CN105323920A - 一种基于人体及其位置检测的照明控制系统及方法 - Google Patents

Abstract

本发明公开一种基于人体及其位置检测的照明控制系统，包括依次信号连接的图像获取模块、上位机和智能照明模块，所述图像获取模块用于获取控制区域的图像并传送给上位机，所述上位机对图像进行人体及其位置检测，并将检测结果发送至智能照明模块，所述智能照明模块接受检测结果并据此调整照明，所述上位机集成了以一种以上人体及其位置检测方法，根据不同情况调用不同的人体及其位置检测方法对图像进行检测。本发明根据不同的情况，直接采用一种或交叉融合多种方法，对照明区域的图像进行人体及其位置检测，进而对智能照明模块的照明进行控制，实现实时性好、准确度高的智能照明控制，满足用户的要求。

Description

一种基于人体及其位置检测的照明控制系统及方法

技术领域

本发明涉及照明控制领域，具体涉及一种基于人体及其位置检测的照明控制系统及方法。

背景技术

随着科学技术的飞速发展和人类环保观念的加强，人们对照明控制提出了更高的要求。在家居领域、办公领域、商务领域及公共设施领域等多种领域中，智能照明都可以实现安全、节能、舒适、高效的照明效果。现有的智能照明控制方案包括声控、光控以及基于人体检测的控制。现有的基于人体检测的控制方案包括主动式和被动式人体检测技术，主动式检测技术主要有无线射频法、超声波法、主动式红外法等，被动式检测技术主要有被动式红外线法和图像检测法。

图像检测法对图像序列中的人体目标进行检测并提取其位置信息，不需要被测人体目标携带任何硬件装置，具有非接触性，检测方便。但目前的基于图像检测的人体及其位置检测方法仍存在些许不足，如下所述：

采用包含深度场信息的图像进行人体及其位置检测时，需要采用可以获取图像深度场信息的摄像头，如kinect摄像头，此类摄像头在分析人体位置时，过程比较复杂，因此会有一定程度的延迟，而且此类摄像头的价格较高，成本较高。

申请号为201220224600.2和201010275058.9的中国专利文献公开一种基于图像检测的智能照明控制系统，二者均通过对人体及其位置的检测来控制照明模块，但二者均未考虑硬件资源的配置、具体应用场景的复杂度等情况，采用较单一的人体及其位置检测方法，导致在不同的应用场景中检测性能受到一定的影响，甚至不能满足用户的要求。

使用普通摄像头的人体及其位置检测方法有：背景差分法、人脸检测法、DPM检测法，其中基于DPM方法中模型的不同，又可分为头肩检测、全身检测等。每种方法的复杂度和运算量各不相同，检测效果也不尽相同，相对来说，复杂度较高、运算量较大的方法的检测准确度较高，实时性较差，相反，原理较简单的方法的运算量较小，检测的速率快，但准确度较差。此外有些方法本身具有局限性，例如人脸检测技术，在待测目标背对图像采集装置时，就无法准确判断人体及其位置。因此目前在进行人体及其位置检测时，单一地运用一种检测方法，都基本上无法满足检测要求。这些常用方法的不足如下所述：

背景差分法：在基于背景差分法的人体目标检测中，其关键是背景图像的获取，背景图像建模的准确程度对检测结果的准确度产生直接的影响。光照的变化、物体的移动等各种环境干扰及噪声的存在，增加了场景的复杂性和不可预知性，使得背景的建模变得比较困难。因此，基于背景差分法的检测准确度相对较低，且对人和非人目标的区分度不高。

人脸检测法：人脸检测技术虽然比较成熟，但是应用于人体检测中还存在一些不足之处，主要包含两方面的内容:一方面是人脸本身的因素，包括有脸型、肤色、表情的变化、人脸的遮挡。另一方面是外部条件的因素，包含有人脸对于图像采集装置的角度、侧倾、低头甚至背对摄像装置都会影响检测效果。

DPM检测：目前来讲，基于DPM方法的人体检测技术的检测效果相对最优，尤其是对于直立状态人体目标的检测，准确度非常高，接近100％，但当人体目标的姿势是坐姿时，或者图像背景颜色较深，又或者光照强度分布不均匀时，检测的准确度就会有所下降。为了提高检测效果，DPM方法会采用更多的子模型、检测的重叠层数也会相对变多，如此运算量变大，虽提高了准确度，但牺牲了检测速率，反之，在满足实时性的要求时，准确度会被打折扣。因此，若单一地采用DPM检测方法来检测人体目标，很难同时满足准确度高、实时性好的要求。

申请号为201310654522.9中国专利文献公开一种基于视频的人数检测方法，该检测方法采用人脸检测、人体检测和头肩检测三种方法，在进行人员计数时，三种方法分别进行检测，得出每个检测结果的可靠度，对于同一人员的位置，再利用Dempster—Shafer理论计算该位置人员的可靠度，最后输出高于用户要求可靠度的检测结果和计数结果。该专利虽涉及三种检测方法，但在具体检测过程中，检测方法固定不变，都是基于分析三种方法的检测结果来得出最终结果，不会依据硬件资源的配置、具体应用场景的复杂度等情况进行不同方式的方法的交叉融合，该专利实质上仍采用固定的检测方法，很难能满足不同的应用场景下对高检测效果的要求。

发明内容

本发明的目的是克服现有技术的缺陷，提供一种能根据不同应用场景选择最优的检测方法的照明控制系统，采用的技术方案如下：

一种基于人体及其位置检测的照明控制系统，包括依次信号连接的图像获取模块、上位机和智能照明模块，所述图像获取模块用于获取控制区域的图像并传送给上位机，所述上位机对图像进行人体及其位置检测，并将检测结果发送至智能照明模块，所述智能照明模块接受检测结果并据此调整照明，其特征在于，所述上位机集成了一种以上人体及其位置检测方法，根据不同情况调用不同的人体及其位置检测方法对图像进行检测。

本发明充分考虑上位机硬件资源的配置、具体应用场景的复杂度等不同情况适用何种检测方法，进而调用相应的方法进而检测，在不同的应用场景都能使检测性能最优，实现很好的照明控制，满足用户的要求。

作为优选，所述上位机包括：

综合检测分析模块：对上位机的硬件资源配置情况、场景复杂度和用户对检测速率及检测准确度的具体要求进行检测分析，并将分析结果发送至方法选取模块；

方法选取模块：根据分析结果调用不同的人体及其位置检测方法对图像进行检测，得到检测结果；

人体及其位置检测方法存储模块：交叉融合了若干种人体及其位置检测方法；

结果处理输出模块：对得到的检测结果进行处理，得到最终结果，并发送至智能照明模块。

作为优选，所述综合分析模块包括硬件资源检测分析模块、场景复杂度检测分析模块和检测速率及检测准确度要求检测分析模块。

作为优选，所述人体及其位置检测方法存储模块交叉融合了背景差分检测法、人脸检测法和DPM检测法。

作为优选，所述上位机还包括与人体及其位置检测方法存储模块连接的人体及其位置检测方法配置模块。

通过人体及其位置检测方法配置模块，用户可对上位机已经集成的检测方法进行修改或扩展，也可将未集成的方法添加到上位机中使用。

作为优选，当得到一个检测结果时，所述结果处理输出模块直接输出检测结果；当得到两个或以上的检测结果时，结果处理输出模块对于每种方法得到的检测结果依据该方法的检测准确度所占的权值进行加权计算再输出。

本发明的另一目的是解决现有技术的缺陷，提供一种能根据不同应用场景选择最优的检测方法的照明控制方法，采用的技术方案如下：

一种基于人体及其位置检测的照明控制方法，包括获取照明区域的图像，还包括对不同情况进行检测分析，得到分析结果，根据分析结果调用不同的人体及其位置检测方法对图像进行人体及其位置检测，根据检测结果控制照明装置的照明。

作为优选，所述基于人体及其位置检测的照明控制方法具体包括：

用户输入其对检测速率和准确度的要求；

获取照明区域的图像；

对上位机的硬件资源配置情况、场景复杂度和用户对检测速率及检测准确度的具体要求进行检测分析，得到分析结果；

根据分析结果调用不同的人体及其位置检测方法对图像进行检测，得到检测结果；

对检测结果进行处理得到最终结果，并发送至智能照明模块，从而控制其照明。

当上位机的硬件资源配置情况差或场景复杂度简单或用户对检测速率要求高但对准确度要求一般，则选用背景差分法进行人体及其位置检测；当上位机的硬件资源配置情况良好或用户对检测速率要求一般但对检测准确度要求较高，则先选用背景差分法提取前景图再使用DPM检测法进行检测；当场景复杂度一般，则选用背景差分法及人脸检测法进行人体及其位置检测；当上位机的硬件资源配置情况高或场景复杂度高或用户对检测速率一般但对准确度要求高时，则选用背景差分法、DPM检测法及人脸检测法对图像进行人体及其位置检测。

作为优选，当得到一个检测结果时，直接将检测结果发送至智能照明模块；当得到两个或以上的检测结果时，对于每种方法得到的检测结果依据该方法的检测准确度所占的权值进行加权计算再发送至智能照明模块。

与现有技术相比，本发明有益效果：本发明通过检测分析上位机的资源配置情况、场景复杂度及用户对检测速率和准确度的要求等指标，结合现有的多种人体目标检测方法的优缺点，根据不同的情况，直接采用一种或交叉融合多种方法，对照明区域的图像进行人体及其位置检测，对智能照明模块的照明进行控制，实现实时性好、准确度高的智能照明控制，满足用户的要求。

附图说明

图1是本发明实施例的结构示意图；

图2是本发明实施例的流程图；

图3是本发明实施例对上位机不同资源配置情况的检测流程示意图；

图4是本发明实施例对不同用户要求的检测流程示意图；

图5是本发明实施例对不同场景的检测流程示意图；

图6是本发明实施例对简单场景的检测流程示意图；

图7是本发明实施例对一般场景的检测流程示意图；

图8是本发明实施例对复杂场景的检测流程示意图；

图9是本发明实施例对简单场景的照明控制效果图；

图10是本发明实施例对一般场景的照明控制效果图；

图11是本发明实施例对复杂场景的照明控制效果图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细描。

实施例：如图1所示，一种基于人体及其位置检测的照明控制系统，包括依次信号连接的图像获取模块、上位机和智能照明模块，所述图像获取模块用于获取控制区域的图像并传送给上位机，所述上位机对图像进行人体及其位置检测，并将检测结果发送至智能照明模块，所述智能照明模块接受检测结果并据此调整照明，所述上位机集成了一种以上人体及其位置检测方法，根据不同情况调用不同的人体及其位置检测方法对图像进行人体及其位置检测。

所述上位机包括：

综合检测分析模块：对上位机的硬件资源配置情况、场景复杂度和用户对检测速率及检测准确度的具体要求进行检测分析，并将分析结果发送至方法选取模块；

方法选取模块：根据分析结果调用不同的人体及其位置检测方法对图像进行检测，得到检测结果；

人体及其位置检测方法存储模块：交叉融合了若干种人体及其位置检测方法；

结果处理输出模块：对得到的检测结果进行处理，得到最终结果，并发送至智能照明模块。

所述综合分析模块包括硬件资源检测分析模块、场景复杂度检测分析模块和检测速率及检测准确度要求检测分析模块。

所述人体及其位置检测方法存储模块交叉融合了背景差分检测法、人脸检测法和DPM检测法。

所述上位机还包括与人体及其位置检测方法存储模块连接的人体及其位置检测方法配置模块。

通过人体及其位置检测方法配置模块，用户可对上位机已经集成的检测方法进行修改或扩展，也可将未集成的方法添加到上位机中使用。

当得到一个检测结果时，所述结果处理输出模块直接输出检测结果；当得到两个或以上的检测结果时，结果处理输出模块对于每种方法得到的检测结果依据该方法的检测准确度所占的权值进行加权计算再输出。

如图2所示，一种基于人体及其位置检测的照明控制方法，包括获取照明区域的图像，还包括对不同情况进行检测分析，得到分析结果，根据分析结果调用不同的人体及其位置检测方法对图像进行人体及其位置检测，根据检测结果控制照明装置的照明。

所述基于人体及其位置检测的照明控制方法具体包括：

用户输入其对检测速率和准确度的要求；

获取照明区域的图像；

对上位机的硬件资源配置情况、场景复杂度和用户对检测速率及检测准确度的具体要求进行检测分析，得到分析结果；

根据分析结果调用不同的人体及其位置检测方法对图像进行检测，得到检测结果；

对检测结果进行处理得到最终结果，并发送至智能照明模块，从而控制其照明。

当上位机的硬件资源配置情况差或场景复杂度简单或用户对检测速率要求高但对准确度要求一般，则选用背景差分法进行人体及其位置检测；当上位机的硬件资源配置情况良好或用户对检测速率要求一般但对检测准确度要求较高，则先选用背景差分法提取前景图再使用DPM检测法进行检测；当场景复杂度一般，则选用背景差分法及人脸检测法进行人体及其位置检测；当上位机的硬件资源配置情况高或场景复杂度高或用户对检测速率一般但对准确度要求高时，则选用背景差分法、DPM检测法及人脸检测法对图像进行人体及其位置检测。

当得到一个检测结果时，直接将检测结果发送至智能照明模块；当得到两个或以上的检测结果时，对于每种方法得到的检测结果依据该方法的检测准确度所占的权值进行加权计算再发送至智能照明模块。

如图3所示，通过硬件资源检测分析模块检测分析用户的资源配置情况，如用户采用通用计算机，则需判断该计算机为公用网络计算机还是多任务计算机还是专用计算机。公用网络计算机是一种专用于网络计算环境下的终端设备，与PC机相比没有硬盘、软驱、光驱等存储设备，应用软件和数据也都存放在服务器上，通过网络获取资源。由于运算时数据通过网络传输，为避免运算延时，应采用原理简单，运算量小的检测方案，因此选用背景差分法。多任务计算机包含硬盘、软驱、光驱等存储设备，相比公用网络计算机，资源配置较好，由于多任务计算机允许有多个任务同时进行，因此，应采用原理复杂度相对简单的检测方案，因此先采用背景差分提取前景图再用DPM检测法的方案。专用计算机是专为解决某一特定问题而设计制造的电子计算机，资源配置好、运算速度快、可靠性高，因此采用原理相对复杂、数据运算量较大的检测方案，因此先采用背景差分提取前景图再分别进行人脸检测和DPM检测，此时得到的检测结果有两个，分别是人脸检测法得到的结果和DPM检测法得到的结果，本实施例对两个结果进行加权计算得到最后的结果。

如图4所示，若用户对检测速率要求高，对准确度要求一般，允许一定的误检存在，则选取背景差分法；若用户对检测速率要求一般，但对检测准确度要求较高，则先采用背景差分提取前景图再采用DPM检测法的方案；若用户对检测速率要求一般，同时要求检测准确度很高，则可选取先背景差分提取前景图再分别进行人脸检测和DPM检测的方案，最后两个检测结果加权相加得到最后的结果的方法。

如图5所示，本实施例适用于多种领域，如家居领域、办公领域、商务领域、公共设施领域等。下面以教室这一场景对本发明的人体及其位置检测方法进行详细的说明。本发明在资源配置允许的情况下，要求用户使用前首先设定好在不同复杂度的场景中对检测准确度和检测速率的具体要求。

由于在不同的时间段教室中人员的数量、姿势和位置等会有较大的变化，因此该实施例中选取场景复杂度不同的三个典型时段：自习时段、上课时段、活动时段。自习时段，一般教室中人数较少，位置分布较散，姿势比较固定，可判为简单场景。上课时段，一般教室中人数较多，位置比较集中，姿势比较固定，可判定为一般场景。当同学在教室中举办娱乐活动时，一般此时人数较多，位置不固定，姿势随机性大，可判为复杂场景。在不同的场景下，多种检测算法都可以实现对人体目标的定位，但由于每种算法的原理不同，其数据运算量不同，导致功耗不同，因此在满足用户要求的前提下，采用功耗相对低的检测算法。所以，在简单场景中采用背景差分法；在一般场景中，选用背景差分+人脸检测的方法；在复杂场景中，选用背景差分+人脸检测+DPM检测的方法。

在简单场景中，采用背景差分法，其检测过程如图6所示。首先初始化背景图，由于场景复杂度低，可以选取无人教室的图像作为背景图。通过图像采集装置输入视频序列，每隔一段时间就截取一帧图像，将背景图像与当前帧图像相减，得到差分图像，然后对差分图像进行适当的形态学处理，如二值化、膨胀、腐蚀等，使差分图像可以更好的体现背景图与当前帧图像的不同。然后对差分图像中的像素信息进行阈值判断，大于阈值的部分提取为前景图，并获取其中的坐标信息。由于场景复杂度可能随时发生变化，因此需间隔一段时间就检测一下场景的复杂度情况。场景简单时，采用背景差分法可以很好的检测出待测目标，实时性好，准确度较高，可满足用户的要求，且数据运算量小，功耗低。

在一般场景中，采用背景差分+人脸检测的方法，其检测过程如图7所示，背景差分部分同简单场景中的背景差分法类似，但由于场景复杂度变大，所以需要不时地更新背景模型。提取前景图后，对前景图进行人脸检测，当待测目标与人脸模型的相似度大于阈值时，判断为人脸，获取其坐标信息。场景复杂度可能随时发生变化，因此需间隔一段时间就检测一下场景的复杂度情况。由于场景较复杂，若单独采用背景差分法，产生误检和漏检的几率较大，准确度较差，在背景差分后，采用人脸检测，可以提高准确度，且实时性也可满足用户要求。

在复杂场景中，采用背景差分+人脸检测+DPM检测的方法，其检测过程如图8所示。背景差分部分与一般场景中的背景差分法类似。提取前景图后，对前景图分别进行人脸检测和DPM检测。对于同一待测目标，由人脸检测和DPM检测所得的检测结果加权得到相对相似度R，并将R与阈值比较，若大于阈值，则判断为人体目标，输出坐标信息，否则认为是误检。若判定待测目标为人体目标时，最终输出的坐标信息可以是各算法得出的坐标的最小外接矩形框或是这些坐标的质心，本发明不对具体定义作限定。

相对相似度R的计算方法如下：

$R=\underset{i=1}{\overset{n}{\Σ}}(S_i\×P_i)$

其中，S为待测目标与检测模型的相似度，P为在相同场景下各个算法的检测结果所占的权值，n为使用的检测算法的个数，i的取值范围为：1≤i≤n。

传统的照明控制方法通常是基于单一的检测算法的，相当于n为1。当n为1时，即只使用一种检测方法对图像进行检测，此时P₁＝1，相对相似度R即为S₁，因此只要将该算法中待测目标与检测模型的相似度和阈值相比较，即可得出判定结果，若相似度大于等于阈值，则判定为人体目标，反之不为人体目标。

而本发明是将多种检测算法交叉融合，n为大于等于1的数。当n大于1时，即有两种及以上检测算法时，其相对相似度R由各个检测算法的检测结果加权而得，即R＝S₁×P₁+S₂×P₂+…+S_n×P_n。

由于在相同场景下，不同检测方法的检测准确度不同，因此对于同一待测目标的判定，不同方法的检测结果所占的权值也不相同。权值P的计算方法并不唯一，本发明采用的方法为：

$P_i=\frac{D_i}{{\mathrm{\Σ}}_{i=1}^n\left(D_i\right)}$

其中，D为对应的检测方法的检测准确度，n为检测算法的个数。

检测准确度D反映了算法检测结果的可靠度，其计算方法并不唯一，本发明将其定义为检测结果中的人体目标数与实际人体目标数的比，为得到客观准确的比值，在不同复杂度的场景下，本发明需要对每种检测方法单独进行多次测试，每次测试的实际人体目标数也不尽相同，最后将多次测试所得比值求平均，得到在不同场景下各个算法的检测准确度，D的计算方法如下：

$D=\frac{{\mathrm{\Σ}}_{i=1}^m\left(d_i\right)}{m}$

其中，d为算法测试结果中检测到的人体目标数与实际人体目标数的比，m为测试的次数，i的取值范围为：1≤i≤m。

相似度S和阈值的提出是为了将人体目标从整幅图像中提取出来，具体方法并不唯一，例如人脸检测中，可以通过计算待测目标的五官之间的几何特征来进行判定，此时，相似度S为待测目标五官的几何特征与标准人脸五官几何特征之间的差值，阈值为该差值所允许的误差范围，若该差值不在阈值范围内，则称相似度小于阈值，判定结果为不是人脸目标。此外还可通过基于特征脸的人脸检测、弹性图匹配的人脸检测、线段Hausdorff距离的人脸检测、支持向量机(SVM)的人脸检测等方法来判定，针对不同的检测算法和不同的判定方法，相似度和阈值的具体定义也不尽相同。本文不做限定。当采用两种及以上的检测方法进行检测时，其相似度和阈值需做归一化处理。

场景复杂度可能随时发生变化，因此需间隔一段时间就检测一下场景的复杂度情况。由于场景复杂度较高，因此同时采用人脸检测和DPM检测，对于检测结果依据二者检测准确度所占的权值来进行加权计算，得出最终的坐标信息，该算法检测准确度高，实时性较好，可以满足用户要求。

如图9、图10及图11所示，利用本发明的系统和方法对智能照明灯具进行照明控制能达到很好的效果。

Claims (9)

1.一种基于人体及其位置检测的照明控制系统，包括依次信号连接的图像获取模块、上位机和智能照明模块，所述图像获取模块用于获取控制区域的图像并传送给上位机，所述上位机对图像进行人体及其位置检测，并将检测结果发送至智能照明模块，所述智能照明模块接受检测结果并据此调整照明，其特征在于，所述上位机集成了一种以上人体及其位置检测方法，根据不同情况调用不同的人体及其位置检测方法对图像进行检测。

2.根据权利要求1所述的一种基于人体及其位置检测的照明控制系统，其特征在于，所述上位机包括：

综合检测分析模块：对上位机的硬件资源配置情况、场景复杂度和用户对检测速率及检测准确度的具体要求进行检测分析，并将分析结果发送至方法选取模块；

方法选取模块：根据分析结果调用不同的人体及其位置检测方法对图像进行检测，得到检测结果；

人体及其位置检测方法存储模块：交叉融合了若干种人体及其位置检测方法；

结果处理输出模块：对得到的检测结果进行处理，得到最终结果，并发送至智能照明模块。

3.根据权利要求2所述的一种基于人体及其位置检测的照明控制系统，其特征在于，所述综合分析模块包括硬件资源检测分析模块、场景复杂度检测分析模块和检测速率及检测准确度要求检测分析模块。

4.根据权利要求2所述的一种基于人体及其位置检测的照明控制系统，其特征在于，所述人体及其位置检测方法存储模块交叉融合了背景差分检测法、人脸检测法和DPM检测法。

5.根据权利要求4所述的一种基于人体及其位置检测的照明控制系统，其特征在于，所述上位机还包括与人体及其位置检测方法存储模块连接的人体及其位置检测方法配置模块。

6.根据权利要求2所述的一种基于人体及其位置检测的照明控制系统，其特征在于，当得到一个检测结果时，所述结果处理输出模块直接输出检测结果；当得到两个或以上的检测结果时，结果处理输出模块对于每种方法得到的检测结果依据该方法的检测准确度所占的权值进行加权计算再输出。

7.一种基于人体及其位置检测的照明控制方法，包括获取照明区域的图像，其特征在于，还包括对不同情况进行检测分析，得到分析结果，根据分析结果调用不同的人体及其位置检测方法对图像进行检测，从而控制照明装置的照明。

8.根据权利要求7所述的一种基于人体及其位置检测的照明控制方法，其特征在于，具体包括：

用户输入其对检测速率和准确度的要求；

获取照明区域的图像；

对上位机的硬件资源配置情况、场景复杂度和用户对检测速率及检测准确度的具体要求进行检测分析，得到分析结果；

根据分析结果调用不同的人体及其位置检测方法对图像进行检测，得到检测结果；

对检测结果进行处理得到最终结果，并发送至智能照明模块，从而控制其照明。

9.根据权利要求8所述的一种基于人体及其位置检测的照明控制方法，其特征在于，当得到一个检测结果时，直接将检测结果发送至智能照明模块；当得到两个或以上的检测结果时，对于每种方法得到的检测结果依据该方法的检测准确度所占的权值进行加权计算再发送至智能照明模块。