隨著對(duì)車輛內(nèi)部舒適性的不斷追求，基于人臉熱圖像的熱舒適預(yù)測(cè)方法備受關(guān)注。本文提出了一種無需提取溫度的熱舒適預(yù)測(cè)方法，通過嵌入空間注意機(jī)制的改進(jìn)ResNet34算法有效提取人臉熱圖像的灰度分布特征。通過實(shí)際車輛實(shí)驗(yàn)驗(yàn)證該方法的性能，并與SAM-ResNet34和其他深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行對(duì)比，以評(píng)估其在車載環(huán)境中的應(yīng)用潛力。

1. 方法介紹

我們提出的方法采用了一種改進(jìn)的ResNet34算法，嵌入了空間注意機(jī)制，以更有效地提取人臉熱圖像的灰度分布特征。與傳統(tǒng)方法不同，我們無需提取面部皮膚溫度，而是直接利用熱圖像的灰度分布特征進(jìn)行預(yù)測(cè)。為了驗(yàn)證該方法的有效性，我們進(jìn)行了實(shí)際車輛實(shí)驗(yàn)，收集了面部熱圖像、熱感覺投票和環(huán)境變量。

2. 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果

在實(shí)驗(yàn)設(shè)計(jì)階段，我們首先進(jìn)行了實(shí)際車輛實(shí)驗(yàn)，收集了來自22名受試者的面部熱圖像、熱感覺投票和環(huán)境變量數(shù)據(jù)。這些數(shù)據(jù)的采集是在模擬車內(nèi)環(huán)境中進(jìn)行的，包括了車內(nèi)溫度、濕度等環(huán)境參數(shù)的控制，以保證實(shí)驗(yàn)條件的一致性和可控性。

接著，我們將采集到的數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，以保證實(shí)驗(yàn)結(jié)果的客觀性和可驗(yàn)證性。在訓(xùn)練階段，我們使用了SAM-ResNet34和其他深度學(xué)習(xí)網(wǎng)絡(luò)在同一測(cè)試集上訓(xùn)練模型，以評(píng)估所提出方法的性能。

在實(shí)驗(yàn)結(jié)果分析階段，我們?cè)u(píng)估了各個(gè)模型在測(cè)試集上的性能表現(xiàn)。具體來說，我們比較了各模型的預(yù)測(cè)準(zhǔn)確率、精確率、召回率和F1值等指標(biāo)，以全面地評(píng)價(jià)模型的預(yù)測(cè)能力和泛化能力。

通過實(shí)驗(yàn)結(jié)果的深入分析，我們發(fā)現(xiàn)所提出的方法的預(yù)測(cè)準(zhǔn)確率達(dá)到了93.75%，明顯優(yōu)于原始ResNet34的預(yù)測(cè)準(zhǔn)確率。特別值得注意的是，我們的方法在預(yù)測(cè)冷類的個(gè)人熱舒適度方面表現(xiàn)出色，為車內(nèi)環(huán)境中個(gè)人熱舒適度的預(yù)測(cè)提供了新的解決方案。

此外，我們還使用Grad-CAM技術(shù)生成了熱圖像的權(quán)重分布，以顯示模型焦點(diǎn)的關(guān)鍵區(qū)域。結(jié)果顯示，模型更加關(guān)注于鼻子、嘴唇和眼睛周圍的區(qū)域，與我們的圖像數(shù)據(jù)分析結(jié)果一致，這進(jìn)一步驗(yàn)證了模型的準(zhǔn)確性和可靠性。

3. 應(yīng)用前景與展望

隨著車載HAVC控制系統(tǒng)和廉價(jià)熱成像儀技術(shù)的不斷發(fā)展，我們提出的方法有望成為車載HAVC控制系統(tǒng)的一部分。該方法無需接觸式傳感器，不僅準(zhǔn)確預(yù)測(cè)個(gè)人的熱舒適度，而且具有實(shí)時(shí)性和便捷性，能夠有效提升車輛內(nèi)部環(huán)境的舒適性。

本文提出了一種無需提取溫度的人臉熱圖像熱舒適預(yù)測(cè)方法，并通過實(shí)驗(yàn)驗(yàn)證了其在車載環(huán)境中的性能優(yōu)勢(shì)。該方法不僅在預(yù)測(cè)準(zhǔn)確率上表現(xiàn)優(yōu)異，而且具有良好的應(yīng)用前景，為提升車輛內(nèi)部舒適性提供了新的解決方案。

通過對(duì)提出方法的詳細(xì)介紹和實(shí)驗(yàn)結(jié)果的分析，讀者可以更加深入地了解該方法的原理、優(yōu)勢(shì)和應(yīng)用前景，為車載HAVC控制系統(tǒng)的優(yōu)化和改進(jìn)提供參考和借鑒。