(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306972.4 (22)申请日 2022.10.25 (71)申请人 中节能绿 建环保科技有限公司 地址 310000 浙江省杭州市文二路391号 (72)发明人 陈启新　张高锋　曲胜　刘慧慧　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 胡琳丽 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) (54)发明名称 智能楼宇的新 风节能系统及其控制方法 (57)摘要 本申请涉及智能控制领域， 其具体地 公开了 一种智能楼 宇的新风节能系统及其控制方法， 其 通过基于楼宇内的人员分布和变动特征来自适 应地调整新风系统的工作功率， 提高新能系统的 功率自适应控制的精准度。 权利要求书2页 说明书12页 附图7页 CN 115376075 A 2022.11.22 CN 115376075 A 1.一种智能楼宇的新风节能系统， 其特征在于， 包括： 人员监控模块， 用于获取由部署 于待监控场所内的摄像头采集的人员监控视频， 其中， 所述待监控场所部署有新风系统； 采 样模块， 用于从所述人员监控视频提取多个人员监控关键帧； 人员分布特征感知 模块， 用于 将所述多个人员监控关键 帧中各个人员监控关键 帧分别通过多分支感知域模块以得到多 个监控特征图； 差分模块， 用于计算所述多个监控特征图中每两个监控特征图之间的差分 特征图以得到多个差分特征图； 人员分布变化特征提取模块， 用于将所述多个差分特征图 通过使用三维卷积核的卷积神经网络模型以得到监控动态特征图； 特征补偿模块， 用于对 所述监控动态特征图进行特征分布补偿以得到校正后监控动态特征图； 以及节能控制结果 生成模块， 用于将所述校正后监控动态特征图通过分类器以得到分类结果， 所述分类结果 用于表示当前时间点的新 风系统的功率 值应增大或应减小。 2.根据权利要求1所述的智能楼宇的新风节能系统， 其特征在于， 所述采样模块， 进一 步用于以预定采样频率从所述人员监控视频提取 所述多个人员监控关键帧。 3.根据权利要求2所述的智能楼宇的新风节能系统， 其特征在于， 所述人员分布特征感 知模块， 包括： 第一点卷积单元， 用于将所述人员监控关键帧输入所述多分支感知域模块的 第一点卷积层以得到卷积特征图； 多分支感知单元， 用于分别将所述卷积特征图通过所述 多分支感知域模块的第一分支感知域单元、 第二分支感知域单元和第三分支感知域单元以 得到第一分支感知特征图、 第二分支感知特征图和 第二分支感知特征图， 其中， 所述第一分 支感知域单元、 所述第二分支感知域单元和所述第三分支感知域单元具有并行结构； 融合 单元， 用于将所述第一分支感知特征图、 所述第二分支感知特征图和所述第二分支感知特 征图进行级联以得到融合感知特征图； 第二点卷积单元， 用于将所述融合感知特征图输入 所述多分支感知域模块的第二点卷积层以得到通道校正融合感知特征图； 以及残差级联单 元， 用于计算所述通道校正融合感知特征图和所述卷积特征图的按位置点加以得到所述监 控特征图。 4.根据权利要求3所述的智能楼宇的新风节能系统， 其特征在于， 所述多分支感知单 元， 包括： 第一一 维卷积编 码子单元， 用于将所述卷积特征图通过所述第一分支感知域单元 的第一一维卷积层以得到第一一维卷积特征图； 第一空洞卷积编码子单元， 用于将所述第 一一维卷积特征图通过具有第一空洞率的第一二维卷积层以得到所述第一分支感知特征 图； 第二一维卷积编码子单元， 用于将所述卷积特征图通过所述第二分支感知域单元 的第 二一维卷积层以得到第二一维卷积特征图； 第二空洞卷积编码子单元， 用于将所述第二一 维卷积特征图通过具有第二空洞率的第二二 维卷积层以得到所述第二分支感知特征图； 第 三一维卷积编 码子单元， 用于将所述卷积特征图通过所述第三分支感知域单元的第三一 维 卷积层以得到第三一维卷积特征图； 以及第三空洞卷积编码子单元， 用于将所述第三一维 卷积特征图通过 具有第二空洞率的第三 二维卷积层以得到所述第三分支感知特 征图。 5.根据权利要求4所述的智能楼宇的新风节能系统， 其特征在于， 所述第一空洞率、 所 述第二空洞率和所述第三空洞率相互不相等。 6.根据权利要求5所述的智能楼宇的新风节能系统， 其特征在于， 所述差分模块， 进一 步用于计算所述多个监控特征图中每两个监控特征图之间按位置差分以得到所述多个差 分特征图。 7.根据权利要求6所述的智能楼宇的新风节能系统， 其特征在于， 所述人员分布变化特权　利　要　求　书 1/2 页 2 CN 115376075 A 2征提取模块， 进一步用于： 使用所述使用三维卷积核的卷积神经网络模型 的各层在层的正 向传递中分别对输入数据进行： 对输入数据进行卷积处理以得到卷积特征图； 对所述卷积 特征图进 行沿通道维度的池化以得到池化特征图； 以及 对所述池化特征图进 行非线性激活 以得到激活特征图； 其中， 所述使用三维卷积核的卷积神经网络的最后一层的输出为所述 监控动态特征图， 所述使用三维卷积核的卷积神经网络的第一层的输入为所述差分特征 图。 8.根据权利要求7所述的智能楼宇的新风节能系统， 其特征在于， 所述特征补偿模块， 进一步用于： 以如下公式对所述监控动态特征图进行特征分布补偿以得到校正后监控动态 特征图； 其中， 所述公式为： 其中 是所述监控动态特 征图， 是所述 监控动态特 征图通过分类 器进行预分类所获得的概 率值， 表示按位置点乘。 9.根据权利要求8所述的智能楼宇的新风节能系统， 其特征在于， 所述节能控制结果生 成模块， 进一步用于： 使用所述分类器以如下公式对所述校正后监控动态特征图进行处理 以生成分类结果； 其中， 所述公式为： ， 其中 表示将所述校正后监 控动态特征图投影为 向量， 至 为各层全连接层的权重矩阵， 至 表示各层全连 接层的偏置向量。 10.一种智能楼宇的新风节能系统的控制方法， 其特征在于， 包括： 获取由部署于待监 控场所内的摄像头采集的人员监控视频， 其中， 所述待监控场所部署有新风系统； 从所述人 员监控视频提取多个人员监控关键帧； 将所述多个人员监控关键帧中各个人员监控关键帧 分别通过多分支感知域模块以得到多个监控特征图； 计算所述多个监控特征图中每两个监 控特征图之 间的差分特征图 以得到多个差 分特征图； 将所述多个差 分特征图通过使用三 维 卷积核的卷积神经网络模型以得到监控动态特征图； 对所述监控动态特征图进行特征分布 补偿以得到校正后监控动态特征图； 以及将所述校正后监控动态特征图通过分类器以得到 分类结果， 所述分类结果用于表示当前时间点的新 风系统的功率 值应增大或应减小。权　利　要　求　书 2/2 页 3 CN 115376075 A 3