CN112183189A - 基于客流密度的地铁区域智能照明方法、装置、计算机设备 - Google Patents
基于客流密度的地铁区域智能照明方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN112183189A CN112183189A CN202010829786.3A CN202010829786A CN112183189A CN 112183189 A CN112183189 A CN 112183189A CN 202010829786 A CN202010829786 A CN 202010829786A CN 112183189 A CN112183189 A CN 112183189A
- Authority
- CN
- China
- Prior art keywords
- subway
- subarea
- passenger flow
- area
- flow density
- 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.)
- Pending
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 23
- 238000007689 inspection Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 description 29
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种基于客流密度的地铁区域智能照明方法、装置、计算机设备。其中,所述方法包括:将地铁区域划分为多个分区区域,和为该多个分区区域分别配置相应的摄像装置,和按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据,和通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据,以及根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度。通过上述方式,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
Description
技术领域
本发明涉及地铁照明技术领域,尤其涉及一种基于客流密度的地铁区域智能照明方法、装置、计算机设备。
背景技术
现有的地铁照明方案,一般是将地铁区域的照明时段分为运营时段照明和非运营时段照明,包括:
一、运营时段例如6点到24点:通过人工设置来控制地铁对应区域的照明亮度,包括:
1、客流高峰时段例如7:00到9:00,17:00到19:00是控制100%功率的照明亮度;
2、客流平峰时段即客流高峰和低峰时段之外的时段是控制80%功率的照明亮度;
3、客流低峰时段例如18:00到23:00是控制50%功率的照明亮度;
二、非运营时段例如00:00到05:00是控制20%功率的照明亮度。
但是,发明人发现现有技术中至少存在如下问题:
现有的地铁照明方案,例如在客流高峰或者客流平峰时段时,若该时段的客流降低到低峰时段的客流数量,那么继续采用客流高峰或者客流平峰时段的照明亮度,就浪费了宝贵的电能,不环保不节能,例如在客流平峰或者客流低峰时段时,若该时段的客流激增到客流高峰的客流数量,那么继续采用客流平峰或者客流低峰时段的照明亮度,则乘客体验变差,无法实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
发明内容
有鉴于此,本发明的目的在于提出一种基于客流密度的地铁区域智能照明方法、装置、计算机设备,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
根据本发明的一个方面,提供一种基于客流密度的地铁区域智能照明方法,包括:将地铁区域划分为多个分区区域;为所述多个分区区域分别配置相应的摄像装置;按预设时间周期,获取所述相应的摄像装置在所述预设的时间周期关联的时间段内的视频数据;通过客流密度人工智能算法方式,分析所述视频数据得到各个分区区域的客流密度数据;根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
其中,所述将地铁区域划分为多个分区区域,包括:基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台多个分区区域。
其中,所述通过客流密度人工智能算法方式,分析所述视频数据得到各个分区区域的客流密度数据,包括:通过从所述视频数据中分别抽取各个分区区域的预设帧数的图像并对所述抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析所述视频数据得到各个分区区域的客流人数,和基于所述得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度级对应的客流人数范围得到各个分区区域的客流密度数据。
其中,所述根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度,包括:提取所述各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定所述提取的时间段数据对应的地铁运营状态数据,和根据所述确定的所述提取的时间段数据对应的地铁运营状态数据,并基于所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
其中,在所述根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度之后,还包括:基于所述各个分区区域的照明亮度辐射到的相邻分区区域,自动调整所述各个分区区域的照明亮度至匹配所述各个分区区域的客流密度数据。
根据本发明的另一个方面,提供一种基于客流密度的地铁区域智能照明装置,包括:划分模块、配置模块、获取模块、分析模块和自动控制模块;所述划分模块,用于将地铁区域划分为多个分区区域;所述配置模块,用于为所述多个分区区域分别配置相应的摄像装置;所述获取模块,用于按预设时间周期,获取所述相应的摄像装置在所述预设的时间周期关联的时间段内的视频数据;所述分析模块,用于通过客流密度人工智能算法方式,分析所述视频数据得到各个分区区域的客流密度数据;所述自动控制模块,用于根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
其中,所述划分模块,具体用于:基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台多个分区区域。
其中,所述分析模块,具体用于:通过从所述视频数据中分别抽取各个分区区域的预设帧数的图像并对所述抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析所述视频数据得到各个分区区域的客流人数,和基于所述得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度级对应的客流人数范围得到各个分区区域的客流密度数据。
其中,所述自动控制模块,具体用于:提取所述各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定所述提取的时间段数据对应的地铁运营状态数据,和根据所述确定的所述提取的时间段数据对应的地铁运营状态数据,并基于所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
其中,所述基于客流密度的地铁区域智能照明装置,还包括:自动调整模块;所述自动调整模块,用于基于所述各个分区区域的照明亮度辐射到的相邻分区区域,自动调整所述各个分区区域的照明亮度至匹配所述各个分区区域的客流密度数据。
根据本发明的又一个方面,提供一种计算机设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一项所述的基于客流密度的地铁区域智能照明方法。
根据本发明的再一个方面,提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的基于客流密度的地铁区域智能照明方法。
可以发现,以上方案,可以将地铁区域划分为多个分区区域,和可以为该多个分区区域分别配置相应的摄像装置,和可以按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据,和可以通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据,以及可以根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
进一步的,以上方案,可以基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台等多个分区区域,这样的好处是能够实现方便的对地铁区域的照明亮度进行分区区域管理。
进一步的,以上方案,可以通过从该视频数据中分别抽取各个分区区域的预设帧数的图像并对该抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析该视频数据得到各个分区区域的客流人数,和基于该得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度等级对应的客流人数范围得到各个分区区域的客流密度数据,这样的好处是能够实现提高该得到的各个分区区域的客流密度数据的准确率。
进一步的,以上方案,可以提取该各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定该提取的时间段数据对应的地铁运营状态数据,和根据该确定的该提取的时间段数据对应的地铁运营状态数据,并基于该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
进一步的,以上方案,可以基于该各个分区区域的照明亮度辐射到的相邻分区区域,自动调整该各个分区区域的照明亮度至匹配该各个分区区域的客流密度数据,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度和该各个分区区域的照明亮度辐射到的相邻分区区域来调整地铁区域的照明亮度,能够进一步节省电能损耗,降低用电成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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1是本发明基于客流密度的地铁区域智能照明方法一实施例的流程示意图;
图2是本发明基于客流密度的地铁区域智能照明方法另一实施例的流程示意图;
图3是本发明基于客流密度的地铁区域智能照明装置一实施例的结构示意图;
图4是本发明基于客流密度的地铁区域智能照明装置另一实施例的结构示意图;
图5是本发明计算机设备一实施例的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细描述。特别指出的是,以下实施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例仅为本发明的部分实施例而非全部实施例,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它实施例,都属于本发明保护的范围。
本发明提供一种基于客流密度的地铁区域智能照明方法,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
请参见图1,图1是本发明基于客流密度的地铁区域智能照明方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。如图1所示,该方法包括如下步骤:
S101:将地铁区域划分为多个分区区域。
其中,该将地铁区域划分为多个分区区域,可以包括:
基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台等多个分区区域,这样的好处是能够实现方便的对地铁区域的照明亮度进行分区区域管理。
S102:为该多个分区区域分别配置相应的摄像装置。
在本实施例中,该摄像装置可以是网络摄像机(IPC,Internet ProtocolCamera),也可以是其它可以摄像的设备等,本发明不加以限定。
S103:按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据。
在本实施例中,该预设的时间周期可以是1秒钟,也可以是1分钟,还可以是10分钟,又可以是30分钟等,本发明不加以限定。
S104:通过客流密度AI(Artificial Intelligence,人工智能)算法方式,分析该视频数据得到各个分区区域的客流密度数据。
其中,该通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据,可以包括:
通过从该视频数据中分别抽取各个分区区域的预设帧数的图像并对该抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析该视频数据得到各个分区区域的客流人数,和基于该得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度等级对应的客流人数范围得到各个分区区域的客流密度数据,这样的好处是能够实现提高该得到的各个分区区域的客流密度数据的准确率。
S105:根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度。
其中,该根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,可以包括:
提取该各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定该提取的时间段数据对应的地铁运营状态数据,和根据该确定的该提取的时间段数据对应的地铁运营状态数据,并基于该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
其中,在该根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度之后,还可以包括:
基于该各个分区区域的照明亮度辐射到的相邻分区区域,自动调整该各个分区区域的照明亮度至匹配该各个分区区域的客流密度数据,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度和该各个分区区域的照明亮度辐射到的相邻分区区域来调整地铁区域的照明亮度,能够进一步节省电能损耗,降低用电成本。
可以发现,在本实施例中,可以将地铁区域划分为多个分区区域,和可以为该多个分区区域分别配置相应的摄像装置,和可以按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据,和可以通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据,以及可以根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
进一步的,在本实施例中,可以基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台等多个分区区域,这样的好处是能够实现方便的对地铁区域的照明亮度进行分区区域管理。
进一步的,在本实施例中,可以通过从该视频数据中分别抽取各个分区区域的预设帧数的图像并对该抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析该视频数据得到各个分区区域的客流人数,和基于该得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度等级对应的客流人数范围得到各个分区区域的客流密度数据,这样的好处是能够实现提高该得到的各个分区区域的客流密度数据的准确率。
进一步的,在本实施例中,可以提取该各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定该提取的时间段数据对应的地铁运营状态数据,和根据该确定的该提取的时间段数据对应的地铁运营状态数据,并基于该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
请参见图2,图2是本发明基于客流密度的地铁区域智能照明方法另一实施例的流程示意图。本实施例中,该方法包括以下步骤:
S201:将地铁区域划分为多个分区区域。
可如上S101所述,在此不作赘述。
S202:为该多个分区区域分别配置相应的摄像装置。
可如上S102所述,在此不作赘述。
S203:按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据。
可如上S103所述,在此不作赘述。
S204:通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据。
可如上S104所述,在此不作赘述。
S205:根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度。
可如上S105所述,在此不作赘述。
S206:基于该各个分区区域的照明亮度辐射到的相邻分区区域,自动调整该各个分区区域的照明亮度至匹配该各个分区区域的客流密度数据。
可以发现,在本实施例中,可以基于该各个分区区域的照明亮度辐射到的相邻分区区域,自动调整该各个分区区域的照明亮度至匹配该各个分区区域的客流密度数据,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度和该各个分区区域的照明亮度辐射到的相邻分区区域来调整地铁区域的照明亮度,能够进一步节省电能损耗,降低用电成本。
本发明还提供一种基于客流密度的地铁区域智能照明装置,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
请参见图3,图3是本发明基于客流密度的地铁区域智能照明装置一实施例的结构示意图。本实施例中,该基于客流密度的地铁区域智能照明装置30包括划分模块31、配置模块32、获取模块33、分析模块34和自动控制模块35。
该划分模块31,用于将地铁区域划分为多个分区区域。
该配置模块32,用于为该多个分区区域分别配置相应的摄像装置。
该获取模块33,用于按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据。
该分析模块34,用于通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据。
该自动控制模块35,用于根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度。
可选地,该划分模块31,可以具体用于:
基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台等多个分区区域。
可选地,该分析模块34,可以具体用于:
通过从该视频数据中分别抽取各个分区区域的预设帧数的图像并对该抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析该视频数据得到各个分区区域的客流人数,和基于该得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度等级对应的客流人数范围得到各个分区区域的客流密度数据。
可选地,该自动控制模块35,可以具体用于:
提取该各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定该提取的时间段数据对应的地铁运营状态数据,和根据该确定的该提取的时间段数据对应的地铁运营状态数据,并基于该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度。
请参见图4,图4是本发明基于客流密度的地铁区域智能照明装置另一实施例的结构示意图。区别于上一实施例,本实施例所述基于客流密度的地铁区域智能照明装置40还包括自动调整模块41。
该自动调整模块41,用于基于该各个分区区域的照明亮度辐射到的相邻分区区域,自动调整该各个分区区域的照明亮度至匹配该各个分区区域的客流密度数据。
该基于客流密度的地铁区域智能照明装置30/40的各个单元模块可分别执行上述方法实施例中对应步骤,故在此不对各单元模块进行赘述,详细请参见以上对应步骤的说明。
本发明又提供一种计算机设备,如图5所示,包括:至少一个处理器51;以及,与至少一个处理器51通信连接的存储器52;其中,存储器52存储有可被至少一个处理器51执行的指令,指令被至少一个处理器51执行,以使至少一个处理器51能够执行上述的基于客流密度的地铁区域智能照明方法。
其中,存储器52和处理器51采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器51和存储器52的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器51处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器51。
处理器51负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器52可以被用于存储处理器51在执行操作时所使用的数据。
本发明再提供一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
可以发现,以上方案,可以将地铁区域划分为多个分区区域,和可以为该多个分区区域分别配置相应的摄像装置,和可以按预设时间周期,获取该相应的摄像装置在该预设的时间周期关联的时间段内的视频数据,和可以通过客流密度人工智能算法方式,分析该视频数据得到各个分区区域的客流密度数据,以及可以根据该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
进一步的,以上方案,可以基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台等多个分区区域,这样的好处是能够实现方便的对地铁区域的照明亮度进行分区区域管理。
进一步的,以上方案,可以通过从该视频数据中分别抽取各个分区区域的预设帧数的图像并对该抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析该视频数据得到各个分区区域的客流人数,和基于该得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度等级对应的客流人数范围得到各个分区区域的客流密度数据,这样的好处是能够实现提高该得到的各个分区区域的客流密度数据的准确率。
进一步的,以上方案,可以提取该各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定该提取的时间段数据对应的地铁运营状态数据,和根据该确定的该提取的时间段数据对应的地铁运营状态数据,并基于该各个分区区域的客流密度数据,自动控制该各个分区区域的照明亮度,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度控制地铁区域的照明亮度。
进一步的,以上方案,可以基于该各个分区区域的照明亮度辐射到的相邻分区区域,自动调整该各个分区区域的照明亮度至匹配该各个分区区域的客流密度数据,这样的好处是能够实现无需人工干预能够自动根据地铁区域的客流密度和该各个分区区域的照明亮度辐射到的相邻分区区域来调整地铁区域的照明亮度,能够进一步节省电能损耗,降低用电成本。
在本发明所提供的几个实施方式中,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方式仅仅是示意性的,例如,模块或单元的划分,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。
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方式方案的目的。
另外,在本发明各个实施方式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。
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,本发明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台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式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(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于客流密度的地铁区域智能照明方法,其特征在于,包括:
将地铁区域划分为多个分区区域;
为所述多个分区区域分别配置相应的摄像装置;
按预设时间周期,获取所述相应的摄像装置在所述预设的时间周期关联的时间段内的视频数据;
通过客流密度人工智能算法方式,分析所述视频数据得到各个分区区域的客流密度数据;
根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
2.如权利要求1所述的基于客流密度的地铁区域智能照明方法,其特征在于,所述将地铁区域划分为多个分区区域,包括:
基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台多个分区区域。
3.如权利要求1所述的基于客流密度的地铁区域智能照明方法,其特征在于,所述通过客流密度人工智能算法方式,分析所述视频数据得到各个分区区域的客流密度数据,包括:
通过从所述视频数据中分别抽取各个分区区域的预设帧数的图像并对所述抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析所述视频数据得到各个分区区域的客流人数,和基于所述得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度级对应的客流人数范围得到各个分区区域的客流密度数据。
4.如权利要求1所述的基于客流密度的地铁区域智能照明方法,其特征在于,所述根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度,包括:
提取所述各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定所述提取的时间段数据对应的地铁运营状态数据,和根据所述确定的所述提取的时间段数据对应的地铁运营状态数据,并基于所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
5.如权利要求1所述的基于客流密度的地铁区域智能照明方法,其特征在于,在所述根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度之后,还包括:
基于所述各个分区区域的照明亮度辐射到的相邻分区区域,自动调整所述各个分区区域的照明亮度至匹配所述各个分区区域的客流密度数据。
6.一种基于客流密度的地铁区域智能照明装置,其特征在于,包括:
划分模块、配置模块、获取模块、分析模块和自动控制模块;
所述划分模块,用于将地铁区域划分为多个分区区域;
所述配置模块,用于为所述多个分区区域分别配置相应的摄像装置;
所述获取模块,用于按预设时间周期,获取所述相应的摄像装置在所述预设的时间周期关联的时间段内的视频数据;
所述分析模块,用于通过客流密度人工智能算法方式,分析所述视频数据得到各个分区区域的客流密度数据;
所述自动控制模块,用于根据所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
7.如权利要求6所述的基于客流密度的地铁区域智能照明装置,其特征在于,所述划分模块,具体用于:
基于地铁区域的客流情况,将地铁区域划分为地铁入口、地铁出口、地铁安检区、地铁购票区、地铁闸机入口、地铁闸机出口、地铁人工服务亭、地铁楼梯、地铁自动扶梯、地铁站台多个分区区域。
8.如权利要求6所述的基于客流密度的地铁区域智能照明装置,其特征在于,所述分析模块,具体用于:
通过从所述视频数据中分别抽取各个分区区域的预设帧数的图像并对所述抽取的图像进行预处理和客流密度人工智能算法网络推理方式,分析所述视频数据得到各个分区区域的客流人数,和基于所述得到的各个分区区域的客流人数,根据各个分区区域预设的客流密度级对应的客流人数范围得到各个分区区域的客流密度数据。
9.如权利要求6所述的基于客流密度的地铁区域智能照明装置,其特征在于,所述自动控制模块,具体用于:
提取所述各个分区区域的客流密度数据的时间段数据,和根据预设的地铁运营状态数据,确定所述提取的时间段数据对应的地铁运营状态数据,和根据所述确定的所述提取的时间段数据对应的地铁运营状态数据,并基于所述各个分区区域的客流密度数据,自动控制所述各个分区区域的照明亮度。
10.如权利要求6所述的基于客流密度的地铁区域智能照明装置,其特征在于,所述基于客流密度的地铁区域智能照明装置,还包括:
自动调整模块;
所述自动调整模块,用于基于所述各个分区区域的照明亮度辐射到的相邻分区区域,自动调整所述各个分区区域的照明亮度至匹配所述各个分区区域的客流密度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829786.3A CN112183189A (zh) | 2020-08-18 | 2020-08-18 | 基于客流密度的地铁区域智能照明方法、装置、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829786.3A CN112183189A (zh) | 2020-08-18 | 2020-08-18 | 基于客流密度的地铁区域智能照明方法、装置、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112183189A true CN112183189A (zh) | 2021-01-05 |
Family
ID=73919792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010829786.3A Pending CN112183189A (zh) | 2020-08-18 | 2020-08-18 | 基于客流密度的地铁区域智能照明方法、装置、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183189A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116347715A (zh) * | 2023-05-31 | 2023-06-27 | 广州新科佳都科技有限公司 | 一种区域灯光控制方法、系统、设备及存储介质 |
CN116367389A (zh) * | 2023-05-30 | 2023-06-30 | 广州新科佳都科技有限公司 | 基于地铁历史客流的分区照明控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739569A (zh) * | 2009-12-17 | 2010-06-16 | 北京中星微电子有限公司 | 一种人群密度估计方法、装置及监控系统 |
CN106529787A (zh) * | 2016-11-02 | 2017-03-22 | 南京国电南自轨道交通工程有限公司 | 一种基于人脸检测技术的地铁能源管理系统 |
CN109784782A (zh) * | 2019-03-05 | 2019-05-21 | 清华大学 | 基于模糊推理的地铁供电系统动态风险分析评估方法 |
CN110597148A (zh) * | 2019-10-10 | 2019-12-20 | 南京瑞松信息科技有限公司 | 一种地铁车站能源管控系统架构 |
-
2020
- 2020-08-18 CN CN202010829786.3A patent/CN112183189A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739569A (zh) * | 2009-12-17 | 2010-06-16 | 北京中星微电子有限公司 | 一种人群密度估计方法、装置及监控系统 |
CN106529787A (zh) * | 2016-11-02 | 2017-03-22 | 南京国电南自轨道交通工程有限公司 | 一种基于人脸检测技术的地铁能源管理系统 |
CN109784782A (zh) * | 2019-03-05 | 2019-05-21 | 清华大学 | 基于模糊推理的地铁供电系统动态风险分析评估方法 |
CN110597148A (zh) * | 2019-10-10 | 2019-12-20 | 南京瑞松信息科技有限公司 | 一种地铁车站能源管控系统架构 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116367389A (zh) * | 2023-05-30 | 2023-06-30 | 广州新科佳都科技有限公司 | 基于地铁历史客流的分区照明控制方法及系统 |
CN116367389B (zh) * | 2023-05-30 | 2023-08-18 | 广州新科佳都科技有限公司 | 基于地铁历史客流的分区照明控制方法及系统 |
CN116347715A (zh) * | 2023-05-31 | 2023-06-27 | 广州新科佳都科技有限公司 | 一种区域灯光控制方法、系统、设备及存储介质 |
CN116347715B (zh) * | 2023-05-31 | 2023-08-08 | 广州新科佳都科技有限公司 | 一种区域灯光控制方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109194873B (zh) | 一种图像处理方法及装置 | |
CN112183189A (zh) | 基于客流密度的地铁区域智能照明方法、装置、计算机设备 | |
CN106297400B (zh) | 一种停车场车位信息处理方法、服务器和系统 | |
CN101978680B (zh) | 图像修正装置以及图像修正方法 | |
CN109196553B (zh) | 一种光伏板识别方法、地面站、控制设备及无人机 | |
CN105389572A (zh) | 一种人脸和身份证识别一体机及自动调整亮度的补光方法 | |
CN106548765A (zh) | 屏幕亮度调节方法和装置 | |
CN115936672A (zh) | 一种智慧电网在线安全运维管理方法和系统 | |
US20170146223A1 (en) | Controller for a luminaire | |
DE102015207570A1 (de) | Ressourcen-Optimierer für Software-Ökosysteme | |
CN109040686B (zh) | 一种物联网摄像系统中的软件部署方法及物联网摄像系统 | |
WO2013099368A1 (ja) | 画像認識装置、画像認識方法、プログラム、記録媒体および画像認識システム | |
CN108762122B (zh) | 一种智能控制盒及其控制方法 | |
CN110414408B (zh) | 一种人脸识别方法、装置及设备 | |
KR102307010B1 (ko) | 주차관리 시스템에서 주차장 장비의 전원제어시스템 | |
CN111489340B (zh) | 闪光灯故障的确定方法及装置、存储介质、电子装置 | |
CN110913662B (zh) | 用于数据中心的管理方法、装置、电子设备及介质 | |
CN110933799B (zh) | 动态自适应线性预测控制方法、系统和装置 | |
CN112818745B (zh) | 对象间对应关系的确定方法、装置、电子设备及存储介质 | |
CN116090769A (zh) | 一种园区智能管控方法、系统及存储介质 | |
CN104079671A (zh) | 基于远程终端的平板电脑控制系统及方法 | |
EP4219222A1 (en) | Method for improving the charging pattern of at least one vehicle, corresponding computer program and device | |
CN217849510U (zh) | 轨道交通视频分析控制盒和系统 | |
CN113055610B (zh) | 阶梯场景的相机布设方法、装置、电子设备及存储介质 | |
CN108259734B (zh) | 一种网络摄像设备及其补光灯亮度调节方法 |
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 |