[论文解读] Occupancy Estimation in Smart Buildings using Audio-Processing Techniques

Qian Huang, Zhenhao Ge+1 more|arXiv (Cornell University)|Feb 24, 2016

Building Energy and Comfort Optimization参考文献 25被引用 29

一句话总结

本文提出了一种基于音频处理的方法，利用说话人识别和背景音频能量估计来估算智能建筑中的室内人数。理论分析和仿真结果表明，该方法在估算人数方面具有高精度，可实现节能的暖通空调（HVAC）控制并显著节省成本。

ABSTRACT

In the past few years, several case studies have illustrated that the use of occupancy information in buildings leads to energy-efficient and low-cost HVAC operation. The widely presented techniques for occupancy estimation include temperature, humidity, CO2 concentration, image camera, motion sensor and passive infrared (PIR) sensor. So far little studies have been reported in literature to utilize audio and speech processing as indoor occupancy prediction technique. With rapid advances of audio and speech processing technologies, nowadays it is more feasible and attractive to integrate audio-based signal processing component into smart buildings. In this work, we propose to utilize audio processing techniques (i.e., speaker recognition and background audio energy estimation) to estimate room occupancy (i.e., the number of people inside a room). Theoretical analysis and simulation results demonstrate the accuracy and effectiveness of this proposed occupancy estimation technique. Based on the occupancy estimation, smart buildings will adjust the thermostat setups and HVAC operations, thus, achieving greater quality of service and drastic cost savings.

研究动机与目标

• 解决尽管音频处理技术取得进展，但在智能建筑中仍缺乏基于音频的占用率估算方法的问题。
• 开发一种低成本、非侵入性的方法，利用音频信号估算室内占用情况。
• 通过精确估算房间占用率，提高暖通空调（HVAC）系统的能效。
• 通过理论分析和仿真验证基于音频的占用率估算方法的可行性和准确性。

提出的方法

• 该方法利用安装在房间内的麦克风采集的音频信号来估算占用率。
• 应用说话人识别技术以识别并统计房间内存在的独立个体数量。
• 测量背景音频能量水平，以检测人类活动的存在并估算占用密度。
• 融合模型结合说话人识别与能量估计，以提高占用率估算的准确性。
• 系统采用统计建模方法将音频特征与占用水平相关联，最大限度减少误报和漏报。
• 通过理论分析和仿真框架，在各种条件下评估系统性能。

实验结果

研究问题

• RQ1 基于音频处理技术（如说话人识别和能量估计）能否准确估算智能建筑中的室内占用率？
• RQ2 与传统传感器（如被动红外传感器PIR、二氧化碳传感器CO2）相比，基于音频的方法在精度和成本方面有何差异？
• RQ3 背景噪声和重叠说话对占用率估算性能有何影响？
• RQ4 基于音频的占用率估算是否可在实际环境中可靠地用于优化暖通空调（HVAC）运行？

主要发现

• 所提出的基于音频的方法在估算房间内人数方面表现出高精度，仿真结果表明音频特征与实际占用率之间具有强相关性。
• 说话人识别在区分个体占用者方面贡献显著，有效降低了多人场景下的估算误差。
• 背景音频能量估计在低语音环境中也能有效检测人类存在，增强了系统的鲁棒性。
• 说话人识别与能量估计的融合优于单一技术，显著提升了整体系统的可靠性。
• 理论分析证实，该方法在不同声学条件下均具有可扩展性和有效性。
• 该系统通过使暖通空调（HVAC）系统根据实时占用情况动态调节，实现节能，支持智能建筑自动化。