随着全球经济飞速发展,世界能源消耗快速增长,其中建筑能耗已占全球能源消耗的21%,而中央空调系统(HVAC)能耗又占据建筑能耗的50%。当前恒定室温范围的能量供给方式,在一定程度上带来能源浪费,同时忽略了人的感受。实时非接触式的人体热舒适感知是缓解能源浪费,实现“以人为本”智能建筑的有效方法之一。本文基于视觉传感的方法,从人体姿态和皮肤纹理的角度,研究了非接触式人体热舒适感知的关键技术。主要内容如下:本文从人体姿态的角度出发,基于Fanger理论,开展问卷调查。通过大量主观数据,验证了有关人体姿态与人体热舒适之间的相关性。在此基础上,基于关键点检测库Open Pose捕获人体骨骼关键点,继而构建面向人体热舒适视觉感知的姿态估计算法。最后,本文邀请邀请了16名受试者参与实验,使用普通摄像头实时的获取包含受试者当前姿态信息的图片,导入算法并分析,将检测结果实时的输出,以验证算法的有效性和鲁棒性。本文从皮肤纹理角度,对人体热舒适的视觉感知展开探索。本文设计了基于微变放大的人体热舒适感知方法架构,主要分为两个模块:1)优化微变放大算法,实现微小变化的放大和增强;2)基于微变放大算法,对皮肤纹理(诸如毛孔)进行放大,继而实现人体热舒适的估计。鉴于人体热舒适估计的复杂性和主观性,本文主要研究了模块1,即设计了面向人体热舒适估计的无监督微变放大算法。本文利用视频在时间上连续特性,构建深度学习网络,对背景信息与运动信息进行分离,在完成运动放大之后,再与背景特征融合,重新生成放大后的视频。本文采用合成数据、动态数据(网络视频数据)、静态数据(实际场景采集)三种数据对网络进行训练。数据验证表明,该算法能够在一定程度上对视频中微小的变化进行放大。