CN111339831B - 一种照明灯控制方法和系统 - Google Patents
一种照明灯控制方法和系统 Download PDFInfo
- Publication number
- CN111339831B CN111339831B CN202010078307.9A CN202010078307A CN111339831B CN 111339831 B CN111339831 B CN 111339831B CN 202010078307 A CN202010078307 A CN 202010078307A CN 111339831 B CN111339831 B CN 111339831B
- Authority
- CN
- China
- Prior art keywords
- image
- illumination
- target area
- target
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Abstract
本申请公开了一种照明灯控制方法和系统,该方法包括:摄像机获取目标区域的平面图像,其中,该平面图像包括多个目标主体;摄像机对平面图像进行处理得到该目标区域的第一图像并将其发送给云服务器,上述第一图像包含多个目标主体的轮廓信息;云服务器对第一图像进行分割,从而获得多个分割图像;云服务器将多个分割图像分别输入识别模型,从而获得多个识别结果,其中,多个识别结果中的每个识别结果是有人状态或者无人状态;云服务器根据多个识别结果控制该目标区域照明灯的照明状态。实施本申请实施,可实现办公区域照明设备的分区控制,节省了电能,同时保证了员工的隐私信息不被泄露。
Description
技术领域
本申请涉及节能环保技术领域,尤其涉及一种照明灯控制方法和系统。
背景技术
随着物联网技术的不断发展,现代化的智能照明控制越来越受到人们的喜爱,成为了当今发展潮流。
目前,办公区域的照明控制器大多数仍通过人工手动控制区域照明灯的开关实现各区域照明灯的亮灭,有一些是通过在办公区域设置定时开关照明控制来实现开启或关闭相应照明回路电源,但这些方式难以实现办公的某个区域无人工作时能及时关闭该区域的照明设备,浪费了电能;还有一些通过设置红外线探测器检测办公某区域中人的存在来实现照明灯的亮灭,但红外线探测器收环境温度干扰较大,且易发生老化现象导致红外感应失灵。
因此,鉴于上述情况,急需一种更加便捷的方法解决区域照明控制的节能问题,提高办公区域照明系统的智能化水平,改善办公区域照明的用电管理方式。
发明内容
本申请实施例公开了一种照明灯控制方法和系统,以解决办公区域中的某区域无人工作时能及时关闭该区域照明灯的问题,实现办公区域的分区照明控制,节省电能。
第一方面,本申请实施例提供了一种照明灯控制方法,包括:摄像机获取目标区域的平面图像,其中,所述平面图像包括多个目标主体;所述摄像机对所述平面图像进行处理得到所述目标区域的第一图像并将所述第一图像发送给云服务器,所述第一图像包含所述多个目标主体的轮廓信息;所述云服务器对所述第一图像进行分割,从而获得多个分割图像,其中,所述多个分割图像和所述多个目标主体存在一一对应关系;所述云服务器将多个分割图像分别输入识别模型,从而获得多个识别结果,其中,所述多个识别结果中的每个识别结果是有人状态或者无人状态;所述云服务器根据所述多个识别结果,控制所述目标区域照明灯的照明状态。
可以看出,实施本申请实施例,摄像机通过对获取的区域的平面图像进行处理,可以得到只含有目标物轮廓或者形状信息的第一图像,有效保护了办公区域中员工的人脸特征等隐私信息不被泄露,再通过对第一图像进行图像分割和图像识别来判断目标区域是否有人,从而控制目标区域照明灯的照明状态,实现办公区域的分区照明控制,节省了电能。
基于第一方面,在可能的实施例中,所述第一图像为三维图像,所述第一图像是所述摄像机对所述平面图像进行三维重建得到的。
基于第一方面,在可能的实施例中,所述识别模型是基于已知分割图像以及所述已知分割图像对应的已知识别结果训练得到的,其中,所述已知分割图像是基于已知第一图像进行分割获得,所述已知第一图像是根据多幅以不同角度拍摄的包含所述训练主体的平面图像进行三维重建获得的。
基于第一方面,在可能的实施例中,所述平面图像包括第一平面图像和第二平面图像,所述第一平面图像包括所述多个目标主体,所述第二平面图像包括所述多个目标主体。
基于第一方面,在可能的实施例中,所述根据所述多个识别结果,控制所述目标区域照明灯的照明状态,包括:在所述多个识别结果中为有人状态的识别结果的数量等于0的情况下,关闭所述目标区域照明灯的开关;在所述多个识别结果中为有人状态的识别结果的数量小于等于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为低亮度照明;在所述多个识别结果中为有人状态的识别结果的数量大于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为高亮度照明。
第二方面,本申请实施例提供了一种照明灯控制系统,所述系统包括摄像机和云服务器,其中,所述摄像机,用于:获取目标区域的平面图像,其中,所述平面图像包括多个目标主体;对所述平面图像进行处理得到所述目标区域的第一图像并将所述第一图像发送给所述云服务器,所述第一图像包含所述多个目标主体的轮廓信息;所述云服务器,用于:对所述第一图像进行分割,从而获得多个分割图像,其中,所述多个分割图像和所述多个目标主体存在一一对应关系;将多个分割图像分别输入识别模型,从而获得多个识别结果,其中,所述多个识别结果中的每个识别结果是有人状态或者无人状态;根据所述多个识别结果,控制所述目标区域照明灯的照明状态。
可以看出,实施本申请实施例,摄像机通过对获取的区域的平面图像进行处理,可以得到只含有目标物轮廓或者形状信息的第一图像,有效保护了办公区域中员工的人脸特征等隐私信息不被泄露,再通过对第一图像进行图像分割和图像识别来判断目标区域是否有人,从而控制目标区域照明灯的照明状态,实现办公区域的分区照明控制,节省了电能。
基于第二方面,在可能的实施例中,所述第一图像为三维图像,所述第一图像是所述摄像机对所述平面图像进行三维重建得到的。
基于第二方面,在可能的实施例中,所述识别模型是基于已知分割图像以及所述已知分割图像对应的已知识别结果训练得到的,其中,所述已知分割图像是基于已知第一图像进行分割获得,所述已知第一图像是根据多幅以不同角度拍摄的包含所述训练主体的平面图像进行三维重建获得的。
基于第二方面,在可能的实施例中,所述平面图像包括第一平面图像和第二平面图像,所述第一平面图像包括所述多个目标主体,所述第二平面图像包括所述多个目标主体。
基于第二方面,在可能的实施例中,所述根据所述多个识别结果,控制所述目标区域照明灯的照明状态,包括:在所述多个识别结果中为有人状态的识别结果的数量等于0的情况下,关闭所述目标区域照明灯的开关;在所述多个识别结果中为有人状态的识别结果的数量小于等于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为低亮度照明;在所述多个识别结果中为有人状态的识别结果的数量大于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为高亮度照明。
第三方面,本申请实施例提供了一种照明灯控制方法,所述方法应用于云服务器中,方法包括:获取目标区域的第一图像,所述第一图像是摄像机根据多张包含目标区域以不同角度拍摄的平面图像进行处理获得,所述第一图像包含所述多个目标主体的轮廓信息;对所述第一图像进行分割,从而获得多个分割图像,其中,所述多个分割图像和所述多个目标主体存在一一对应关系;将多个分割图像分别输入识别模型,从而获得多个识别结果,其中,所述多个识别结果中的每个识别结果是有人状态或者无人状态;根据所述多个识别结果,控制所述目标区域照明灯的照明状态。
可以看出,实施本申请实施例,通过云服务器对获取的目标区域的第一图像进行分割获得多个分割图像,再对多个分割图像进行人物识别判断每个分割图像中是有人状态还是无人状态,最后统计多个识别结果建立识别结果与照明灯照明状态的映射关系,从而控制照明灯的照明状态,提高了照明控制系统的智能化水平,改善了办公区域的用电管理方式,节省了电能。
基于第三方面,在可能的实施例中,所述根据所述多个识别结果,控制所述目标区域照明灯的照明状态,包括:在所述多个识别结果中为有人状态的识别结果的数量等于0的情况下,关闭所述目标区域照明灯的开关;在所述多个识别结果中为有人状态的识别结果的数量小于等于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为低亮度照明;在所述多个识别结果中为有人状态的识别结果的数量大于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为高亮度照明。
基于第三方面,在可能的实施例中,所述第一图像为三维图像,所述第一图像是所述摄像机对所述平面图像进行三维重建得到的。
基于第三方面,在可能的实施例中,所述识别模型是基于已知分割图像以及所述已知分割图像对应的已知识别结果训练得到的,其中,所述已知分割图像是基于已知第一图像进行分割获得,所述已知第一图像是根据多幅以不同角度拍摄的包含所述训练主体的平面图像进行三维重建获得的。
第四方面,本申请实施例提供了一种计算机可读存储介质,用于存储程序指令,所述程序指令用于实现如权利要求1-5中任一项所述的方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,用于存储程序指令,所述程序指令用于实现前述第三方面所叙述的方法。
可以看到,实施本申请实施例,通过对目标区域的多张平面图像进行处理获得只含有目标物轮廓信息的第一图像,可以理解,第一图像可以是二维图像,也可以是三维图像,保护了目标区域员工的人脸等隐私信息不被泄露,接着通过对第一图像进行图像分割和识别获得识别结果,并根据识别结果控制目标区域照明灯的照明状态,能实现在目标区域无人时能及时关闭该区域的照明灯,同时在该目标区域有人时能根据人的数量控制照明灯的照明状态,提高了照明控制系统的智能化水平,实现了办公区域照明灯的分区控制,节省了电能。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1A是本申请实施例提供的一种办公区域场景示意图;
图1B是本申请实施例提供的又一种办公区域场景示意图;
图2是本申请实施例提供的一种系统架构示意图;
图3是本申请实施例提供的一种办公区域照明控制系统的示意图;
图4是本申请实施例提供的一种摄像机的组成结构示意图;
图5是本申请实施例提供的一种照明灯的组成示意图;
图6是本申请实施例提供的一种照明灯控制方法的流程示意图;
图7是本申请实施例提供的一种三维重建后的三维图像示意图;
图8是本申请实施例提供的目标主体为人的一种分割图像;
图9是本申请实施例提供的目标主体为人的又一种分割图像;
图10是本申请实施例提供的一种云服务器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是,在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
写字楼的办公区域中,普遍存在下班时间后还有部分员工在工位上工作的情况,员工的座位常常根据其所属部门按区域划分,每个区域都有对应的照明灯,一般情况下,当该区域的最后一位员工下班时会人工手动关闭该区域的照明灯开关,但实际场景中,参见图1A,区域2中已经没有人了,但由于该区域最后下班的员工忘记手动关闭该区域的照明灯导致区域2的照明灯长亮着,浪费了电能。因此本申请提供了一种照明灯控制方法已解决办公区域照明灯的分区控制问题,期望提高办公区域照明灯控制的智能化水平,节省公共区域的电能。
参考图1A,图1A是本申请实施例提供的一种可能的办公区域场景示意图,可以看到区域1和区域2分别有六张办公桌,分别在区域1和区域2中设置了摄像机,各区域的摄像机主要用于监测各区域的人员情况。可以看到,区域2中无人,区域1中还有两位员工,若实施本申请提供的方法,当区域2中无人时区域2中的照明灯会自动关闭,或者区域2中无人状态的持续时间满足预设时间阈值时再将区域2中的照明灯关闭,但由于区域1中持续有人在,故区域1中的照明灯仍然开启,如图1B所示。同样以图1A为例,若区域2中有人但人数较少(小于某一阈值),实施本申请的方法区域2中照明灯的照明状态会自动变成低亮度照明;若区域2中有人但人数较多(大于某一阈值),实施本申请的方法区域2中照明灯的照明状态会自动变成高亮度照明。
传统的计算机视觉技术是由图像传感器采集信息,然后发送给后台处理,由信号处理模块进行效果处理,再从信号处理模块传输到计算机视觉模块进行处理。区别于现有常规传感器采集数据后直接发给后端设备的机制,本申请提供的图像采集设备(如,摄像机)是传感器和计算机视觉模块的结合,图像采集设备直接在本地进行数据处理,即由图像采集设备进行数据采集、分析处理得到具有指定意义的处理结果,图像采集将获得的处理结果发送给后台以使其基于该处理结果的进行特定控制,且该图像采集设备的内部算法可以通过平台更新优化。本申请的整体架构具体如图2所示。
图像采集设备可以通过信息采集模块采集特定目标的信息,信息采集模块采集到的信息传输到传感器/计算机视觉模块;传感器/计算机视觉模块可以对该信息进行处理,然后将处理后的结果发送给云服务器,云服务器对接收到的数据进行进一步处理获得处理结果,并依据处理结果控制目标设备。另外,图像采集设备还可以对采集的原始通过传感器/计算机视觉模块直接进行处理获得处理结果,并根据处理结果执行一系列特定操作直接控制目标设备。请参见图3,图3是本申请实施例提供的一种办公区域照明控制系统的示意图,如图3所示,该系统包括云服务器、多个区域摄像机以及多个区域照明灯,云服务器分别与区域摄像机、区域照明灯通过有线或者无线的方式进行连接和通信,各区域摄像机之间也可以通过有线或者无线的方式进行通信。区域摄像机获取目标区域的图像进行初步处理后将处理后的图像发送给云服务器进行进一步地处理和分析,当云服务器检测到图像中的目标区域内无人时,则直接控制关闭目标区域的照明灯,当云服务器检测到图像中的目标区域内有人时,则根据目标区域人的数量相应改变目标区域的照明灯的照明状态。在一些可能的实施例中,该系统还可以包括照明控制器,此时,云服务器获得目标区域人物识别结果后可以根据识别结果向照明控制器发送相应的控制指令以控制目标区域照明灯的照明状态。因此,各区域的摄像机即为图2中的图像采集设备,各区域的照明灯即为图2中的目标设备。
本申请实施例中的图像采集设备即为摄像机,该摄像机可以是模拟摄像机、摄像机或智能摄像头等各种摄像机,本申请以摄像机为例,如图4所示,图4示出的是本申请提供的一种摄像机100的部分结构的框图。摄像机100,又称IP摄像机(ip camera,IPC),采用嵌入式架构,集成了视频音频采集、信号处理、编码压缩、前端存储及网络传输等多种功能,再结合网络视频存储录像系统及管理平台软件,可以构成大规模、分布式的网络视频监控系统。参考图4,摄像机100包括镜头及传感器111、编码处理器112、控制器113以及计算机视觉芯片116等部件。本领域技术人员可以理解,图4中示出的摄像机结构并不构成对摄像机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。
下面结合图4对摄像机100的各个构成部件进行具体的介绍:
镜头及传感器111中的镜头是视频监控系统的关键设备,它的质量优劣直接影响摄像机100的整机质量。镜头可用于将外界的景物成像在传感器上,目前,摄像机100的镜头均是螺纹口的,通常由一组透镜和光阑组成,镜头有手动光圈(manual iris,MI)和自动光圈(auto iris,AI)之分,手动光圈镜头适合于亮度不变的场合,自动光圈镜头因亮度变更时其光圈会自动调整,所以适用于亮度变化的场合。可选地,该镜头可以为标准镜头、远摄镜头、变倍镜头或者可变焦点镜头等等,该镜头的材料可以为玻璃或者塑料。
镜头及传感器111中的传感器可以是影像传感器,如电荷耦合器件(chargecoupled device,CCD)传感器或互补性氧化金属半导体(complementary metal oxidesemiconductor,CMOS)传感器等,用于将传感器上接收到的光信号(物体的像)转化成电信号,并通过驱动电路输出至编码处理器112,由编码处理器112将镜头及传感器111采集的数字图像信号进行优化处理,如色彩、锐度或者白平衡等等,然后以网络视频信号的形式输入到控制器113。其中,编码处理器112用来对镜头及传感器111传来的数字图像信号进行优化处理,编码处理器112可以包括镜像信号处理器(image signal processor,ISP)或图像解码器等,此处不作具体限定。
控制器113具有刺刀螺母连接器(bayonet nut connector,BNC)视频输出、网络通讯接口、音频输入、音频输出、告警输出、告警输入、串口通讯接口等功能,控制器113还可以调用存储器114中的相应程序对获取的含有同一目标区域的多张平面图像进行三维重建获得含有该目标区域中多个目标物轮廓信息的三维图像。控制器113的数量可以是一个或多个。
存储器114与控制器113耦合,用于存储各种数据(如网络视频信号、摄像机的内外参数、图像处理算法,等等)、各种软件程序和/或多组程序指令。存储器114包括一个共享区和n个独享区,所述共享区用于存储各类需要进行特定信号处理(例如格式转换、效果处理)的信息(针对不同的应用场景,对于不同设备的控制需要采集不同信息进行特定处理)。例如,以图像信息为例,镜头及传感器111获取光信号,并将光信号转换为电信号,对电信号进行模拟信号处理,在时钟电路的控制下,将所述模拟处理结果转换为数字信号,控制电路控制数字信号通过接口电路将数字信号传输至存储器的共享区。所述独享区,用于存储特定信息,所述特定信息可以包括特定目标的信息(例如,针对不同的目标,在对特定进行控制时,具有特定化的差异性的控制)、特定类型的信息(例如,某些采集到的信息比较特殊,不需要进行前端处理,即可用于人工智能处理器进行直接使用)。(在具体应用时,还可以设计独享区与人工智能处理器的专属对应关系)。
计算机视觉芯片116可以集成于控制器113内部,计算机视觉芯片116包括数字信号处理器和至少一个人工智能处理器,所述人工智能处理器,用于从存储器114中获取特定信息或数字信号处理结果,并根据所述特定信息或数字信号处理结果,执行相应的人工智能处理操作(例如,图像去噪、灰度化、腐蚀、膨胀等预处理)。在一些可能的实施例中,人工智能处理器还可以执行图像分割以及图像识别等操作。
具体实现中,存储器114可包括高速随机存取的存储器,并且也可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器114还可以存储一个或多个应用程序,如摄像机标定计算程序、图像处理程序、三维重建算法等。
通信接口115可以为有线接口或无线接口,用于与其他模块或设备进行通信,有线接口可以是以太接口、局域互联网络(local interconnect network,LIN)以及FlexRay接口,无线接口可以是蜂窝网络接口或使用无线局域网接口等。例如,本申请实施例中通信接口115具体可用于接收外部其他图像采集设备(例如,摄像机)发送的图像数据、接收外部输入设备输入的摄像机的外部参数以及焦距等内部参数。
尽管未示出,摄像机100还可以包括给各个部件供电的电源(比如电池)、滤光器或者蓝牙模块等,在此不再赘述。
参见图5,图5是本申请实施例提供的一种照明灯组成结构,照明灯主要包括信号接收控制单元、电子开关和发光器件,其中信号接收控制单元主要用于接收云服务器发送的控制信号(例如:关闭照明灯、高亮度照明、低亮度照明等),并根据接收的控制信号控制发光器件的电子开关从而控制照明灯的照明状态。需要说明的是,每个区域的多个照明灯对应着至少一个电子开关,但照明灯电子开关的控制都是按照区域进行分别控制的。
参见图6,基于上文所描述的办公区域照明控制系统,下面描述本申请实施例提供的一种照明灯控制方法,该方法包括但不限于以下步骤:
步骤301、摄像机对获取的目标区域的平面图像进行处理,并将处理后的第一图像发送给云服务器。
本申请实施例中,摄像机对获取的目标区域的平面图像进行处理得到第一图像,其中,第一图像包含多个目标主体的轮廓或者形状信息,可以理解,第一图像可以是二维图像,第一图像也可以是三维图像,但无论是第一图像是二维还是三维的,第一图像仅包括目标主体的轮廓或者形状信息,有效保护了目标主体中员工的外貌、身高等隐私信息,最后摄像机将处理后获得的第一图像发送给云服务器。
本申请的一种实施例中,摄像机对获取的目标区域的平面彩色图像先转换成灰度图像并对其进行去噪处理以消除拍摄环境中的噪声,对于二维的灰度图像,常采用的去噪方法有线性滤波法、中值滤波法、维纳滤波法等,本申请不做具体限定,最后对灰度图像进行图像处理中的腐蚀和膨胀操作得到目标主体细节模糊的图像,此图像即为第一图像,举例来说,若目标主体为人,那么尽管灰度图可以清楚地看清人的五官,但经过腐蚀和膨胀操作后只可看到人脸的形状,看不出人的面部特征,因此,第一图像仅包含了目标主体的形状信息。
本申请的另一种实施例中,摄像机对获取的目标区域的平面彩色图像依次进行灰度化处理、去噪处理、腐蚀和膨胀操作后获得目标主体细节模糊的灰度图,接着采用阈值法将目标区域的灰度图像转换成黑白二值图,最后对黑白二值图进行轮廓提取,获得只包含目标主题轮廓信息的第一图像,可以理解,由于灰度图以及黑白二值图是二维的,因此第一图像中各目标主体的轮廓信息也是二维的。
本申请的另一种实施例中,摄像机还可以对获取的目标区域的平面图像进行三维重建处理,获得重建后的只包含目标主体的轮廓信息的第一图像,不同的是,由于三维重建后的图像是三维的,因此,此处第一图像对应的轮廓信息也是三维的。
需要说明的是,摄像机在对目标区域进行三维重建之前,需要先获取以不同角度拍摄的同一时刻的包含目标区域中多个目标主体的至少两张那个平面图像,然后对获取到的这些平面图像进行三维重建,得到该时刻目标区域的重建图像,最后,目标区域的摄像机将该时刻目标区域重建后的三维图像发送给云服务器。需要说明的是,得到的重建图像中只含有物体和人的轮廓信息,而不包含人的具体外貌特征。举例来说,参见图7,图7中左侧的图像是人脸的平面图像,图7中右侧的图像是对应的三维重建后的人脸三维图像,可以看出,重建后的图像不含有具体的面貌特征,例如,眼睛的颜色、形状等。
具体地,摄像机获取到针对同一区域以不同角度、不同位置拍摄的两幅平面图像后,对这两幅图像分别进行特征点的提取,然后将两幅图像中提取的特征点进行匹配建立两幅图像之间的对应关系,并利用得到的匹配数据结合摄像机的内外参数获取图像对应点之间的位置偏差,恢复出图像的三维场景信息,完成图像的三维重建过程。需要说明的是,重建后的三维图像中只显示了人和物体的轮廓信息,对于重建图像中的人来说,没有具体的外貌特征。
需要说明的是,所谓特征点是指图像中两度变化剧烈的点或者图像边缘曲线上曲率极大值的点,例如:孤立点、线段的端点、两条线段的交点等,因此,可以采用SIFT算法检测图像中特征点的位置、方向和尺度等仿射变换参数,即对图像进行DOG滤波,搜索滤波后的图像中的所有的极大值和极小值,这些极值对应的像素坐标即为特征点坐标。当然,也可以采用Harris角点检测算法、SUSAN角点检测算法、Fast角点检测算法等。
进一步地,检测到图像的特征点后,利用SIFT算法会提取特征点周围的邻近区域并用特征向量描述该区域作为该特征点对应的邻近区域的特征描述符,利用暴力匹配BF算法计算两幅图像特征点的特征描述符之间的欧氏距离,若计算获得的欧氏距离小于预设的阈值,则该组特征点匹配成功。最后,结合多组匹配成功的特征点和摄像机的内外参数恢复图像的三维结构,不仅可获得特征点对应的三维坐标,可选地,还可依据三维坐标对图像的三维结构进行网格化,使其能较好地表示实际物体和场景的表面特征。
可以理解,区域摄像机被预先放置于目标区域的固定位置以某一固定角度拍摄该区域的视频,由于图像的三维重建过程至少需要两张以两个不同拍摄角度拍摄的待三维重建的目标区域的图像,因此目标区域的摄像机还需要获取其他区域的某个摄像机拍摄的视频数据,并且上述中的其他区域的摄像机能拍摄到所述目标区域。值得注意的是,摄像机持续实时地获取视频数据,其中,一段视频数据由不同时刻的视频帧组成,且视频数据中的视频帧按照时间顺序排列,每个视频帧都是一个图像,用于反映当前时刻被拍摄区域的情况。目标区域的摄像机在接收到其他区域的摄像机拍摄的视频数据后,会对多个视频数据进行时间的对齐,即将同一时刻的图像进行提取,然后摄像机对提取的某一时刻的多张图像进行目标区域的三维重建。需要说明的是,向目标区域的摄像机发送包含目标区域的图像的其他区域的摄像机的个数至少为一个。
举例来说,参见图1A,图1A是本申请实施例提供的一种可能的某办公区域的场景示意图,如图1A所示,假设区域1和区域2中分别呈列了6张桌子,且区域1中设置了一个摄像机,区域2中也设置有一个摄像机,区域1摄像机若要对拍摄的区域1的图像进行三维重建,仅有单一的固定角度拍摄的区域1的图像是无法完成三维重建的,与区域1摄像机正对的区域2摄像机可以以与区域1摄像机不同的拍摄角度拍摄到区域1,因此,区域1摄像机可以获取区域2摄像机拍摄的视频数据辅助完成区域1图像的三维重建。同样地,区域2摄像机也可以获取区域1摄像机拍摄的包含区域2的视频数据辅助进行区域2图像的三维重建。
需要说明的是,摄像机在进行三维重建之前,还需要先获取摄像机的内外参数。本申请的一种实施例中,可以对摄像机进行标定操作并在摄像机内部求解该内外参数。摄像机标定方法可以采取传统的标定算法,以张正友标定法举例,人工采集标志物(例如,棋盘格、标定靶等)上的多个标志点的地理坐标,上述中的标志点通常为容易被摄像机从标定物图像中提取出的角点,即摄像机可通过角点检测算法对图像中的标志点进行检测从而得到标志点的像素坐标,结合多组坐标对,即标志点的地理坐标和与其对应的图像中标志点的像素坐标,利用线性最小二乘法即可求解出摄像机的内参矩阵和外参矩阵,即为摄像机的内外参数。当然,摄像机标定方法还可以采用主动视觉摄像机标定、摄像机自标定,这些方法都属于计算机视觉领域中的常用方法,为了说明书的简洁,本申请在此不再赘述。
可以理解,摄像机的内外参数除了可以在摄像机内部进行计算获得外,在摄像机的内外参数已知的情况下,还可以直接将摄像机的内外参数通过通信接口输入到摄像机内部以使摄像机在需要时直接调用即可。
步骤302、云服务器对第一图像进行分割,获得多个分割图像。
本申请实施例中,云服务器获取到某摄像机发送的第一图像后,可以先裁剪出目标区域对应的第一图像,然后对该第一图像进行图像去噪、图像平滑等预处理操作,随后通过提取第一图像中目标主体(例如:人、桌子、电话等)的轮廓特征对图像进行分割,获得多个分割图像,其中,这多个分割图像与原第一图像中的多个目标主体之间存在一一对应关系,即每个分割图像中都含有一个目标主体。
本申请的一种实施例中,若云服务器获得的第一图像是摄像机根据目标区域的平面图像进行三维重建获得的三维图像,可以理解,由于摄像机自身的视场角以及预先设置的固定拍摄角度,导致拍摄到的图像中不仅包含了本区域的图像信息还包含了其他区域的图像信息,因此摄像机对区域的平面图像进行三维重建后的三维图像也包含多个区域的图像信息,因此云服务器在对三维图像进行图像分割前需要先对三维图像进行裁剪操作提取对应的目标区域,即为本区域摄像机对应的区域。目标区域的大小是固定的,可以依据图像中目标区域所占比例进行裁剪。举例来说,若某区域摄像机重建后的图像中正好显示了两个区域,通过算法确定两区域的分界线即可提取出目标区域。
具体地,云服务器在提取到目标区域的三维图像后,可利用图像去噪、图像平滑等预处理操作去除图像在三维重建过程中由于多重因素造成的噪声。由于重建后的三维模型是规则的点阵,故可以采用二维图像的去噪方法对重建后的三维图像进行去噪。可采用非局部均值滤波算法对重建后的三维图像进行去噪,使得在去除图像噪声的同时能较好地保留图像的边缘细节。除此之外,还可以采用双边滤波算法、高斯滤波、维纳滤波等算法,本申请对使用的去噪算法不做具体限定。
进一步地,对去噪后的三维图像进行外围轮廓线的提取操作,即通过检测三维图像投影面上局部区域的极值边,该极值边为轮廓线上的一部分边,依据轮廓线的连通性就可获得所有相邻的极值边,从而可得到三维图像中所有物体的轮廓线。根据提取出的各区域物体的轮廓线将三维图像中的各物体依次提取出来。
本申请的另一种实施例中,云服务器获取的第一图像是摄像机对目标区域的至少一张平面图像进行处理得到的仅包含目标主体形状信息的二维图像,进一步地,云服务器可利用边缘检测算法提取目标主体的轮廓信息,并依据轮廓线的连通性将目标主体中的各物体分割出来。举例来说,参见图8,图8分割出的人的一种轮廓提取图,由图8可以看出,图8所示的是人的上半身的轮廓图,仅勾勒出人的轮廓曲线,图8所展示的人的轮廓类似于双手插腰,且完全不包含人的外貌特征,甚至无法区分图8所示的人的性别。
本申请的另一种实施例中,云服务器获取的第一图像是摄像机对目标区域的至少一张平面图像进行处理得到的仅包含目标主体轮廓信息的二维图像,进一步地,云服务器可直接根据第一图像中各物体的轮廓特征(例如,闭合的轮廓线包围的像素数)对各物体进行提取获得各物体对应的分割图像。在一些可能的实施例中,还可以计算第一图像中目标主体中各物体所在连通域的面积,结合目标主体的面积信息以及轮廓信息将第一图像中的目标主体依次分割出来。举例来说,参见图9,图9是目标主体为人的又一种分割图,图9所示为人的一种站立姿态的阴影图,图9中不包含人的面部特征信息。
需要说明的是,在一些可能的实施例中,还可以依据各目标主体的掩膜模板提取出各目标主体对应的分割图像,本申请对获取分割图像的方法不做限定。
步骤303、云服务器对多个目标图像进行人物识别,判断目标区域是否有人,获得识别结果。
本申请实施例中,云服务器将得到的某张第一图像的多个分割图像分别输入到识别模型进行人物识别,获得多个识别结果,多个识别结果中每个识别结果都为有人状态或者无人状态,将多个识别结果进行统计,将统计后的结果作为该张第一图像对应的最终识别结果,从而可确定目标区域中是否有人。
本申请的一种实施例中,云服务器是基于三维图像(即第一图像是三维图像)进行多个目标图像分割,云服务器将某张三维图像对应的多个分割图像分别输入预先训练好的识别模型(例如,卷积神经网络CNN、反复神经网络RNN,等等)进行人物识别,若输入模型的是人,则识别模型输出的识别结果为“有人状态”;若输入模型的是物体,则识别模型输出的结果是“无人状态”,最后对该张三维图像中所有分割图像的输出结果为“有人状态”的数量进行统计,若数量为“0”,则该张三维图像的识别结果为无人,即表明三维图像中的区域无人,否则,该张三维图像的识别结果为有人,且“有人状态”的数量表征了该张三维图像中包含的人数。
需要说明的是,上述涉及的识别模型是通过已知分割图像以及该分割图像对应的已知识别结果进行训练获得的,其中,上述中的已知分割图像是通过对预先获取的办公区域的三维图像进行分割获得的。可以理解,可以通过摄像机获取平面图像进行三维重建获得三维图像,也可以通过RGBD传感器、其他点云数据采集设备或者第三方三维重建软件进行处理获取已知三维图像,通过提取目标物的轮廓特征对已知三维图像进行图像分割,并人工对分割图像的识别结果进行标注,利用获得的已知分割图像和其对应的识别结果训练识别模型。
本申请的另一种实施例中,云服务器在获得到目标区域的三维图像后,还可以将图像中的点云数据(即三维坐标)通过占用网格规范化计算转化为二值3D体素矩阵,以此作为预先训练好的卷积神经网络的输入数据,通过卷积层提取体素化模型的特征,再通过池化层整合已经提取的特征,最后在全连接层对体素化模型进行识别和分类,从而可判断重建后的图像中的目标区域中是否有人以及统计人的数量。需要说明的是,还可以通过其他方法识别三维图像中的人,本申请对重建后图像中人的识别方法不做具体限定。
本申请的另一种实施例中,云服务器是基于包含目标主体形状或者轮廓信息的二维图像(即第一图像是二维的)进行多个目标图像的分割,云服务将分割后的包含形状或者轮廓信息的目标图像输入预先训练好的识别模型(例如,卷积神经网络CNN、反复神经网络RNN,等等)进行人物识别,若输入模型的是人,则识别模型输出的识别结果为“有人状态”;若输入模型的是物体,则识别模型输出的结果是“无人状态”,最后对该张二维图像中所有分割图像的输出结果为“有人状态”的数量进行统计,若数量为“0”,则该张二维图像的识别结果为无人,即表明二维图像中的区域无人,否则,该张二维图像的识别结果为有人,且“有人状态”的数量表征了该张二维图像中包含的人数。需要说明的是,识别模型是基于已知分割图像以及该分割图像对应的已知识别结果进行训练获得的,其中,上述中的已知分割图像是通过对预先获取的办公区域的第一图像进行分割获得的,上述第一图像是经过处理后的仅包含各物体的形状或者轮廓的二维图像。
需要说明的是,由于员工在办公区域的形态是不确定的,摄像机采集到的图像中员工的姿态也是各异的,比如说,员工可以坐在电脑前办公、正在办公区域走动,也可以是人靠在桌边站立,或者正和其他同事交谈,因此,用于训练识别模型的已知分割图像集中也要包含各种人物形态各异的人物分割图像。
步骤304、云服务器根据识别结果控制目标区域照明灯的照明状态。
本申请实施例中,云服务器根据第一图像对应的多个分割图像的识别结果确定该第一图像的识别结果,该识别结果表征了目标区域是否有人以及目标区域有人时人的数量,并根据该识别结果建立识别结果与对应目标区域照明灯的照明状态之间的映射关系,从而控制目标区域照明灯的照明状态。
具体地,本申请的一种实施例中,当云服务器检测到某张第一图像对应的多个识别结果为有人状态的识别结果的数量为0时,即表征该张第一图像对应的目标区域无人,此时,云服务器可直接控制对应目标区域的照明灯关闭。
本申请的又一种实施例中,云服务器还可以通过判断第一图像对应的目标区域的识别结果为无人的持续时间是否大于预设时间阈值,若满足才控制关闭目标区域照明灯的开关。当云服务器识别出第一图像对应的区域无人时,则自动标记该第一图像对应的接收时刻t1作为对应摄像机对应区域为无人时的初始时刻,云服务器继续执行步骤302-步骤303识别该区域的后续相邻时刻的下N-1张第一图像,若连续N张第一图像的识别结果为无人,则记录当前识别的第一图像的接收时刻为tn,则tn-t1即表示目标区域的第一图像的识别结果为无人的持续时间。
举例来说,云服务器对某一区域的摄像机发送的第一图像进行识别时,若该区域的第一张第一图像的识别结果为无人,此时t1被记录为第一张第一图像的对应时刻;若第二张第一图像的识别结果为无人,此时tn被记录为第二张第一图像的对应时刻;计算tn-t1的值,判断tn-t1(即识别结果为无人状态的持续时间)是否大于预设时间阈值,若大于预设时间阈值,即说明该区域的在tn-t1的时间段内图像的识别结果连续为无人状态,则控制关闭该区域的照明灯。
进一步地,若tn-t1(即识别结果为无人状态的持续时间)小于预设时间阈值,则云服务器继续识别该区域下一时刻第三张第一图像。此时,若第三张第一图像的识别结果为无人,则tn被更新为第三张图像的拍摄时刻;若第三张图像的识别结果为有人,则t1、tn之前被记录的数据清零,云服务器继续执行步骤302-步骤303识别该区域的下一张第一图像直到该图像中目标区域的识别结果再次为无人状态时,t1被记录为当前识别的第一图像的对应时刻,以此类推,重复进行上述操作统计该目标区域为无人状态的持续时间,并判断持续时间是否大于预设时间阈值。
需要说明的是,预设阈值表示的是用户自定义的办公区域内无人状态的持续时间上限,可以是5min、7min、10min、15min等或者其他值,本申请不做具体限定。
本申请的又一种实施例中,云服务器检测到某张第一图像对应的多个识别结果为有人状态的识别结果的数量不为0时,即表征该张第一图像对应的目标区域有人,若多个识别结果中为有人状态的识别结果的数量小于等于第一阈值,则云服务器控制对应区域的照明灯的照明状态为低亮度照明;若多个识别结果中为有人状态的识别结果的数量大于第一阈值,则云服务器控制对应区域的照明灯的照明状态为高亮度照明。
需要说明的是,在一些可能的实施例中,步骤302中叙述的图像分割以及步骤303中叙述的人物识别也可以在各区域对应的摄像机中执行,在此情况下,摄像机将对本办公区域的人物识别结果发送给云服务器,由云服务器根据接收的人物识别结果进一步执行步骤304控制对应区域的照明灯的照明状态。另外,在一些可能的实施例中,步骤302至步骤304都可以在摄像机中执行,在此情况下,图3中各区域的摄像机与本区域的照明灯直接连接,无需云服务器的参与,各区域的摄像机对获取的第一图像进行步骤302中的图像分割以及步骤303中的人物识别,并根据识别结果直接控制对应区域照明灯的照明状态。
可以看出,实施本申请实施例,通过摄像机对采集的办公区域的平面图像进行舒丽获取只含有目标主体轮廓或者形状信息的第一图像,保证了图像中员工的脸部特征等表征身份的隐私信息不被泄露,对处理后的图像进行人物识别,根据识别结果控制对应区域的照明设备的照明状态,实现了办公区域中照明设备的分区控制,提高办公区域照明系统的智能化水平,节约了公共区域的电能资源。
本申请实施例涉及云服务器,如图10所示,图10示出的是本申请涉及的一种可能的云服务器200的示意图。云的拥有者自己部署的云服务器200的云计算基础设施,即,部署计算资源210(例如,云服务器)、部署存储资源220(例如,存储器)以及部署网络资源230(例如,网卡)等等。然后,公有云的拥有者(例如,运营商)将云计算基础设施的计算资源210、存储资源220、网络资源230进行虚拟化,并提供相应的服务给云的使用者(例如,用户)使用。其中,运营商可以提供以下三种服务给用户使用:云计算基础设施即服务(infrastructureas a service,IaaS)、平台即服务(platform as a service,PaaS)以及软件即服务(software as a service,SaaS)。
IaaS提供给用户的服务是对云计算基础设施的利用,包括处理、存储、网络和其它基本的计算资源210,用户能够在云服务器200部署和运行任意软件,包括操作系统和应用程序(例如:图像分割程序、深度学习模型、照明灯控制程序,等等)。用户不管理或控制任何云计算基础设施,但能控制操作系统的选择、储存空间、部署应用,也有可能获得有限制的网络组件(例如,防火墙,负载均衡器等)的控制。
PaaS提供给用户的服务是把用户采用供应商提供的开发语言和工具(例如Java,python,Net等)开发的或收购的应用程序部署到云计算基础设施上去。用户不需要管理或控制底层的云计算基础设施,包括网络、云服务器、操作系统、存储等,但用户能控制部署的应用程序,也可能控制运行应用程序的托管环境配置。
SaaS提供给用户的服务是运营商运行在云计算基础设施上的应用程序,用户可以在各种终端200上通过客户端界面,如浏览器,访问云计算基础设施上的应用程序。用户不需要管理或控制任何云计算基础设施,包括网络、云服务器、操作系统、存储等等。
可以理解,运营商通过IaaS、PaaS、SaaS中的任意一种为不同的租户进行租赁服务,不同租户之间数据和配置是相互隔离的,从而保证每个租户数据的安全与隐私。
本领域技术人员可以理解,图10中示出的云服务器200并不构成对云服务器200的限定,可以包括比图示更多或更少的服务或设施,或者组合某些服务或设施,或者拆分某些服务或设施,或者不同的服务分配或者设施布置。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以以硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read OnlyMemory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储(Electrically-Erasable Programmable Read-OnlyMemory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于接入网设备、目标网络设备或核心网设备中。当然,处理器和存储介质也可以作为分立组件存在于接入网设备、目标网络设备或核心网设备中。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本申请实施例所描述的功能可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、云服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、云服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的云服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,数字视频光盘(Digital Video Disc,DVD))、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
在上述的实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是个人计算机,云服务器,或者网络设备、机器人、单片机、芯片、机器人等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请实施例公开的进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种照明灯控制方法,其特征在于,所述方法包括:
摄像机获取目标区域的平面图像,其中,所述平面图像包括多个目标主体;
所述摄像机对所述平面图像进行处理得到所述目标区域的第一图像并将所述第一图像发送给云服务器,所述第一图像包含所述多个目标主体的轮廓信息;
所述云服务器对所述第一图像进行分割,从而获得多个分割图像,其中,所述多个分割图像和所述多个目标主体存在一一对应关系;
所述云服务器将多个分割图像分别输入识别模型,从而获得多个识别结果,其中,所述多个识别结果中的每个识别结果是有人状态或者无人状态;所述识别模型是基于已知分割图像以及所述已知分割图像对应的已知识别结果训练得到的,其中,所述已知分割图像是基于已知第一图像进行分割获得,所述已知第一图像是根据多幅以不同角度拍摄的包含训练主体的平面图像进行三维重建获得的;
所述云服务器根据所述多个识别结果,控制所述目标区域照明灯的照明状态。
2.根据权利要求1所述的方法,其特征在于,所述第一图像为三维图像,所述第一图像是所述摄像机对所述平面图像进行三维重建得到的。
3.根据权利要求2所述的方法,其特征在于,所述平面图像包括第一平面图像和第二平面图像,所述第一平面图像包括所述多个目标主体,所述第二平面图像包括所述多个目标主体。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述多个识别结果,控制所述目标区域照明灯的照明状态,包括:
在所述多个识别结果中为有人状态的识别结果的数量等于0的情况下,关闭所述目标区域照明灯的开关;
在所述多个识别结果中为有人状态的识别结果的数量小于等于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为低亮度照明;
在所述多个识别结果中为有人状态的识别结果的数量大于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为高亮度照明。
5.一种照明灯控制系统,其特征在于,所述系统包括摄像机和云服务器,其中,
所述摄像机,用于:
获取目标区域的平面图像,其中,所述平面图像包括多个目标主体;
对所述平面图像进行处理得到所述目标区域的第一图像并将所述第一图像发送给所述云服务器,所述第一图像包含所述多个目标主体的轮廓信息;
所述云服务器,用于:
对所述第一图像进行分割,从而获得多个分割图像,其中,所述多个分割图像和所述多个目标主体存在一一对应关系;
将多个分割图像分别输入识别模型,从而获得多个识别结果,其中,所述多个识别结果中的每个识别结果是有人状态或者无人状态;所述识别模型是基于已知分割图像以及所述已知分割图像对应的已知识别结果训练得到的,其中,所述已知分割图像是基于已知第一图像进行分割获得,所述已知第一图像是根据多幅以不同角度拍摄的包含训练主体的平面图像进行三维重建获得的;
根据所述多个识别结果,控制所述目标区域照明灯的照明状态。
6.根据权利要求5所述的系统,其特征在于,所述第一图像为三维图像,所述第一图像是所述摄像机对所述平面图像进行三维重建得到的。
7.根据权利要求6所述的系统,其特征在于,所述平面图像包括第一平面图像和第二平面图像,所述第一平面图像包括所述多个目标主体,所述第二平面图像包括所述多个目标主体。
8.根据权利要求5-7任一项所述的系统,其特征在于,所述云服务器具体用于:
在所述多个识别结果中为有人状态的识别结果的数量等于0的情况下,关闭所述目标区域照明灯的开关;
在所述多个识别结果中为有人状态的识别结果的数量小于等于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为低亮度照明;
在所述多个识别结果中为有人状态的识别结果的数量大于第一阈值的情况下,控制所述目标区域的照明灯的照明状态为高亮度照明。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010078307.9A CN111339831B (zh) | 2020-01-23 | 2020-01-23 | 一种照明灯控制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010078307.9A CN111339831B (zh) | 2020-01-23 | 2020-01-23 | 一种照明灯控制方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339831A CN111339831A (zh) | 2020-06-26 |
CN111339831B true CN111339831B (zh) | 2023-08-18 |
Family
ID=71179618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010078307.9A Active CN111339831B (zh) | 2020-01-23 | 2020-01-23 | 一种照明灯控制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339831B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917857B (zh) * | 2020-07-08 | 2023-07-25 | 周雅娟 | 一种机房隔笼控制方法及控制系统 |
CN111970495B (zh) * | 2020-08-21 | 2021-12-21 | 湖南工学院 | 远程灯光自动控制系统 |
CN112396633B (zh) * | 2020-10-19 | 2023-02-28 | 北京理工大学 | 基于单摄像机的目标跟踪及轨迹三维重现方法和装置 |
CN112423455B (zh) * | 2020-11-25 | 2022-09-06 | 杭州盛世传奇标识系统有限公司 | 一种景观牌灯光控制方法、系统、装置和存储介质 |
CN113009897A (zh) * | 2021-03-09 | 2021-06-22 | 北京灵汐科技有限公司 | 一种智能家电的控制方法、装置、智能家电及存储介质 |
CN115081806B (zh) * | 2022-05-16 | 2023-01-31 | 陕西望迪铁路电务工程有限公司 | 一种基于物联网技术的建筑工程施工现场智能监理分析管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019127273A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳市锐明技术股份有限公司 | 一种多人脸检测方法、装置、服务器、系统及存储介质 |
CN110719402A (zh) * | 2019-09-24 | 2020-01-21 | 维沃移动通信(杭州)有限公司 | 图像处理方法及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325933B (zh) * | 2017-07-28 | 2022-06-21 | 阿里巴巴集团控股有限公司 | 一种翻拍图像识别方法及装置 |
-
2020
- 2020-01-23 CN CN202010078307.9A patent/CN111339831B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019127273A1 (zh) * | 2017-12-28 | 2019-07-04 | 深圳市锐明技术股份有限公司 | 一种多人脸检测方法、装置、服务器、系统及存储介质 |
CN110719402A (zh) * | 2019-09-24 | 2020-01-21 | 维沃移动通信(杭州)有限公司 | 图像处理方法及终端设备 |
Non-Patent Citations (1)
Title |
---|
魏玉锋 ; 梁冬泰 ; 梁丹 ; 邢淑敏 ; .基于多模态信息的机器人视觉识别与定位研究.光电工程.2018,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111339831A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339831B (zh) | 一种照明灯控制方法和系统 | |
CN106874871B (zh) | 一种活体人脸双摄像头识别方法及识别装置 | |
US20170064211A1 (en) | Imaging providing ratio pixel intensity | |
US9740916B2 (en) | Systems and methods for persona identification using combined probability maps | |
CN107346426B (zh) | 一种基于摄像机人脸识别的人脸信息收集方法 | |
WO2019233266A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
WO2022052475A1 (zh) | 拍摄处理方法和装置、设备、存储介质、程序产品 | |
CN114049681A (zh) | 一种监控方法、识别方法、相关装置及系统 | |
WO2018161289A1 (zh) | 基于深度的控制方法、基于深度的控制装置和电子装置 | |
CN107392192A (zh) | 一种身份识别方法、装置及多摄像头模组 | |
JP2024504027A (ja) | ポーズ推定方法及び関連する装置 | |
CN107424117B (zh) | 图像美颜方法、装置、计算机可读存储介质和计算机设备 | |
CN111292504A (zh) | 一种通过图像识别进行安全告警方法及系统 | |
CN105426866A (zh) | 虹膜识别装置及虹膜识别方法 | |
CN110633665A (zh) | 识别方法、设备和存储介质 | |
TW202105329A (zh) | 人臉校驗方法、裝置、伺服器及可讀儲存媒介 | |
CN106529375A (zh) | 移动终端及其图像中物体特征的识别方法 | |
CN110222647B (zh) | 一种基于卷积神经网络的人脸活体检测方法 | |
CN107958231B (zh) | 光场图像过滤方法、人脸分析方法及电子设备 | |
CN115049819A (zh) | 注视区域识别方法及装置 | |
CN110321782B (zh) | 一种检测人体特征信号的系统 | |
CN112926367A (zh) | 一种活体检测的设备及方法 | |
US20230270593A1 (en) | Assistive smart glasses for visual impairment, and system and control method thereof | |
CN107770446B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN116152906A (zh) | 图像识别方法、装置、通信设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |