一种联合深度神经网络的公共空间人员总体舒适度计算方法

针对舒适度PMV指标计算模型参数常常需要人工统计的方式,采用图像分析的方法得到相关数据,提出了一种联合深度神经网络的公共空间人员总体舒适度计算方法.在获取室内人员的图像后,首先在Faster R-CNN中加入了改进后的FPN,并通过自适应聚类方法生成适用于室内人员识别的锚框,提升了图像中人员及其状态识别的准确度.然后结合室内环境传感器测得的温度、湿度信息,通过LSTM神经网络可以计算出当前环境下人员的总体舒适度.最后应用提出的方法对实际场景进行了测试,并通过PMV指标程序计算了PMV值.实验结果表明,由提出的模型得到的人员总体舒适度和实际情况的误差绝对值在0.03之内,具有较好的应用价值.