随着城市化的发展，居民每天有超过90%的时间待在室内[41]。舒适健康的室内环境已成为建筑设计和管理的主要目标。热舒适度是评估室内环境满意度最直接的物理指标之一，能够显著提升人员的健康、福祉和生产力[43,74]。建筑中广泛采用供暖、通风和空调（HVAC）系统来控制室内热环境。然而，这些系统的能耗相当高，占总建筑能耗的40-60%[52]。此外，根据建筑环境中心（CBE）对900栋建筑的调查显示，仍有39%的居住者未能达到可接受的热舒适度[25]。因此，开发更准确、更高效的热舒适度评估方法对于下一代建筑控制至关重要。
传统的室内热环境评估方法主要包括主观问卷调查、环境测量和统计模型。例如，国际标准中使用的预测平均投票（PMV）指数[3,16,30]以及通过调查收集的热感觉投票（TSV）指数[6,7]，是评估室内热舒适度的常用指标。然而，这些方法在动态评估方面存在局限性[13,15,20,67]：主观调查直接捕捉个人的热感知，但效率低下且实时性能差；环境传感器通常固定不动，无法准确反映每个居住者的周围环境；个体差异（如年龄、性别和代谢率）常被忽视，导致预测和实际热感觉之间存在差异。
可穿戴传感器（包括手环、头带、胸带和智能手表）被用于基于实时生理参数（如心率、血压、皮肤电活动、脑电图、肌电图和皮肤温度）开发热舒适度模型[2,15,65]。这些方法可以提供高精度、便携性，并能够捕捉个人的热偏好[48]，但其侵入性特征限制了其常规使用，因为涉及舒适度和隐私问题[18,47]。因此，非侵入式红外热成像（IRT）引起了研究人员的关注，特别是在优先考虑最小化居住者干扰的公共或多居住者空间中[35]。面部区域的皮肤温度是最常用的热舒适度预测指标[27,36]，其次是手部[63]和四肢[37]。服装表面温度和人体属性也被用来提高预测准确性[68]。主观热感觉投票（TSV）通常在3点或7点量表上进行评分，仍然是模型训练中最常见的目标变量[4,36]。
鉴于不同身体部位的皮肤温度对热环境的反应不同[24]，最近的研究采用了感兴趣区域（ROI）方法，从IRT图像中准确提取特定身体部位的温度[31]。人体关键点检测是指从图像或视频中自动识别特定的解剖点（如面部标志点和关节）。该方法广泛应用于运动分析、健康监测、人机交互和虚拟现实[22,66]。目前，深度学习模型在复杂背景下的可见光图像中提取人体关键点方面已经取得了高精度，但在IRT提取中仍面临挑战，因为环境温度和光照变化导致纹理细节不足。已经提出了多种结合RGB和热图像的ROI提取方法。Jeoung等人[31]使用不同的颜色映射方案从热图像中提取面部ROI。He等人[27]和Yu等人[68]利用RGB图像识别面部ROI，然后将其与热图像中的对应位置对齐以捕捉皮肤温度。
风扇辅助通风通过提高空调（AC）的设定值或延迟启动，为平衡热舒适度和节能提供了巨大潜力。混合模式通风——结合自然通风（NV）、风扇和AC——已被发现可以节省13.5-76%的能源[5,46,56]。在炎热潮湿的气候中，结合NV可以减少空调的冷却需求10-30%[26]。风扇产生的气流还有助于缓解温度不均匀性和局部不适[10]。个人热舒适系统（PTCS），如桌面风扇，可以在不牺牲舒适度的情况下将HVAC设定值提高1-2°C，并节省8-40%的能源[1,29,69]。尽管有这些好处，它们在很大程度上依赖于实时热环境识别和系统控制。基于红外热成像（IRT）的系统在实现节能和提升室内热舒适度方面展示了有前景的方法。Levinson等人[34]开发了一种使用热成像测量的闭环AC控制器，实现了42%的空调负荷减少和15%的热舒适度提升。然而，大多数IRT研究都集中在AC条件下，忽略了风扇辅助和自然通风。在这些复杂条件下使用热红外技术的可行性仍需进一步探索。
上述研究表明，红外热成像是监测和预测室内热环境以支持HVAC控制的有效方法，但仍存在一些限制。首先，缺乏利用IRT获得的皮肤温度来预测风扇辅助AC和NV条件下的热舒适度的研究。解决这一差距至关重要，因为这些模式下空气流动的增加显著改变了局部对流热传递和汗液蒸发，从而引发与均匀AC环境不同的生理热反应。随着混合通风策略在减少能源消耗方面变得越来越重要，了解这些条件下的热感觉有助于优化HVAC控制策略，从而在不影响居住者福祉的情况下减少冷却负荷。其次，需要一种有效的方法从热图像中提取具有代表性的皮肤温度。第三，不同气候条件和操作模式下，皮肤温度的热舒适度预测性能因身体部位而异，需要开发包含各种皮肤温度点的综合模型，并分析关键影响因素。
本研究探讨了在炎热夏季和温暖冬季气候下，利用夏季人体关键点的皮肤温度预测室内热舒适度的可行性。实验在两种典型场景下进行：空调（AC）和带有风扇辅助通风的自然通风（NV），空气流速分别为低、中和高，并对应于轻度和中度活动水平。我们的目标是回答三个问题：（1）如何利用皮肤温度在不同操作条件下开发热舒适度预测模型？（2）如何从热图像中有效提取人体关键点的皮肤温度？（3）不同操作条件下的热舒适度决定因素是否有所不同？
