建筑人员负荷估计与空调预测控制

建筑能耗占全球能源消耗的40%，其中，空调（HVAC）系统能耗占据较大比重。在中国，空调系统运行能耗大概占据公共建筑电能消耗的40%，是公共建筑能耗居高不下的主要原因。因此，研究有效的空调控制策略，在满足舒适度的前提下，降低空调系统的运行能耗，对于节能减排以及国民经济的可持续发展有着十分重要的理论研究与实际应用价值。

2020年2月，国际学术期刊Building and Environment（SCI JCR一区期刊）在线发表了西安建筑科技大学人工智能与机器人研究所科研团队题为“Real-time personnel load estimation and an air-conditioning predictive control method based on image information”的研究论文，该研究结合公共建筑内人员流动变化大、背景复杂的特点，针对空调系统的大滞后特性导致空调控制系统调节动作难以跟随室内负荷动态变化，系统调控不及时，建筑内部环境热舒适性不佳且能源浪费的问题，提出了一种融合图像信息的建筑空间人员负荷实时估计及空调预测控制策略，改善常规控制方法下大滞后性导致的室内环境品质问题，调节空调系统冷量供给，节能降耗。

图像分割

图像分割是计算机视觉领域研究的核心问题之一，是图像进行更高层分析、理解的基础。近年来，基于马尔可夫随机场(MRF)模型的图像分割方法得到了广泛的关注，成为图像分割领域研究的热点。

2020年5月，由中国自动化学会、中国科学院自动化研究所共同主办的高级学术期刊《自动化学报》发表了一篇我所科研团队题为“基于多节点拓扑重叠测度高阶MRF模型的图像分割”的研究论文。该研究针对低阶MRF模型难以有效表达自然图像中复杂的先验知识而造成误分割问题，提出一种基于多节点拓扑重叠测度的高阶MRF模型的图像分割方法。根据人工合成图像和自然图像实验的定性和定量分析可知, 提出的模型不仅能有效抵抗图像强噪声和纹理突变干扰，鲁棒性更好，而且具有更准确的图像分割边缘。

人群计数

随着国民经济迅猛发展及城市化进度不断加快，城市人口数量急剧增加，由此带来的社会问题也不断增加，例如：人员拥挤导致踩踏等不安全事故的发生；候车大厅人员的增加对交通调度带来的压力等。解决上述问题需要准确预测出实际场景下的人群数量，而图像可以清晰直观的反映出实际场景中的人群变化情况，因此基于图像信息的人群密度估计与计数有重要的研究意义。

2020年5月，《西安交通大学学报》发表了一篇我所科研团队题为“编码 － 解码多尺度卷积神经网络人群计数方法”的研究论文。该研究基于多列卷积神经网络人群密度估计方法，针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题，提出了一种编码-解码架构的多尺度卷积神经网络人群计数方法。解决了多列卷积神经网络人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题。

遥感图像

建筑物作为城市区域的重要特征，是占主体地位的地物目标，在遥感图像上，建筑物分割在重要目标的识别及定位、国防安全和掌握建筑物实时位置等方面都有着重要研究意义和应用价值。但是由于不同时相遥感图像受角度、光照、季节等因素的影响，以及建筑物周围背景，如道路、树木及其它地物阴影等的干扰，使得遥感图像建筑物的分割成为高分辨率遥感图像分割中最具挑战性的任务之一。

2020年7月，我所科研团队题为“多尺度特征融合空洞卷积ResNet遥感图像建筑物分割”在中国科学院主管的国际性学术期刊《光学 精密工程》发表。该研究提出了一种基于多尺度特征融合的空洞卷积ResNet（Multiscale-feature fusion Dilated Convolution ResNet，MFDC-ResNet)模型，提出模型选用ResNet模型作为基础网络，引入空洞卷积方法提取更大范围的建筑物特征，然后利用四邻域加权特征算子增强空洞卷积中心点对特征的提取能力，最终将不同尺度的多个遥感图像建筑物特征融合来提升及分割精度。提出算法不仅提高了分割精度，而且有效克服了道路、树木等因素的干扰，得到了较清晰的建筑物边界。