基于深度学习的红外图像人体参数识别研究

作者：唐明武; 李果; 刘盼龙; 赵睿雯; 刘卓辰; 吴小舟^*; 高洁

来源：东北电力大学学报, 2022, 42(04): 18-27.

DOI：10.19718/j.issn.1005-2992.2022-04-0018-10

• 热舒适
• 红外热成像
• 深度学习
• 卷积神经网络

根据人体热舒适评价标准，除了热环境参数以外，人体参数(活动状态和着装情况)显著影响人体热舒适度.传统的建筑环境控制系统一般按照设定的热环境参数进行调控，无法根据实时人体参数进行优化设置，如此难以满足人体个性化热舒适的要求.文中提出基于深度学习的红外图像人体参数识别技术，通过建立一个按照人体活动状态和着装情况分类的红外图像数据集，对LeNet和ResNet两种深度学习神经网络进行识别训练，并对比分析两种神经网络的识别性能.结果表明，ResNet神经网络的识别性能明显优于LeNet神经网络，人体活动状态和着装情况的识别率分别能达到80%及90%以上.因此，基于深度学习的红外图像人体参数识别技术具有较大应用潜力，未来通过应用于建筑环境控制系统，可以显著提高个人热舒适度.

• 单位
  大连理工大学; 建工学院; 土木工程学院; 大连大学