技術在按需通風、個體環境控制和睡眠環境檢測方面的應用，并初步展望毫米波雷達在暖通空調系統中的應用前景。最后介紹得出的結論與未來發展方向。

在展開論述之前，對非接觸測量和非侵入測量的概念進行區分。在醫學領域，非侵入測量是指不需要物理刺破肌膚或通過外部孔口深入人體的測量。相對而言，熱舒適研究中非侵入測量是指不干擾人員正常行為活動的測量。例如：在口腔或直腸中使用溫度計和人體活動輸出的電信號(如心電圖、腦電圖、眼電圖等)，它們都是侵入式的，但從醫學角度而言，它們是非侵入的。而非接觸測量是指在不接觸身體的情況下采集人體熱舒適信息或數據。例如，使用紅外攝像系統采集人臉皮膚溫度是非接觸且非侵入的測量方式。

1 傳統測量方式(接觸式測量)

傳統的接觸式測量包括環境參數測量、問卷調查和生理參數測量，其中問卷調查是獲取人員對于環境反饋最直接的方法。然而人員需要暫停他們的正常活動，才能填寫紙質或電子的調查問卷。在實驗室測試時一般采用紙質的調查問卷，在現實的建筑中不方便使用。基于手機或計算機的電子調查問卷雖然可以適應環境復雜且變化的測試場合[2]，但同樣需要人員持續且頻繁的配合[3]。

環境參數測量是基于環境傳感器對室內溫度、濕度、氣流風速等參數進行監測，從而判斷室內熱環境情況的測量方法。雖然該方法更具可操作性，但是其數據并不能直接反映人員的真實感受或生理參數。盡管可以通過設置多個不同種類的傳感器測量室內環境，但是室內諸多因素均會影響到測試結果，如光照、室內家具、太陽輻射熱和氣流速度等[4-5]。

研究發現，測量得出的心率、脈搏、血液灌注度、皮膚溫度、人體代謝率、腦電圖等生理參數也可以與人體熱舒適構建相應的關系[6-8]。用水銀溫度計測量人體發燒時的腋下體溫，就是使用接觸式的設備采集人體熱生理信號的一個常見實例。此外，設備的安放位置和安放角度、人員的體脂率和運動狀態等也會引起測量誤差[9]，人員產生的異物感是該方法實際應用的主要障礙。

2 半接觸式測量

與上述測量方法不同，半接觸式測量是將傳感器集成到可穿戴設備上。Chen等人在進行熱舒適評價和熱調節性能分析時采用了半接觸式測量方法，具體做法是：在眼鏡上裝配4個紅外傳感器，通過傳感器采集人員前臉、顴骨、鼻部和耳朵的皮膚溫度并將其用于評價和分析，如圖1所示[9]。在上述結果的基礎上，Ghahramani等人提出了一種基于隱馬爾可夫模型的學習算法來獲取個人熱舒適[10]。該方法雖然可以實時監測人員的熱舒適，但卻未考慮到人員活動強度對熱舒適的影響。此外，最佳位置、距離、傳感覆蓋范圍等因素對預測熱舒適精度的影響尚不明確。

圖1 紅外眼鏡測點示意及實驗設置[9]

智能手環等腕帶式可穿戴設備也可用于測量皮膚溫度[11-12]。Sim等人在不同室溫下采集了受試者腕部3個不同測點的皮膚溫度并測量了指尖皮膚溫度[13]。如圖2所示，腕帶可以記錄人體的光電容積圖(PPG)，采集得到搏動期間的信號并將其發送到智能手機上。基于此，計算得到脈搏變化率并實時預測熱舒適[14]。腕帶還可以對智能手機上熱像儀拍攝的熱圖像進行偏移誤差修正[15]。智能手表測量得到的皮膚溫度和心率、心率變異性等數據，可以用于建立熱舒適預測模型[16-17]，并將結果與專業的測量設備進行對比[18]。

圖2 智能腕帶記錄心電圖[14]

雖然基于手腕皮膚溫度/心率的大多數熱舒適預測模型都具有不錯的精度，但是模型驗證數據都是在特定熱環境下從有限受試者身上獲取的。此外，這些模型沒有考慮到個體特征差異，如性別和適應性。

3 非接觸式測量

傳統的接觸式測量主要包括環境參數測量、問卷調查和生理參數測量等，此類測量方式已經得到廣泛應用，同時還可以與物聯網、人工智能和機器學習等新興技術相結合。小型化的傳感器對使用者更友好，可以將其與手表、眼鏡、腕帶等可穿戴設備集成在一起，并借此弱化異物感。基于視頻/圖像處理來實現非接觸測量的技術，可以避免可穿戴設備的異物感及對正常工作生活的干擾。目前常用的技術有紅外傳感技術、歐拉視頻放大技術和骨骼關鍵節點模型。

3.1 紅外傳感技術

3.1.1紅外成像技術

紅外攝像頭采集的視頻和圖像被廣泛用于情緒和表情識別[19-22]、醫學檢測[23-25]、人臉識別和標記[26-29]、測謊[30-32]等方面。現在也可以用于評價人體熱舒適性。紅外攝像頭可以用于采集人體裸露皮膚的紅外圖像，如手部、面部皮膚[23,33-39]。該技術適用于判斷暖通空調系統是否需要調節[34](如圖3所示)。紅外攝像頭可以獲取人員面部皮膚溫度。皮膚電位、手部皮膚溫度、皮膚阻力、心臟頻率和呼吸頻率也可以通過紅外成像技術進行分析[40]。

圖3 人體裸露皮膚的紅外圖像[34]

近期，市場上出現了低成本和小型化的紅外攝像頭，例如智能手機上的熱成像相機[41]。因為低成本紅外探測器冷卻不夠充分，因此與高端型號相比精度并不高，研究人員提出了一種動態偏移校正技術[15]。Aryal等人比較了紅外成像技術、傳統生理和環境測量技術及半接觸式可穿戴設備的精度，研究結果表明，生理傳感器和環境傳感器結合的測量方式比單獨使用環境傳感器的精度高3%～4%[42]。因此，在實驗工況下，單獨使用環境傳感器是不可行的[42]。對于人員相對運動的問題，Aryal等人提出了將RGB圖像和熱成像儀數據結合使用的方法，圖4為紅外攝像頭拍攝的熱圖像，利用RGB圖像中檢測到的人臉特征區域來定位紅外圖像中對應的人臉皮膚區域，從而提取出人臉的皮膚溫度[42]。Kopaczka等人結合人臉特征檢測、情感識別、面孔正面化和分析的算法對紅外人臉圖像進行進一步的處理[43]。

圖4 熱圖像提取不同特征區域皮膚溫度的步驟[42]

同時，運動員在室外跑步和在室內健身的紅外圖像也可以被拍攝分析[44]。盡管上述研究結果顯示其熱感覺預測準確度為65%～85%，但是在熱成像中還未研究噪聲的處理，因此算法和模型的魯棒性需要進一步驗證。

將熱成像儀、深度傳感器、彩色攝像頭集成到一個平臺中，采集得到的皮膚和服裝溫度可用于熱舒適評估[45]。該平臺的建立體現了3個原則：低成本(約300美元)、小型化、實時監控。以此為基礎，相關研究人員提出利用機器學習算法生成預測熱舒適模型，并進行了數據分析[46-48]。為了克服人員姿態和動作的影響，研究中使用了一種由低成本熱成像儀和RGB-D傳感器(Kinect)組成的設備[49]。但當用戶存在動態姿勢和運動時，紅外成像技術在熱舒適和熱感覺預測方面的準確度將受到影響。此外，紅外成像技術收集視頻/圖像數據還涉及隱私的問題。

3.1.2被動式紅外傳感器

被動式紅外探測器(PIR)是被廣泛用于監控的廉價傳感器之一，具有體積小、功耗低、靈敏度高、探測范圍大等優點。與主動式紅外探測器不同，它不依靠發射輻射能量來探測物體的存在，而是通過檢測物體發射或反射的紅外輻射來工作[50]。人體發出的輻射能量與其他有溫度的物體不同，主要集中在9～10 μm的波長內。被動式紅外探測器能夠吸收這種人類肉眼看不到的紅外線，適用于室內人員定位[51-52]。

PIR傳感器為暖通空調設備(如家用空調[53])提供與人員信息有關的電信號。這種方式不僅提高了人員熱舒適，而且節省了能源。如今，部分空調產品已經可以做到根據人的行為調整運行模式，例如，如果空調在30 min內沒有檢測到人體運動的信號將自動關閉。但智能調節的方式也有其自身的局限，PIR傳感器無法識別靜止的人體。為了解決這個問題，PIR傳感器常常和其他技術配合使用。例如將微波和PIR相結合，2個傳感器分別負責不同的任務，只有2個傳感器同時觸發才可以激活報警信號[54-55]。經過調查發現，應用該技術后節能量增加，增幅可達到30%[56]。除了控制背景空調系統外，PIR傳感器還可以與個體微環境控制系統相結合，從而克服個體差異性。

3.2 歐拉視頻放大技術

歐拉視頻放大技術是一種細微視覺運動放大技術，廣泛應用于觀察視頻中特定區域的形態及特征[57]。該技術的原理是利用拉格朗日法將測量到的視覺運動與一組視頻圖像中經過修正的像素相結合，實現人肉眼察覺不到的細微運動和顏色變化的檢測[58]。與拉格朗日法不同，歐拉視頻放大技術的處理過程并不跟蹤物體運動，而是依賴于視頻金字塔和放大的時間序列處理相結合。通過給定某像素處顏色值的時間序列，放大特定時間范圍內的變化。該技術可以用于結構檢測，如放大喉結振動判斷發聲，檢測心率、脈搏、膚色、血液的細微變化等[59]。來自瑞典于默奧大學和美國弗吉尼亞理工大學的2個課題組將歐拉視頻放大技術應用于人體皮膚溫度測量，通過測量皮膚溫度反映人體熱舒適狀態，并向暖通空調系統的控制模塊發送反饋信號。Cheng等人基于血管和皮膚顏色的細微變化，建立了皮膚顏色飽和度和皮膚溫度的關系，提出了一種為暖通空調系統提供反饋信號的非接觸式人體皮膚溫度測量技術[60]。隨著血管的擴張或收縮，人體皮膚顏色會發生細微的變化，尤其是在局部熱刺激下產生的變化更為明顯。雖然該變化肉眼無法察覺，但是經過圖像放大處理后這種變化可以被捕捉。

由于血管密集的手背區域不會被衣服覆蓋，且年輕女性受試者的皮膚對熱刺激敏感，Cheng等人最終確定受試者主要為東亞女性，在45 ℃的溫水中對她們的手部刺激10 min后，對錄像進行分析，獲得手背皮膚顏色的飽和度，同時用傳感器記錄她們手背的皮膚溫度，從而建立了皮膚溫度和皮膚顏色飽和度之間的關系[60]。

由以上研究可知，皮膚顏色飽和度與皮膚溫度呈線性關系，例如當皮膚溫度升高時，毛孔擴張，皮膚變紅。而歐拉視頻放大技術可以準確分析皮膚顏色飽和度，提取并放大紅、綠、藍(RGB)皮膚顏色信號。錄制的視頻利用獨立分量分析(ICA)進行后處理，經過去噪聲、分離心率后，可實現自動測量心率的效果。通過擴大皮膚顏色變化率，并基于特定的線性關系和ICA后處理技術，生命體征攝像機可實現精確測量脈搏和呼吸頻率。采用部分基于非接觸測量的個性化熱舒適模型得到的東亞年輕女性皮膚溫度，其絕對誤差的中值為0.61～1.32 ℃[60]。結果顯示，通過普通攝像頭與歐拉視頻放大技術相結合的非接觸式測量方法，可以提取出人體皮膚溫度信號。微變放大和深度學習(NIDL)算法可以結合NIDL、個體ST模型(NIPST)和iButton傳感器進行交叉驗證，進一步評估使用歐拉視頻放大技術的可行性[61]。Cheng等人采用一種基于皮膚敏感指數(SSI)的非接觸式皮膚溫度測量方法，利用大數據對皮膚圖像進行深度學習網絡訓練[62]。如圖5所示，研究人員提出了一個使用商用相機和RGB視頻圖像技術的熱舒適性評估方案[63]。在實驗條件下，采用2種不同的熱條件(高溫30 ℃和低溫20 ℃)刺激坐在計算機前工作的用戶。攝像頭可以連續捕捉頭部和面部皮膚的圖像，檢測出血流量的細微變化，推斷人體體溫和熱舒適的調節機制。人臉檢測、皮膚像素分離、圖像放大和檢測指標計算等技術可以提取視頻中人體的熱舒適信息。在識別過程中，需要消除面部眉毛、胡須等無關區域的影響。還需要考慮不同光照可能產生的干擾(放大后的圖像要減去原始圖像，實現對可變的原始色彩強度的考慮)，并消除亮度通道，以減少各種光照的影響。

圖5 歐拉視頻放大技術與送風末端調節裝置集成系統[63]

Jazizadeh等人最終對該方案進行了可行性評價，21名受試者處于低溫(20 ℃)和高溫(30 ℃)2種環境溫度下，18名受試者的數據具有統計學意義，其中16名受試者的數據可得到最佳的分析結果，成功率為89%。結果表明，利用人體體溫調節機制(血液灌注度變化)和歐拉視頻放大算法對不同環境溫度下的RGB視頻圖像進行分析，可以推斷出熱舒適狀態[63]。建筑用戶(尤其是辦公建筑)可以使用這種非接觸式平臺，使用常用視頻設備與個人計算機進行交互，不僅可以實現非接觸式、實時、個性化的熱舒適測量，還能為建筑能源管理系統提供反饋信號。然而，上述實驗要求受試者在測試時保持靜止，僅存在最小化光合運動的變化。隨后，Jung等人提出了一個利用遠距離記錄的面部RGB視頻圖像來提取光電容積描記法(PPG)信號細微變化的方法，在分離出感興趣區域后，將獨立分量分析和最小均方(LMS)自適應濾波算法集成到一個框架中，并且在保留PPG信號幅度信息的同時，可以消除不想要的和帶內偽影的信息的影響[64]。此外，Jung等人還研究了使用多普勒雷達感應系統來顯示呼吸頻率變化時人員熱舒適的可行性，結果表明，呼吸頻率變化可以作為人體熱舒適調節的一個檢測指標，實現對建筑暖通空調系統的智能控制[65]。

3.3 骨骼關鍵節點模型

人體姿態識別已經廣泛應用于視頻游戲、機器人和醫學等不同的領域[66-67]。Toshev等人提出了一種結合卷積神經網絡的骨骼關鍵節點模型[68-69]。與歐拉視頻放大技術不同，它可以識別動態的人體，遠距離捕捉人員定位信息。骨骼節點模型的應用范圍更廣、系統擴展性更強。一個開源軟件OpenPose通過學習圖像特征和圖像相關空間模型[70]實現了單人或多人的人體姿態估計，并得到較高的準確度。這使得利用普通數碼攝像頭來評估熱舒適/熱不舒適相關姿態成為可能[71]。基于Kinect檢測，Meier等人定義了4種熱相關姿態(如圖6所示)[71]。除了人體生理參數，熱相關姿態也可以與熱舒適建立關系。通過建立熱相關姿態庫，兩者之間的關系將進一步得到驗證。利用Kinect的姿態識別也可以檢測人體代謝率。然而，Kinect受專利保護[72-73]，其實際應用不具有可擴展性和經濟性。作為一種替代方案，開源平臺(OpenPose)可以用于生成人體骨骼關鍵節點。

圖6 基于Kinect的人體姿態識別[71]

Yang等人定義了12種熱不舒適姿態：用手擦汗、用手扇風、抖T恤、搔頭、卷起袖子、雙臂交叉、雙腿交叉、雙手抱頸、哈氣暖手、跺腳、走路、抖肩膀，同時將所定義的姿態與問卷調查結果進行了對比[72]，如圖7所示。該方法與紅外攝像機相比初始投資小、成本低，不需要額外費用。手機或計算機攝像頭結合骨骼節點模型進行數據采集，與針對靜止人群的歐拉視頻放大技術不同，它還可以高精度遠程采集動態人體節點[72]。

圖7 基于骨骼關鍵節點的人體姿態識別[72]

因為單獨使用姿態確定熱舒適狀態可能會造成系統誤判，所以必須對來自不同人員的相同姿勢，通過其他測量技術進行交叉驗證。盡管預測人員活動和代謝率的準確度仍存在技術局限[71]，但開發出的個性化熱舒適模型更好地體現了人與人之間性別、體征等方面的不同。此外，人們在感受到冷/熱時，可能不會表現出預先定義的姿態。現實生活中，熱不舒適姿態可能不是冷/熱感覺造成的，而是其他無關因素導致的。例如，跺腳可能是因為鞋子有灰塵而不是人體感到寒冷。上述因素一定程度上限制了骨骼節點模型在現實中的應用。

4 討論

4.1 個體環境控制

眾所周知，建筑室內熱環境調節不可能滿足每個人的熱偏好。為了實現個人的熱舒適，必須建立個人熱舒適模型，將個人的熱狀態實時發送給個人熱舒適控制系統。在控制系統智能調節的作用下，滿足個人的熱需求。紅外傳感技術被認為是實時測量人體皮膚溫度的有效方法之一。該技術可以提供平衡能效和個人熱舒適的控制策略。隨著個體環境控制系統的快速發展和技術進步，該策略在控制個人保暖或降溫方面具有廣泛的應用前景。

然而，紅外成像技術有自身的局限性。首先，它只能測量裸露皮膚的溫度，不能測量被衣服覆蓋區域的溫度。當需要測量被覆蓋區域溫度時，人員必須脫去衣服。盡管面部、手部及下肢的溫度有助于預測熱感覺，但這些區域僅占總皮膚面積的很小部分。基于此，準確預測整體熱舒適或被覆蓋部位的局部熱舒適是有挑戰性的。其次，紅外相機的精度較低，其測量精度大多為±2 ℃，這大大降低了實時判斷人員熱舒適的準確性。精度較高的紅外攝像機往往價格相對較高。而且紅外圖像的分析結果還與測試條件、角度、發射率、背景輻射源等諸多因素有關。所以，在圖像采集和程序優化方面還有更多的研究需要去做。通過對用戶的培訓，可以控制可能影響測量精度的因素。

4.2 按需通風

實現人員定位和計數具有多種途徑，如基于圖像/視頻技術的方法、基于溫度和二氧化碳傳感器的方法、基于被動紅外探測器(PIR)的方法、基于射頻識別(RFID)的方法和基于藍牙的方法等[74]。基于卷積網絡的人臉識別算法對人體頭部、肩部的檢測率達到95.2%[75]。多視覺傳感器在貝葉斯算法數據融合的輔助下，可以提高感知精度[76]。上述研究集中在人員定位的技術手段上，沒有將其應用在暖通空調領域。

作為一種基于視頻/圖像的非接觸人體姿態識別系統，骨骼關鍵節點模型不僅可以用于識別人體熱舒適/熱不舒適姿態，還可以用于人體定位和估計。如圖8所示，在多功能報告廳(教室/會議室)中，可以利用基于骨骼關鍵節點模型的人員定位系統檢測房間運行模式，并控制以需求為導向的暖通空調系統。該系統可在1.5 s內完成圖像采集、提取、三維重建和數據融合，實現實時人體定位和姿態識別[77]。

在以人員需求為導向的通風策略中，可以通過改變空調系統的風向、風速及風量等參數來滿足人員的冷/熱需求[78]。然而在視頻/圖像處理的非接觸技術中，數據提取、分析和信號傳輸的速度快于機械設備(閥門、風機等)的運行速度。這種不匹配或錯誤的調整，阻礙了按需通風技術和非接觸測量技術在實際工程中的應用。Zhai等人嘗試了新技術，將節能風扇與較高的空調背景溫度組合，不改變室內設定值[79]。節能風扇的調節速度與基于視頻/圖像的非接觸傳感技術相匹配，避免了空調系統調節速度過慢的限制。但房間的大小、房間形狀不規則、人員的相互遮擋也是導致視頻/圖像技術造成誤判的原因。

4.3 睡眠環境監測

人一生中用于睡眠的時間約占整個生命時長的1/3，充足的睡眠時間和良好的睡眠質量可以使人體機能得到恢復[80-82]。睡眠質量受許多因素的影響，如健康狀態、情緒狀態、臥具條件和周圍環境[83]，目前已有大量的研究證明室內熱環境對睡眠質量有顯著影響。

以往研究中為評估人體睡眠熱舒適情況，在實驗中通常采用填寫主觀問卷自我評估和使用多導睡眠監測儀對受試者的生理參數進行記錄監測。主觀問卷是受試者睡醒后對前一天的睡眠情況進行回憶，但人的睡眠記憶通常并不準確，因此會不可避免地產生誤差。盡管多導睡眠圖被認為是睡眠分期和睡眠呼吸診斷事件的標準[84]，但是受試者需要佩戴許多相關儀器部件和粘貼大量用于測量的電極片，此種接觸式的測量方法會對受試者產生較大的心理壓力和不適感，出現較為嚴重的“首夜效應”。雖然在睡眠質量檢測中也使用一些半接觸式的測量設備，如體動記錄儀和智能手環等，但同樣也會干擾人員的正常睡眠。

有別于白天的生活環境，處于睡眠狀態的人員無法按照自己的主觀意志對室內熱環境進行調節，所以就有必要對睡眠狀態下的人體熱舒適進行評估。現有的睡眠熱舒適預測模型大多是基于人體生理參數、室內環境參數和寢具熱阻等的數據驅動模型，不能被直接用于現實住宅的睡眠環境控制。而計算機視頻/圖像處理技術為實時監測人員睡眠熱舒適提供了新的方向，如通過采集人體睡眠時的視頻信息，基于骨骼關鍵節點模型和歐拉視頻放大技術檢測人體翻身頻率、被子覆蓋比、肢體運動、身體局部抖動、下頜運動、眼部微小抖動等信息分析睡眠質量，這也為后續睡眠熱環境的智能化調控提供了依據。

4.4 毫米波雷達

毫米波一般指的是頻域在30～300 GHz之間的電磁波，該類電磁波頻率極高，波長可以達到毫米級別，其傳播的波形趨近于直線。毫米波雷達在民用領域的汽車主動安全及輔助駕駛[85-89]、智能交通[90-91]、安檢[92]、臨床治療[93]、室內定位[94]等方面得到了大量的應用。在工業、航海、氣象、植保和救援等領域，液位準確測量雷達[95]、無人船盲區感知雷達[96]、水面目標探測雷達[97]、氣象雷達[98]、植保無人機避障雷達[99]和山火火點定位雷達[100]發揮了至關重要的作用。

毫米波雷達能夠在復雜多變的環境中正常工作，如在光線條件不足、環境中煙塵較大等視線不良的環境中仍能保持較好的檢測能力。與目標檢測相關的研究表明，毫米波雷達可準確記錄檢測對象位置、生命體征、行為(手勢和動作)、數目等信息，同時具備低成本、小型化、易用、可維護等特性。在室內人員定位和跟蹤[101-102]方面,毫米波雷達對人體的檢測局限于外部輪廓，與攝像頭視頻采集技術相比，可以保護人員隱私。在生命體征檢測方面，通過檢測心跳和呼吸信號實時了解室內人員行為狀態[101-102]。在人機交互方面，不影響人員正常工作的前提下，通過采集動作[103-104]和手勢[105-106]信號控制暖通空調系統(如圖9所示)。基于以上3種應用，毫米波雷達在暖通空調領域的按需通風和個體微環境控制方面有較好的前景。

在物聯網領域的研究表明，傳感器融合系統為樓宇自動化等系統提供了強有力的數據支撐。毫米波雷達可以提供高精度、高實時性的遠距離測距信息，但其虛警率高、目標定位精度低等缺點也較為明顯。攝像機可以提供比雷達更加規范的空間信息，因此可以作為視覺傳感器彌補毫米波雷達的不足，同時毫米波雷達也可以彌補攝像機測距精度不足的缺點[107]。在視覺傳感器給建筑裝上“眼睛”的基礎上，毫米波雷達給建筑裝上了“耳朵”，進一步提高了感知精度，為暖通空調系統提供滿足人體熱舒適的控制信號。

5 總結與展望

計算機視覺/視頻圖像處理、紅外傳感領域新技術的快速發展，促進了從接觸式到非接觸式測量和傳感方法的發展。主要研究成果和未來發展方向如下：

圖9 動作和手勢檢測示例[104-105]

1) 配備有無需冷卻型紅外探測器且低成本、體積小的熱成像儀，可以集成到智能手機中。冷卻型紅外探測器在未來可以進一步小型化。為了提高熱成像儀的精度，還應開發更智能的校正方法。

2) 采用歐拉視頻放大技術檢測皮膚溫度從弱熱刺激到強熱刺激的變化。視頻圖像處理技術的發展，進一步去除了不需要的皮膚區域，從而提高了準確性，并且避免了人員活動的影響。

3) 應用人體骨骼關鍵點模型進行人體熱不適/熱舒適姿態測試，并建立人體熱不舒適/熱舒適姿態庫。采用交叉驗證的方法測試實際的姿勢是否與某些熱不舒適相關。該技術可以為暖通空調控制系統提供反饋信號。

4) 基于計算機視覺的非接觸技術會造成人員隱私的問題。毫米波雷達、PIR傳感器等人員檢測技術的發展為解決該問題帶來了可能，給建筑裝上了“耳朵”。保護用戶隱私的同時實現了個體熱舒適信息的采集。但該技術在建筑領域的應用并不完善，還需要開展更多的研究。

本文淺析了計算機視覺等領域的相關技術在暖通空調控制信號采集領域的應用及發展前景。所選取的個別案例的詳細資料獲取受限，因此未能進行全面評估，特別是一些詳細的技術特點，例如感應頻率、產生的信號噪聲和過濾策略，以及與現有樓宇系統的潛在兼容性等。因此，需進一步研究特定的計算和傳感過程、有效的數據采集方法，以及在考慮實際成本、魯棒性和實用性的同時進行全面評估。