本书基于作者近5～10年的相关研究成果，系统梳理了计算机视觉技术在建筑内人员行为、冷热姿态、生理参数测量等方面的研究成果，分析了半接触式与非接触式检测方法、微变放大与深度学习、基于皮肤纹理和姿态估计的热舒适检测等技术的应用及未来发展方向。本书主要面向的读者为智能建筑领域中从事人体热舒适和建筑中人的行为研究的科研人员，建筑和计算机视觉两大领域中进行交叉学科研究的科研人员。
本书系统探讨了非接触式热舒适感知的理论框架与实践应用，填补了该领域系统性研究的空白。书中提及的热舒适检测技术不仅能运用于智能控制建筑室内热环境以节省能源，还可以对特殊人群的冷热舒适度进行检测。
本书着眼于非接触式热舒适检测方法，提出了视频微变放大技术与皮肤纹理检测相结合的热舒适感知模型，如NIST模型、NIPST模型、NIDL模型、NISDL模型，并且结合OpenPose平台与姿态估计进行热舒适检测，实现了识别12种反映人体热不适的动作姿态，并提出了NIMAP模型。
本书首先介绍了传统的接触式与半接触式热舒适检测方法，并阐述其各自利弊；其次，介绍了基于拉格朗日方法与欧拉方法的视频放大技术检测的原理，同时介绍了将深度学习应用于视频放大的算法流程；再次，介绍了非接触式热舒适检测方式，包括视频微变放大与皮肤纹理检测相结合的热舒适感知技术和基于OpenPose开源平台的人体姿态、行为识别技术；最后，对热舒适检测技术的应用做出总结并展望其发展前景。
展开
