CN104657575A - 基于光线传感器的光源和环境分析方法 - Google Patents

Abstract

有的时候我们希望电子设备能够记录我们的生活环境，用于统计和日后的分析，本发明公开一种利用RGB、IR和UV光线传感器采集数据并进行分析计算处理实现上述目的。对采集的数据进行分析，得到用户所处环境的样本，把所述样本和总数据库中已经采集到的不同环境的样本相比较，进而分析出用户周围的光源和环境，并且在环境分析的基础上，进行用户行为分析，比如说是户外行走或者是看电视，还是读书等，除此之外，还可分析得到用户所处环境光线的质量。实现实时记录生活的环境和状态，建立用户数据库和总数据库，便于日后的分析和统计，并且提升用户体验。

Description

基于光线传感器的光源和环境分析方法

技术领域

本发明属于电子信息领域，尤其涉及一种基于RGB色彩传感器、IR传感器和UV传感器的光源和环境分析方法。

背景技术

随着时代的发展，科技的进步，越来越多的拥有各式功能的电子设备被研发出改善人们的日常生活，现今用来为人们生活创造便利的电子设备，多为记录人体生物数据或者是记录人体运动数据，然而却没有合适的电子设备来记录我们周边的生活环境，包括光线、声音、温度和湿度等等。有的时候我们希望电子设备能够记录我们的生活环境，用于做某些数据的统计和日后的情况分析等。所以开发一款能够改变人们日常生活的记录人们生活环境的电子设备，是十分必要的。

发明内容

为解决上述技术问题，本发明提出一种基于光线传感器的光源和环境分析方法，技术方案为：

一种基于光线传感器的光源和环境分析方法，包括：用户端使用光线传感器采集用户端光源数据；所述用户端对所述采集到的用户端光源数据进行分析处理，并将处理后的所述用户端光源数据与总数据库的总数据库光源数据进行匹配；所述用户端根据匹配结果确定所述用户端所处环境的光源类型，以及光源随时间变化的特征；所述用户端根据所述光源类型和所述光源随时间变化的特征确定所述用户端所处的环境；所述用户端根据所述用户端所处的环境，并且结合加速计所采集的数据分析确定出用户的行为。

在一些可选的实施例中，所述光源和环境分析方法还包括：所述用户端根据所述用户端所处环境的光源类型、光源随时间变化的特征和所处的环境确定光线质量。

在一些可选的实施例中，所述光源和环境分析方法还包括：所述用户端将分析出的所述用户所处的环境，所处环境的光源、以及所述用户的行为按照时间轴的方式展示给用户；若不符合用户情况，则所述用户端接收所述用户反馈的调整数据，并根据所述调整数据对所述用户所处的环境，所处环境的光源、以及所述用户的行为进行修正得到修正数据展示给用户直至符合用户情况，并且形成用户数据存入用户数据库；若符合用户情况，则形成用户数据存入所述用户数据库。

在一些可选的实施例中，所述光源和环境分析方法还包括：所述总数据库使用光线传感器采集各种环境下各种光源的总数据库光源数据；所述总数据库对所述总数据库光源数据分析处理得到光线特征，并进行存储。

在一些可选的实施例中，所述光线传感器包括RGB色彩传感器、IR传感器和UV传感器；所述用户端光源数据包括所述用户所处环境的光源的红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度；所述总数据库光源数据包括各种环境下各种光源的红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度。

在一些可选的实施例中，所述总数据库分析处理得到所述光线特征包括：各种环境下各种光源的所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度的总光线强度；所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度占所述总光线强度的比例；所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度占所述总光线强度的比例随时间变化的特征。

在一些可选的实施例中，

所述用户端对所述采集到的用户端光源数据进行分析处理的过程包括：

计算得出所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度的总光线强度；计算得出所述五种光线信号强度占总光线强度的比例；

所述用户端将处理后的所述用户端光源数据与总数据库的总数据库光源数据进行匹配的过程包括：将所述五种光线信号强度占总光线强度的比例与所述总数据库存储的所述各种环境下各种光源的光线特征进行计算对比，得到最匹配的数据。

本发明所带来的有益效果：

1、利用RGB、IR和UV光线传感器采集数据，并进行分析得出用户周围的光源和环境，并且在环境分析的基础上，通过光线传感器时间上的变化，进行用户行为分析，例如：户外行走、看电视和读书等等，实现实时记录生活的环境和状态。

2、提升用户体验，并且便于日后的分析和统计，除此之外，还可为人们的生活增添意外的乐趣。

3、通过对所述用户所处的环境，所处环境的光源、以及所述用户的行为的调整与修正，得到准确的时间轴数据，减少错误的发生。

附图说明

图1是本发明基于光线传感器的光源和环境分析方法的流程示意图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。实施例仅代表可能的变化。

本文所提到的红绿蓝(RGB，Red-Green-Blue)色彩传感器，可采集红绿蓝三基色的信号强度；红外线(IR，Infra-red)传感器，可采集红外光信号强度；紫外光(UV，Ultraviolet)传感器，可采集紫外光信号强度。

如图1所示，在一些说明性的实施例中，公开一种基于光线传感器的光源和环境分析方法：

下文所提到的光线传感器包括RGB色彩传感器、IR传感器和UV传感器。

101：用户端光源数据的采集。用户端使用光线传感器进行数据采集，得到用户端光源数据，所述用户端光源数据包括：RGB色彩传感器采集的所述用户所处环境的光源的红光信号强度、绿光信号强度和蓝光信号强度；UV传感器采集的紫外光信号强度；IR传感器采集的红外光信号强度。

102：数据的处理与匹配。所述用户端对所述采集到的用户端光源数据进行分析处理，即将所述采集到的五种光线的信号强度进行总光线强度归一化处理：设所述五种光线的原始信号强度是：I_R为红光信号强度，I_G为绿光信号强度，I_B为蓝光信号强度，I_UV为紫外光信号强度，I_IR为红外光信号强度，I_toal为总光线强度，则I_toal＝I_R+I_G+I_B+I_UV+I_IR。计算得出所述五种光线信号强度占总光线强度的比例，红光信号强度归一化：I_R-normal-raw＝I_R/I_total，绿光信号强度归一化：I_G-normal-raw＝I_G/I_total，蓝光信号强度归一化：I_B-normal-raw＝I_B/I_total，紫外光信号强度归一化：I_{UV-norma-rawl}＝I_UV/I_total，红外光信号强度归一化：I_{IR-normal-raw}＝I_IR/I_total。将所述五种光线信号强度占所述总光线强度的比例与所述总数据库中的数据进行计算对比，得到最匹配的数据。匹配可以用多种算法，比如最小方差法，或者其他方法进行匹配来确定用户的光源，下面以最小方差法为例进行说明：设方差为V，采集分析得到的归一化数据分别是I_R-normal-raw、I_G-normal-raw、I_B-normal-raw、I_{IR-normal-raw}和I_{UV-normal-raw}，假设总数据库中的数据总共有n组，那么通过比对会产生n个V：

V_(1...n)＝(I_R-normal-raw-I_{R-normal-(1...n)})²+(I_G-normal-raw-I_{G-normal-(1...n)})²+(I_B-normal-raw-I_{B-normal-(1...n)})²+(I_{IR-normal-raw}-I_{IR-normal-(1...n)})²+(I_{UV-normal-raw}-I_{UV-normal-(1...n)})²，当V最小的时候所对应的数据，就是采集到的数据最匹配的数据。

103：所述用户端根据匹配结果确定所述用户端所处环境的光源类型，通过匹配的数据对应的光源，就可以确定所述用户所处的环境的光源的类型，以及光源随时间变化的特征。所述光源类型可以为人工光源，如日光灯、白炽灯、LED灯等，或，室外自然光。

104：环境分析。所述用户端根据所述光源类型和所述光源随时间变化的特征确定所述用户端所处的环境。例如：如果用户在室内，可能有多种室内光源的切换，在室外有可能有阴晴变化，通过这些光源随时间变化的特征，能够获得用户所处的环境。

105：行为分析。所述用户端根据所处的环境，并且结合加速计所采集的数据分析确定出用户的行为。例如：通过用户加速计的情况，可以判断用户是在户外走步，表现为有节奏的周期性加速变化并且光源属于户外，比如说路灯或者自然光；或者睡觉，表现为比较少的动作以及较低的光线亮度；或者工作，表现为通常是室内光源，并且加速计有一定程度的变化，但是周期性加速变化没有步行那样持续时间长和规律性。

106：所述用户端将分析出的所述用户所处的环境，所处环境的光源、以及所述用户的行为按照时间轴的方式展示给用户。

107：若中间分析有错误，即不符合用户情况，则所述用户端接收所述用户反馈的调整数据，并根据所述调整数据对所述用户所处的环境，所处环境的光源、以及所述用户的行为进行修正得到修正数据后展示给用户直至符合用户情况，并且形成用户数据存入用户数据库。

108：若符合用户情况，则形成用户数据存入所述用户数据库。

109：光线质量分析。所述用户端根据所述用户端所处环境的光源类型、光源随时间变化的特征和所处的环境确定光线质量。例如，将低海拔下多云天气的自然光作为标准，如果用户长期所在的光线和这样的光线相差太远，尤其是蓝色光的强度偏大的话，则可判定这个光源属于不健康光源。

110：总数据库光源数据的采集。所述总数据库使用光线传感器采集各种环境下各种光源的总数据库光源数据。其中各种光源可为人工光源，如日光灯，白炽灯，LED灯等在不同亮度下的情况，以及室外自然光的各种情况；其中各种环境可为晴天，多云，阴天，小雨，中雨大雨，有雾，小雪，中雪，大雪，早晨，中午，傍晚，以及在不同湿度和海拔高度下的不同情况等。在上述各种情况下，采集所述总数据库光源数据，所述总数据库光源数据包括：各种环境下各种光源的红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度。

111：总数据库数据分析。所述总数据库对所述总数据库光源数据分析处理得到光线特征。分析处理的方法如上述归一化处理的方法，得到所述光线特征。所述总数据库分析处理得到所述光线特征包括：各种环境下各种光源的所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度的总光线强度；所述五种信号强度占所述总光线强度的比例；所述五种信号强度占所述总光线强度的比例随时间变化的特征。并将所述光线特征存储至总数据库，用于后续的数据匹配，从而确定用户所处的环境，所处环境的光源类型，以及用户行为。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质与原理下所做的改变，修饰，替代，组合，简化，均应为等效的置换方式，都应包含在本发明的保护范围内。

Claims (7)

1.基于光线传感器的光源和环境分析方法，其特征在于，包括：

用户端使用光线传感器采集用户端光源数据；

所述用户端对所述采集到的用户端光源数据进行分析处理，并将处理后的所述用户端光源数据与总数据库的总数据库光源数据进行匹配；

所述用户端根据匹配结果确定所述用户端所处环境的光源类型，以及光源随时间变化的特征；

所述用户端根据所述光源类型和所述光源随时间变化的特征确定所述用户端所处的环境；

所述用户端根据所述用户端所处的环境，并且结合加速计所采集的数据分析确定出用户的行为。

2.根据权利要求1所述光源和环境分析方法，其特征在于，还包括：

所述用户端根据所述用户端所处环境的光源类型、光源随时间变化的特征和所处的环境确定光线质量。

3.根据权利要求1所述光源和环境分析方法，其特征在于，还包括：

所述用户端将分析出的所述用户所处的环境，所处环境的光源、以及所述用户的行为按照时间轴的方式展示给用户；

若不符合用户情况，则所述用户端接收所述用户反馈的调整数据，并根据所述调整数据对所述用户所处的环境，所处环境的光源、以及所述用户的行为进行修正得到修正数据展示给用户直至符合用户情况，并且形成用户数据存入用户数据库；

若符合用户情况，则形成用户数据存入所述用户数据库。

4.根据权利要求1所述光源和环境分析方法，其特征在于，还包括：

所述总数据库使用光线传感器采集各种环境下各种光源的总数据库光源数据；

所述总数据库对所述总数据库光源数据分析处理得到光线特征，并进行存储。

5.根据权利要求1或4所述光源和环境分析方法，其特征在于，

所述光线传感器包括RGB色彩传感器、IR传感器和UV传感器；

所述用户端光源数据包括所述用户所处环境的光源的红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度；

所述总数据库光源数据包括各种环境下各种光源的红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度。

6.根据权利要求5所述光源和环境分析方法，其特征在于，所述总数据库分析处理得到所述光线特征包括：

各种环境下各种光源的所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度的总光线强度；

所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度占所述总光线强度的比例；

所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度占所述总光线强度的比例随时间变化的特征。

7.根据权利要求5所述光源和环境分析方法，其特征在于，

所述用户端对所述采集到的用户端光源数据进行分析处理的过程包括：

计算得出所述红光信号强度、绿光信号强度、蓝光信号强度、紫外光信号强度和红外光信号强度的总光线强度；

计算得出所述五种光线信号强度占总光线强度的比例；

所述用户端将处理后的所述用户端光源数据与总数据库的总数据库光源数据进行匹配的过程包括：

将所述五种光线信号强度占总光线强度的比例与所述总数据库存储的所述各种环境下各种光源的光线特征进行计算对比，得到最匹配的的数据。