科创中国

针对传统汽车空调热舒适性系统的不足，本项目研究进行实车试验，收集车内外环境数据、试验者的面部热成像图以及主观热舒适度。通过分析和预处理图像数据，构建一种新的带有热感知投票的人脸热成像数据集。基于现有的深度神经网络框架，设计与开发适用于识别不同热舒适状态面部热成像图的新型神经网络，训练一种基于面部红外热成像图结合环境参数的多特征融合预测模型。将预测模型部署至微处理器上，热成像图人脸识别模型用于定位人脸位置，并获取热成像图。热舒适预测模型根据面部热成像图以及环境数据对当前个体热舒适度做出预测，预测结果为空调系统的控制提供参考决策。最终，装置对空调温度、风量、风速等进行自动调节。

1、进行实际车内试验及输入特征数据的收集与预处理 在深度学习算法中，数据和特征的有效性决定了训练模型的优劣。本研究通过实际车内试验收集用户数据以及环境数据，进行系统性的分析，采用特征线性组合、特征统计值等方法，决定个体热舒适预测模型的输入特征。并对收集的面部热成像图进行低质量图片的剔除等预处理，构建车内面部热成像图的有效数据集，为个体热舒适预测模型构建了数据基础。 2、开发人体面部温度场重建算法 非接触式地提取人脸各关键器官的皮肤温度，通过在现有大规模热红外人脸数据库上使用深度学习网络进行人脸关键点的识别和训练，使得其可以直接在红外传感器中识别人脸的重要区域并提取对应的温度点。并能够计算温度梯度等参数，为后续深度学习算法的改进提供数据支持。 3、构建多特征融合的深度神经网络，并训练个体热舒适预测模型 本研究基于现有深度神经网络和机器学习算法搭建了一种新的多特征融合的混合神经网络。该网络可以基于面部热成像图、车外环境数据和车内环境数据训练一种以用户为中心，又兼顾到车内外环境条件的个体热舒适预测模型。 4、人脸定位和环境数据采集装置以及车内HVAC系统控制装置的设计开发。

理想的新能源汽车空调系统应兼顾智能化与节能性，应首先以基于非接触式测量的热舒适预测模型判断乘员热舒适状态，然后实现座舱区域化热环境管理，通过合理组织气流来改善人体的局部热状态，从而改善整体热状态，从而达到理想的热管理效果。

结合目前研究进展，仍有一些关键问题亟待解决：

（1）偏摄场景下人脸温度的重构与校正以及重点参数的提取。当前车内红外拍摄装备一般位于后视镜处，其中轴相对司乘人员面部存在一定仰角和偏角，故需要对面部温度进行重构和修正。此外，如图2预研结果所示，不同状态下个体鼻子和额头等部位温度梯度差异明显，此类关键参数亦需要获取和分析。

（2）确定人体热舒适性对热流作用敏感的关键部位，此为空调系统分区热管理和气流控制的关键。

（3）改进的多特征融合的深度神经网络，并训练个体热舒适预测模型。

（4）热舒适模型和温度重构算法嵌入车内空调系统。

本项目研究的 基于非接触式测量和深度学习的汽车座舱热舒适性控制方法广泛应用于新能源汽车中。

上海理工大学制冷低温创新技术与装备创新团队，根据上海理工大学制冷与低温工程学科深厚的学科基础和发展特色、聚焦强大科研能力和社会服务能力，在张华教授带领下，凝聚了一批以博士和教授为骨干的科研人员（30余人）。多年来，坚持基础研究与工程应用并举，承担大量国家和上海市和行业企业委托项目任务，形成了以环保制冷剂、制冷低温新技术、特殊用途制冷低温装备关键技术等为主的三大研究方向。联合国内外高校、研究所、企业积极开展合作，与中科院上海技术物理所、上海704所、中国航天八院、上海卫星工程研究所、海尔、格力、美的、开利、约克、特灵、上海电气日立公司、上海电气海立有限公司建立了紧密良好的科技合作关系。近五年科研经费达8000多万元，发表科研论文800多篇，获得发明专利49项，取得了一批国内领先和国际先进水平的科研成果，获省部级科技进步奖以上近20项。研究成果推广到与制冷空调低温行业、能源、国防军工、航天、食品冷链物流、钢铁、化工等行业，取得了显著经济效益和经济效益。

本项目已有发明专利11项，发表论文31篇，研究成果有如下竞争优势：1、采用非接触式传感器可最大程度降低对司乘人员的影响，减少传感器数量，降低成本。2、采用深度学习训练的热舒适模型能减少场景分类，拓宽适用性。

希望以作价投资或者共同研发的方式与企业进行合作。