本發明涉及一種圖像處理領域，特別涉及一種高密人群建筑時空感知預測的空調機組新風量調整方法。
背景技術：
1、空調系統需要的新風量應根據室內空氣質量的要求、人員的活動和建筑物的使用性質和使用時間、污染源及建筑物的狀況等因素來確定。通常，大部分空調系統在進行設計時，新風量按僅滿足人員衛生要求的最小新風量來選取，一般是用二氧化碳作為指示物，使其日平均濃度保持在1000ppm以內推算確定最小新風量。但是用這種方法，可能會出現偏差，還應考慮二氧化碳濃度反饋的延遲性，以及室內其他污染物等因素。
2、常規的空調機組的新風量主要基于所服務區域的平均人流量，然而對于高密人群建筑，例如商場、超市、博物館、展覽廳、候車廳等，人流量變化幅度大，出現高峰人流的持續時間短，受作息、節假日、季節、氣候等因素影響明顯。如果不能及時調整新風量，就不能確保室內空氣品質滿足人員衛生要求，不能保證人員所處環境的舒適性，以及無法根據人員密度變化最大程度的節能。
3、根據相關資料，有些新風機風量主要基于實時人流數據進行調控，未能考慮人流量的時序規律及短期時空變化，這導致風量調節的滯后性，無法有效適應人流高峰期或節假日的需求變化。現有方法主要關注實時人群的空間分布和平均人流量進行調節，而缺乏對周期性波動和短期時空變化的預測。
技術實現思路
1、針對上述問題，提出了一種高密人群建筑時空感知預測的空調機組新風量調整方法，通過實時視頻流的采集、時空預測和加權風量調控，實現智能的新風量調節，確保室內空氣質量和舒適度，同時提高能源利用效率。
2、本發明的技術方案為：一種高密人群建筑時空感知預測的空調機組新風量調整方法，具體包括如下步驟：
3、1)頻流采集與目標檢測：空調機組服務區域內的攝像頭持續采集視頻流數據，視頻流數據輸入yolov5模型進行目標檢測識別出服務區域內的人員數量和位置分布；
4、2)人員的時序預測：利用步驟1)識別歷史一周內的人流數據，采用lstm時序模型對時間序列進行建模并訓練優化，訓練后lstm時序模型輸入為歷史一周內的人員數量數據以及時間特征，輸出為未來一周內每個小時的人流量預測數據；3)人員的時空密度預測：convlstm時空模型輸入數據為yolov5目標檢測得到的區域人流密度分布圖及時間特征進行訓練和優化，訓練后convlstm時空模型輸入一天內的識別后人流數據，輸出未來一天內不同時間點的人流密度在空間上的分布情況；
5、4)加權風量調控：將前一周人流數據經過lstm時序模型預測的本周每天每時的預測數據結果與昨天人流數據經過convlstm時空模型預測的當天每時的預測數據結果進行加權整合，以計算空調機組的目標新風量；根據加權計算得到的目標風量，系統即時調節新風電動閥的開度，以實現空調機組服務區域的新風量調控。
6、進一步，所述步驟4)新風量調控具體方法：新風量目標值通過新風電動閥的開度變化直接作用于實際新風輸出，在調控過程中通過反饋機制監測新風量的實際輸出效果，將實時采集到的空氣品質與人流密度數據進行比對，若實際情況與預測偏差大于設定值，則對加權系數、預測模型、或加權系數和預測模型同步進行動態調整，以確保調控的準確性和持續性。
7、進一步，所述步驟4)目標新風量結合步驟1)識別出的空調機組服務區域所屬建筑類型或業態，自動適配選取滿足現有規范要求的人均最小新風量。
8、進一步，所述步驟1)攝像頭持續采集視頻流數據：攝像頭安裝位置確保對服務區域的全面覆蓋，準確獲取人流的實時數據，采集的視頻流數據通過計算機視覺框架處理，轉化為可分析的圖像幀，確保每一幀都清晰、有效，為后續的人流識別和統計提供基礎數據。
9、進一步，所述步驟2)中lstm時序模型捕捉人員流動的周期性變化特征，對人流在不同時間段變化規律的分析與預測，在高峰時段來臨前提前調節風量，實現按需調控。
10、進一步，所述步驟3)中convlstm時空模型捕捉不同時間段內人流在空間上的動態分布變化，對短期人流密度波動的細致分析，及時、準確地響應短期內的人流密度波動。
11、本發明的有益效果在于：本發明高密人群建筑時空感知預測的空調機組新風量調整方法，平衡時序和時空預測結果對風量進行調控，能夠充分利用人流的周期性規律和短期時空變化，確保新風量的調控既符合長期趨勢，又能快速響應即時波動，這一過程確保新風量調控的動態性與精確性，同時降低不必要的能耗，保證空氣品質穩定在適宜水平；據此對所述空調機組的新風量進行實時動態調整，人均新風量為結合前述識別出的建筑類型或業態，自動適配選取滿足國家現有規范要求的人均最小新風量。
1.一種高密人群建筑時空感知預測的空調機組新風量調整方法，其特征在于，具體包括如下步驟：
2.根據權利要求1所述高密人群建筑時空感知預測的空調機組新風量調整方法，其特征在于，所述步驟4)新風量調控具體方法：新風量目標值通過新風電動閥的開度變化直接作用于實際新風輸出，在調控過程中通過反饋機制監測新風量的實際輸出效果，將實時采集到的空氣品質與人流密度數據進行比對，若實際情況與預測偏差大于設定值，則對加權系數、預測模型、或加權系數和預測模型同步進行動態調整，以確保調控的準確性和持續性。
3.根據權利要求1或2所述高密人群建筑時空感知預測的空調機組新風量調整方法，其特征在于，所述步驟4)目標新風量結合步驟1)識別出的空調機組服務區域所屬建筑類型或業態，自動適配選取滿足現有規范要求的人均最小新風量。
4.根據權利要求3所述高密人群建筑時空感知預測的空調機組新風量調整方法，其特征在于，所述步驟1)攝像頭持續采集視頻流數據：攝像頭安裝位置確保對服務區域的全面覆蓋，準確獲取人流的實時數據，采集的視頻流數據通過計算機視覺框架處理，轉化為可分析的圖像幀，確保每一幀都清晰、有效，為后續的人流識別和統計提供基礎數據。
5.根據權利要求3所述高密人群建筑時空感知預測的空調機組新風量調整方法，其特征在于，所述步驟2)中lstm時序模型捕捉人員流動的周期性變化特征，對人流在不同時間段變化規律的分析與預測，在高峰時段來臨前提前調節風量，實現按需調控。
6.根據權利要求3所述高密人群建筑時空感知預測的空調機組新風量調整方法，其特征在于，所述步驟3)中convlstm時空模型捕捉不同時間段內人流在空間上的動態分布變化，對短期人流密度波動的細致分析，及時、準確地響應短期內的人流密度波動。