在以人为中心的智能建筑中,人体舒适度的实时测量起着关键作用,并为建筑采暖,通风和空调(HVAC)系统提供反馈控制信号。由于个体内和个体间差异以及皮肤细微变化的挑战,目前尚无令人满意的热舒适度测量解决方案。本文提出了一种基于皮肤敏感指数和深度学习(NISDL)的无创测量方法来测量实时温度。一个新的评估指标,即皮肤敏感指数(SSI),被定义为克服个体差异和皮肤细微变化。为了说明SSI提出的有效性,设计了两个多层深度学习框架(NISDL方法I和II)和DenseNet201用于从皮肤图像中提取特征。部分个人饱和度温度(NIPST)算法用于算法比较。还为算法比较生成了另一种没有SSI(DL)的加深学习算法。最后,总共144万个图像数据用于算法验证。结果表明,55.6180%和52.2472%的误差值(NISDL方法I,II)分散在[0,0.25],NIPST的相同误差区间分布为35.3933%。
translated by 谷歌翻译