著人們對于汽車內(nèi)部舒適性的需求不斷提升，研究人員們不斷探索各種方法來提高汽車內(nèi)部環(huán)境的舒適性。在這個背景下，基于熱圖像的車內(nèi)個人熱舒適度預(yù)測方法成為了一個備受關(guān)注的研究領(lǐng)域。本文將介紹一種基于深度學(xué)習(xí)與空間注意機(jī)制的全新方法，旨在通過人臉熱圖像預(yù)測車內(nèi)個人的熱舒適性，從而為未來汽車的暖通空調(diào)控制系統(tǒng)提供技術(shù)支持。

背景與動機(jī)

汽車作為人們?nèi)粘Ｉ钪胁豢苫蛉钡慕煌üぞ撸鋬?nèi)部環(huán)境的舒適性直接影響著駕駛者和乘客的體驗。在車內(nèi)，個人的熱舒適度是一個重要的指標(biāo)，它受到諸多因素的影響，包括車內(nèi)溫度、濕度、風(fēng)速等。傳統(tǒng)方法通常通過測量皮膚溫度等生理指標(biāo)來評估個人的熱舒適性，但這種方法需要接觸式傳感器，不夠便捷和實時。因此，基于熱圖像的無創(chuàng)預(yù)測方法成為了研究的熱點。

方法介紹

本文提出的方法采用了深度學(xué)習(xí)和空間注意機(jī)制相結(jié)合的方式，稱為SAM-ResNet34。這一方法首先利用ResNet34網(wǎng)絡(luò)對人臉熱圖像進(jìn)行特征提取，然后引入了空間注意機(jī)制，從不同區(qū)域提取灰度特征，而非傳統(tǒng)的測量皮膚溫度。這樣的設(shè)計使得模型能夠更加準(zhǔn)確地預(yù)測個人的熱舒適度。

實驗設(shè)計：

數(shù)據(jù)采集對象： 我們選擇了22名不同性別、年齡和體質(zhì)的受試者，以確保實驗結(jié)果的代表性和可靠性。

數(shù)據(jù)采集環(huán)境： 實驗在模擬車內(nèi)環(huán)境中進(jìn)行，包括車內(nèi)溫度、濕度等參數(shù)的控制，以保證實驗條件的一致性和可控性。

熱舒適數(shù)據(jù)采集： 受試者在實驗開始前需處于正常狀態(tài)，然后進(jìn)入模擬車內(nèi)環(huán)境，進(jìn)行一定時間的適應(yīng)。在實驗過程中，使用熱成像攝像頭采集受試者的面部熱圖像數(shù)據(jù)，并記錄實驗時的車內(nèi)溫度、濕度等環(huán)境參數(shù)。

數(shù)據(jù)標(biāo)注與分割： 對采集到的熱圖像數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注不同區(qū)域的人臉特征，如額頭、眼睛、鼻子、嘴巴等。同時，將數(shù)據(jù)集劃分為訓(xùn)練集和測試集，保證實驗結(jié)果的客觀性和可驗證性。

結(jié)果分析：

準(zhǔn)確率評估： 我們將訓(xùn)練好的SAM-ResNet34模型應(yīng)用于測試集數(shù)據(jù)，計算其在預(yù)測個人熱舒適度上的準(zhǔn)確率。結(jié)果顯示，模型在測試集上取得了高達(dá)93.75%的準(zhǔn)確率，說明該方法在車內(nèi)個人熱舒適度預(yù)測方面具有很高的準(zhǔn)確性。

特征重要性分析： 我們進(jìn)一步分析了模型提取的不同區(qū)域的灰度特征對于熱舒適度預(yù)測的貢獻(xiàn)。通過對比不同區(qū)域的特征重要性，可以了解到哪些區(qū)域?qū)τ跓崾孢m度的預(yù)測具有更高的影響力，從而指導(dǎo)后續(xù)的模型優(yōu)化和改進(jìn)。

與現(xiàn)有方法的對比： 我們還將本研究提出的方法與現(xiàn)有的基于皮膚溫度測量的方法進(jìn)行了對比分析。結(jié)果顯示，基于熱圖像的無創(chuàng)預(yù)測方法具有更高的準(zhǔn)確率和更廣泛的適用性，可以更準(zhǔn)確地評估個人的熱舒適度。

實驗設(shè)計與結(jié)果分析

為了驗證提出方法的有效性，我們進(jìn)行了一系列實驗，共采集了22名受試者的熱舒適數(shù)據(jù)。實驗結(jié)果表明，我們提出的方法在測試集上取得了高達(dá)93.75%的準(zhǔn)確率，證明了其在車內(nèi)個人熱舒適度預(yù)測方面的優(yōu)越性。這為未來汽車暖通空調(diào)控制系統(tǒng)的應(yīng)用提供了重要的技術(shù)支持。

應(yīng)用前景與展望

基于熱圖像的車內(nèi)個人熱舒適度預(yù)測方法具有廣闊的應(yīng)用前景。首先，它可以為汽車制造商提供更加智能化的暖通空調(diào)系統(tǒng)，根據(jù)乘客的熱舒適度進(jìn)行自適應(yīng)調(diào)節(jié)，提升駕駛者和乘客的舒適體驗。其次，這一方法還可以應(yīng)用于其他領(lǐng)域，如室內(nèi)空調(diào)系統(tǒng)、辦公室舒適度評估等，具有廣泛的市場應(yīng)用前景。

通過基于深度學(xué)習(xí)與空間注意機(jī)制的車內(nèi)個人熱舒適度預(yù)測方法，并通過實驗證明了其在預(yù)測準(zhǔn)確率上的優(yōu)越性。未來，我們將繼續(xù)優(yōu)化算法，拓展應(yīng)用領(lǐng)域，為提升人們生活品質(zhì)做出更多貢獻(xiàn)。

通過對該研究方法的詳細(xì)介紹和實驗結(jié)果的分析，讀者可以更加全面地了解基于熱圖像的車內(nèi)個人熱舒適度預(yù)測方法的原理、優(yōu)勢和應(yīng)用前景，為相關(guān)領(lǐng)域的研究和應(yīng)用提供參考和借鑒。