CN112996196B - 智能环境灯光控制方法、系统、计算机设备及存储介质 - Google Patents
智能环境灯光控制方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112996196B CN112996196B CN202110166515.9A CN202110166515A CN112996196B CN 112996196 B CN112996196 B CN 112996196B CN 202110166515 A CN202110166515 A CN 202110166515A CN 112996196 B CN112996196 B CN 112996196B
- Authority
- CN
- China
- Prior art keywords
- display interface
- image information
- target detection
- frame
- model
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- 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
本发明涉及一种智能环境灯光控制方法、系统、计算机设备及存储介质,其技术方案要点是:通过图像传感器采集包含显示界面的图像信息;对所述图像信息进行图像识别得到对应包含的显示界面;对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域;本申请具有能够营造沉浸式的视觉体验且不受场地限制的效果。
Description
技术领域
本发明涉及智能环境灯光控制技术领域,更具体地说,它涉及一种智能环境灯光控制方法、系统、计算机设备及存储介质。
背景技术
长久以来,人们在家庭生活中通过电视、电脑、平板或投影观看视频的情况下,视频只会在电视、电脑或投影的实现界面呈现画面,难以营造出宛若大荧幕般的宽广视野,为观影带来有趣生动的视觉体验,难以满足现代生活中人们对家庭娱乐的需求。
虽然,现在市场上出现了部分电视或显示器能够达到沉浸式的视觉体验,但是,一般都是对电视有一定的要求,受限于只能运用于有外部信号输入的场景使用,难以应用到电脑、平板或投影等场景,因此,研究一种能够营造沉浸式的视觉体验且不受场地限制的智能环境灯光控制方法、系统、计算机设备及存储介质十分有必要。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种智能环境灯光控制方法,具有能够营造沉浸式的视觉体验且不受场地限制的功能优点。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种智能环境灯光控制方法,包括:
通过图像传感器采集包含显示界面的图像信息;
对所述图像信息进行图像识别得到对应包含的显示界面;
对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;
根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域。
可选的,所述对所述图像信息进行图像识别得到对应包含的显示界面,包括:
将采集的包含显示界面的图像信息传输给预先训练好的目标检测模型,得到目标检测结果即得到对应包含的显示界面。
可选的,通过以下方式预先训练得到目标检测模型:
通过图像传感器采集多张包含显示界面的图像信息;
将采集的多张包含显示界面的图像信息作为训练集;采用所述训练集训练预设目标检测模型得到检测结果;
在检测结果满足预设要求的情况下,得到训练好的目标检测模型。
可选的,采用平均精度均值衡量所述目标检测模型的性能。
可选的,所述目标检测模型为人工神经网络模型。
可选的,所述颜色和亮度采用多域色彩空间模型表示。
一种智能环境灯光控制系统,其特征在于,包括:图像传感器、处理器、通信模块及环境灯;所述图像传感器和通信模块均与处理器电连接;所述环境灯与通信模块电连接;
所述图像传感器,用于采集包含显示界面的图像信息;
所述处理器,用于对所述图像信息进行图像识别得到对应包含的显示界面;对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域;
所述通信模块,用于接收移动终端的指令,并将所述指令传输给处理器。
可选的,所述处理器包括:
目标检测模块,用于对所述图像信息进行图像识别得到对应包含的显示界面;
区域划分模块,对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;
颜色转换模块,用于将与所述显示界面子区域对应的颜色和亮度转换成多域色彩空间模型表示。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
综上所述,本发明具有以下有益效果:
1.能够营造沉浸式的视觉体验,呈现出宛若大荧幕般的宽广视野,为观影带来有趣生动的视觉体验;
2.能够不受限制地应用于家庭娱乐或其他娱乐场合,如歌舞厅、发布会场、展会等;
3.能够人为控制背景灯区域显示与其关联的显示界面不同的颜色与亮度,满足不同人群的不同需求。
附图说明
图1是本发明提供的智能环境灯光控制方法的流程示意图;
图2是本发明提供的智能环境灯光控制系统的结构框图;
图3是本发明实施例中计算机设备的内部结构图。
图中:10、图像传感器;20、处理器;30、通信模块;40、环境灯。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的,而不是指示或暗示所指装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
下面结合附图和实施例,对本发明进行详细描述。
本发明提供了一种智能环境灯光控制方法,如图1所示,包括:
S100、通过图像传感器采集包含显示界面的图像信息。
具体地,显示界面可以为电视、电脑、平板、手机、投影的显示界面,显示界面可以是处于播放视频状态也可以是处于黑屏状态,图像传感器可采用CMOS/CCD摄像头采集视频信息,该图像传感器朝向显示界面,通过图像传感器可以采集到包含有显示界面的图像信息,通常是对显示界面中播放的视频进行实时采集视频帧,通过图像传感器采集图像信息,不受视频信号来源的限制,且本申请还能够不受限制地应用于家庭娱乐或其他娱乐场合,如歌舞厅、发布会场、展会等。
S200、对所述图像信息进行图像识别得到对应包含的显示界面。
具体地,在图像传感器采集到包含有显示界面的图像信息后,对包含有显示界面的图像信息进行图像识别,从该图像信息中识别出显示界面,例如,在包含有显示界面及其周围环境的图像信息中,通过图像识别技术识别出电视、电脑、平板或投影的显示界面,便于对显示界面进行下一步操作。
S300、对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联。
具体地,在识别出显示界面后,对显示界面进行区域划分,可以将显示界面划分为上、下、左、右、中这五个区域,在本申请中仅采用上、下、左、右这四个区域,得到四个显示界面子区域,分为上显示界面子区域、下显示界面子区域、左显示界面子区域和右显示界面子区域;环境灯分布在显示界面的上、下、左、右这四个方位,得到四个背景灯区域,分别为上背景灯区域、下背景灯、左背景灯区域和右背景灯区域;将上显示界面子区域与上背景灯区域关联,下显示界面子区域与下背景灯区域关联,左显示界面子区域与左背景灯区域关联,右显示界面子区域与右背景灯区域关联。
S400、根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域。
在将显示界面划分为多个显示界面子区域后,识别出各个显示界面子区域的颜色和亮度,然后根据各个显示界面子区域的颜色和亮度控制与其关联的背景灯区域显示相同的颜色和亮度,如在本申请中上背景灯区域显示出与上显示界面子区域相同的颜色和亮度,下背景灯区域显示出与下显示界面子区域相同的颜色和亮度,左背景灯区域显示出与左显示界面子区域相同的颜色和亮度,右背景灯区域显示出与右显示界面子区域相同的颜色和亮度,营造沉浸式的视觉体验,呈现出宛若大荧幕般的宽广视野,为观影带来有趣生动的视觉体验,同时为了满足不同人群的不同需求,也可以人为控制背景灯区域显示与其关联的显示界面不同的颜色与亮度。
进一步地,所述对所述图像信息进行图像识别得到对应包含的显示界面,包括:
将采集的包含显示界面的图像信息传输给预先训练好的目标检测模型,得到目标检测结果即得到对应包含的显示界面。
具体地,目标检测模型是经过深度学习已经预先训练好的,在图像传感器采集到包含有显示界面及其周围环境的图像信息后,图像传感器将该图像信息传输给目标检测模型,目标检测模型先将该图像信息调整至预设尺寸,然后对该图像信息进行识别和解析,识别出显示界面,得到显示界面的区域信息,区域信息包括:显示界面的中心位置数据,长度数据和宽度数据,便于对显示界面进行下一步的区域划分。
进一步地,通过以下方式预先训练得到目标检测模型:
通过图像传感器采集多张包含显示界面的图像信息;
将采集多张的包含显示界面的图像信息作为训练集;采用所述训练集训练预设目标检测模型得到检测结果;
在检测结果满足预设要求的情况下,得到训练好的目标检测模型。
在实际应用中,目标检测模型在应用之前通常都会进行大量的训练,通过图像传感器采集多张包含显示界面的图像信息,先将各个图像信息统一到一个神经网络,该神经网络使用图像信息中的特征来预测边界框,如采用电视显示界面的边框作为特征,得到预测框,将预测框与真实框做比较,真实框为显示界面的真实边界框,通常情况下采用IoU来衡量预测框与真实框的重合程度,IoU表示预测框与真实框的交集和并集之比,得到比较结果并将比较结果与设定的阈值进行比较,设定的阈值可以为0.5,在大于阈值的情况下,则认为模型正确检测了显示界面的边界框,是真实的检测;在不大于阈值的情况下,则认为模型没有正确检测显示界面的边界框,是错误的检测;在检测结果满足预设要求的情况下,就得到训练好的检测模型,通过预先训练达到检测模型使得本申请能够在包含显示界面的图像信息中检测出正确的显示界面,并得到显示界面的区域位置信息,便于对显示界面进行区域划分。
进一步地,采用平均精度均值衡量所述目标检测模型的性能;在建立好模型后通常需要对模型的性能进行评估,目标检测模型对各个包含显示界面的图像信息进行检测,假设模型将正确的边界框归类为显示界面的值为TP,将错误的边界框归类为显示界面的值为FP,将错误的边界框未归类为显示界面的值为TN,将正确的边界框未归类为显示界面的值为FN;
P表示为模型认为是正确的显示界面且确实是正确的显示界面占所有模型认为是正确的显示界面的比例;
R表示为模型认为是正确的显示界面且确实是正确的显示界面占所有的确实是正确的显示界面的比例;
然后通过调整阈值,计算阈值调整后的P值和R值,根据每次阈值调整后的P值和R值绘制P-R曲线,通过P-R曲线能够计算AP的值,AP计算可以定义为经过插值的P-R曲线与X轴包络的面积;插值是指在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点;AP(Average Precision)表示平均精度,用于衡量的是训练出来的模型在某一类别上检测能力的优劣;mAP(mean Average Precision)表示平均精度均值,用于衡量的是训练出来的模型在多个类别上检测能力的优劣;
n表示类别的数量;在本申请中n的数量为1,则mAP=AP;在平均精度均值达到预设要求的情况下,目标检测模型开始对包含显示界面的图像信息进行正式检测,保证了目标检测模型正确检测出显示界面的准确度。
进一步地,所述目标检测模型为人工神经网络模型;具体地,人工神经网络模型可为YOLOV3网络模型;YOLOV3网络模型是YOLO(You Only Look Once)网络模型的第三个版本;YOLOV3采用了Darknet-53的网络结构,具备速度快,充分发挥多核处理器和GPU并行运算的功能,所以YOLOv3的快速检测正好适合这种需要实时检测视频帧的项目;此外,它的准确度也非常高,在尺寸中等偏小的物体上有非常高的准确率,特别适用于视频图像的识别。
进一步地,所述颜色和亮度采用多域色彩空间模型表示;具体地,多域色彩空间模型可以为RGB或HSV模型,在对显示界面进行区域划分后,对划分后的显示界面进行RGB或HSV转换,在各个显示界面子区域上选取多个检测点,得到各个检测点的颜色和亮度,在各个背景灯区域内分布有多个背景灯,背景灯与检测点相互关联,如在本申请中上显示界面子区域内选取有第一检测点、第二检测点和第三检测点;在上背景灯区域内分布有第一背景灯、第二背景灯和第三背景灯;第一背景灯与第一检测点关联,第二背景灯与第二检测点关联,第三背景灯与第三检测点关联;在识别出第一检测点为第一颜色和第一亮度、第二检测点为第二颜色和第二亮度以及第三检测点为第三颜色和第三亮度后,控制第一背景灯为第一颜色和第一亮度、第二背景灯为第二颜色和第二亮度、第三背景灯为第三颜色和第三亮度,实现上背景灯区域对上显示界面子区域的延伸,下显示界面子区域的多个检测点与下背景灯区域的多个背景灯的关联、左显示界面子区域的多个检测点与左背景灯区域的多个背景灯的关联、右显示界面子区域的多个检测点与右背景灯区域的多个背景灯的关联均与上显示界面子区域的多个检测点与上背景灯区域的多个背景灯的关联类似,能够精确地控制背景灯区域对氛围的营造。
本申请能够营造沉浸式的视觉体验,呈现出宛若大荧幕般的宽广视野,为观影带来有趣生动的视觉体验,且不受限制地应用于家庭娱乐或其他娱乐场合,如歌舞厅、发布会场、展会等,同时为了满足不同人群的不同需求,也可以人为控制背景灯区域显示与其关联的显示界面不同的颜色与亮度。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
一种智能环境灯光控制系统,如图2所示,包括:图像传感器10、处理器20、通信模块30及环境灯40;所述图像传感器10和通信模块30均与处理器20电连接;所述环境灯40与通信模块30电连接;
所述图像传感器10,用于采集包含显示界面的图像信息;
所述处理器20,用于对所述图像信息进行图像识别得到对应包含的显示界面;对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯40的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域;
所述通信模块30,用于接收移动终端的指令,并将所述指令传输给处理器20。
关于智能环境灯光控制系统的具体限定可以参见上文中对于智能环境灯40光控制方法的限定,在此不再赘述。上述智能环境灯40光控制系统的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器20中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器20调用执行以上各个模块对应的操作。
进一步地,所述处理器20包括:
目标检测模块,用于对所述图像信息进行图像识别得到对应包含的显示界面;
区域划分模块,对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯40的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;
颜色转换模块,用于将与所述显示界面子区域对应的颜色和亮度转换成多域色彩空间模型表示。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:通过图像传感器采集包含显示界面的图像信息;对所述图像信息进行图像识别得到对应包含的显示界面;对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域。
在一个实施例中,所述对所述图像信息进行图像识别得到对应包含的显示界面,包括:将采集的包含显示界面的图像信息传输给预先训练好的目标检测模型,得到目标检测结果即得到对应包含的显示界面。
在一个实施例中,通过以下方式预先训练得到目标检测模型:通过图像传感器采集多张包含显示界面的图像信息;将采集的多张包含显示界面的图像信息作为训练集;采用所述训练集训练预设目标检测模型得到检测结果;在检测结果满足预设要求的情况下,得到训练好的目标检测模型。
在一个实施例中,采用平均精度均值衡量所述目标检测模型的性能。
在一个实施例中,所述目标检测模型为人工神经网络模型。
在一个实施例中,所述颜色和亮度采用多域色彩空间模型表示。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:通过图像传感器采集包含显示界面的图像信息;对所述图像信息进行图像识别得到对应包含的显示界面;对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域。
在一个实施例中,所述对所述图像信息进行图像识别得到对应包含的显示界面,包括:将采集的包含显示界面的图像信息传输给预先训练好的目标检测模型,得到目标检测结果即得到对应包含的显示界面。
在一个实施例中,通过以下方式预先训练得到目标检测模型:通过图像传感器采集多张包含显示界面的图像信息;将采集的多张包含显示界面的图像信息作为训练集;采用所述训练集训练预设目标检测模型得到检测结果;在检测结果满足预设要求的情况下,得到训练好的目标检测模型。
在一个实施例中,采用平均精度均值衡量所述目标检测模型的性能。
在一个实施例中,所述目标检测模型为人工神经网络模型。
在一个实施例中,所述颜色和亮度采用多域色彩空间模型表示。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种智能环境灯光控制方法,其特征在于,包括:
通过图像传感器采集包含显示界面的图像信息;
对所述图像信息进行图像识别得到对应包含的显示界面;
对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;
根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域;
所述对所述图像信息进行图像识别得到对应包含的显示界面,包括:
将采集的包含显示界面的图像信息传输给预先训练好的目标检测模型,得到目标检测结果即得到对应包含的显示界面;
通过以下方式预先训练得到目标检测模型:
通过图像传感器采集多张包含显示界面的图像信息;
将采集的多张包含显示界面的图像信息作为训练集;采用所述训练集训练预设目标检测模型得到检测结果,预设目标检测模型采用电视显示界面的边框作为特征,得到预测框,将预测框与真实框做比较,所述真实框为显示界面的真实边界框,采用IoU来衡量预测框与真实框的重合程度,所述IoU表示预测框与真实框的交集和并集之比,得到比较结果并将比较结果与设定的阈值进行比较,在大于阈值的情况下,则认为模型正确检测了显示界面的边界框,是真实的检测;在不大于阈值的情况下,则认为模型没有正确检测显示界面的边界框,是错误的检测;
在检测结果满足预设要求的情况下,得到训练好的目标检测模型。
2.根据权利要求1所述的智能环境灯光控制方法,其特征在于,采用平均精度均值衡量所述目标检测模型的性能。
3.根据权利要求1所述的智能环境灯光控制方法,其特征在于,所述目标检测模型为人工神经网络模型。
4.根据权利要求1所述的智能环境灯光控制方法,其特征在于,所述颜色和亮度采用多域色彩空间模型表示。
5.一种智能环境灯光控制系统,其特征在于,包括:图像传感器、处理器、通信模块及环境灯;所述图像传感器和通信模块均与处理器电连接;所述环境灯与通信模块电连接;
所述图像传感器,用于采集包含显示界面的图像信息;
所述处理器,用于对所述图像信息进行图像识别得到对应包含的显示界面;对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;根据对所述显示界面子区域进行图像识别得到的颜色和亮度对应控制关联的背景灯区域;
所述通信模块,用于接收移动终端的指令,并将所述指令传输给处理器;
所述处理器包括:
目标检测模块,用于对所述图像信息进行图像识别得到对应包含的显示界面,所述对所述图像信息进行图像识别得到对应包含的显示界面,包括:将采集的包含显示界面的图像信息传输给预先训练好的目标检测模型,得到目标检测结果即得到对应包含的显示界面;通过以下方式预先训练得到目标检测模型:通过图像传感器采集多张包含显示界面的图像信息;将采集的多张包含显示界面的图像信息作为训练集;采用所述训练集训练预设目标检测模型得到检测结果,预设目标检测模型采用电视显示界面的边框作为特征,得到预测框,将预测框与真实框做比较,所述真实框为显示界面的真实边界框,采用IoU来衡量预测框与真实框的重合程度,所述IoU表示预测框与真实框的交集和并集之比,得到比较结果并将比较结果与设定的阈值进行比较,在大于阈值的情况下,则认为模型正确检测了显示界面的边界框,是真实的检测;在不大于阈值的情况下,则认为模型没有正确检测显示界面的边界框,是错误的检测;
区域划分模块,对所述显示界面进行区域划分,得到多个显示界面子区域;根据环境灯的空间位置信息进行分组,得到多个背景灯区域;将多个显示界面子区域与多个背景灯区域对应关联;
颜色转换模块,用于将与所述显示界面子区域对应的颜色和亮度转换成多域色彩空间模型表示。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110166515.9A CN112996196B (zh) | 2021-02-04 | 2021-02-04 | 智能环境灯光控制方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110166515.9A CN112996196B (zh) | 2021-02-04 | 2021-02-04 | 智能环境灯光控制方法、系统、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112996196A CN112996196A (zh) | 2021-06-18 |
CN112996196B true CN112996196B (zh) | 2023-02-10 |
Family
ID=76348684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110166515.9A Active CN112996196B (zh) | 2021-02-04 | 2021-02-04 | 智能环境灯光控制方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112996196B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113597061A (zh) * | 2021-07-16 | 2021-11-02 | 深圳市传视界电子科技有限公司 | 控制幻彩灯带的方法、设备和计算机可读存储介质 |
CN113573113A (zh) * | 2021-07-26 | 2021-10-29 | 深圳创维-Rgb电子有限公司 | 投影灯控制方法、智能电视及计算机可读存储介质 |
CN113677071B (zh) * | 2021-08-11 | 2023-07-28 | 深圳市智岩科技有限公司 | 灯具控制方法、装置、电子设备及存储介质 |
CN113795071B (zh) * | 2021-11-11 | 2022-03-08 | 珠海视熙科技有限公司 | 一种氛围灯控制方法、装置以及存储介质 |
CN114126135A (zh) * | 2021-12-23 | 2022-03-01 | 深圳市迈捷物联光电有限公司 | 灯光视频画面智能互动系统、灯光视频画面智能互动控制方法、电视机 |
CN114585131B (zh) * | 2022-02-23 | 2023-11-17 | 深圳市智岩科技有限公司 | 灯效控制方法、装置、计算机设备及存储介质 |
CN117651355B (zh) * | 2024-01-30 | 2024-04-02 | 攀枝花镁森科技有限公司 | 一种cob灯带的灯光显示控制方法、系统和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105933762A (zh) * | 2016-05-18 | 2016-09-07 | 海信集团有限公司 | 一种智能家居的联动控制方法和装置 |
CN109034115A (zh) * | 2018-08-22 | 2018-12-18 | Oppo广东移动通信有限公司 | 视频识图方法、装置、终端及存储介质 |
CN109815881A (zh) * | 2019-01-18 | 2019-05-28 | 成都旷视金智科技有限公司 | 行为识别模型的训练方法、行为识别方法、装置及设备 |
CN110418478A (zh) * | 2019-07-26 | 2019-11-05 | 广东工业大学 | 基于cnn的节能灯控方法及装置 |
CN111897128A (zh) * | 2020-07-22 | 2020-11-06 | 苏州车萝卜汽车电子科技有限公司 | 一种控制背光区域亮度的hud显示方法、系统及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10650257B2 (en) * | 2017-02-09 | 2020-05-12 | SMR Patents S.à.r.l. | Method and device for identifying the signaling state of at least one signaling device |
-
2021
- 2021-02-04 CN CN202110166515.9A patent/CN112996196B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105933762A (zh) * | 2016-05-18 | 2016-09-07 | 海信集团有限公司 | 一种智能家居的联动控制方法和装置 |
CN109034115A (zh) * | 2018-08-22 | 2018-12-18 | Oppo广东移动通信有限公司 | 视频识图方法、装置、终端及存储介质 |
CN109815881A (zh) * | 2019-01-18 | 2019-05-28 | 成都旷视金智科技有限公司 | 行为识别模型的训练方法、行为识别方法、装置及设备 |
CN110418478A (zh) * | 2019-07-26 | 2019-11-05 | 广东工业大学 | 基于cnn的节能灯控方法及装置 |
CN111897128A (zh) * | 2020-07-22 | 2020-11-06 | 苏州车萝卜汽车电子科技有限公司 | 一种控制背光区域亮度的hud显示方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112996196A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112996196B (zh) | 智能环境灯光控制方法、系统、计算机设备及存储介质 | |
US20190378253A1 (en) | Dynamic tone mapping method, mobile terminal, and computer readable storage medium | |
US8711198B2 (en) | Video conference | |
CN108182923B (zh) | 在显示装置上显示图像的方法、显示装置和电子设备 | |
CN105844256A (zh) | 一种全景视频帧图像处理方法和装置 | |
CN105704472A (zh) | 一种识别儿童用户的电视控制方法和系统 | |
CN106060491A (zh) | 一种投影图像颜色校正方法及装置 | |
CN112037543A (zh) | 基于三维建模的城市交通灯控制方法、装置、设备和介质 | |
US20210090298A1 (en) | Camera Positioning Method, Device and Medium | |
CN111881755A (zh) | 一种视频帧序列的裁剪方法及装置 | |
CN111860365A (zh) | 课室灯光调节方法、装置、计算机设备及存储介质 | |
CN100480838C (zh) | 投影机和图案图像显示方法 | |
JP2020030750A (ja) | 影検出装置、影検出方法、影検出プログラム、学習装置、学習方法、及び学習プログラム | |
CN103577520A (zh) | 目标检索装置、目标检索方法以及计算机可读取记录介质 | |
CN111563470A (zh) | 一种基于图像拼接的预载监测系统 | |
CN109410813B (zh) | 一种触控白板的调整方法及装置 | |
CN112991665A (zh) | 烟雾探测方法、烟雾探测装置以及烟雾探测系统 | |
CN111311584B (zh) | 视频质量评估方法及装置、电子设备、可读介质 | |
WO2021022820A1 (zh) | 白平衡异常的确定方法、装置、存储介质及电子设备 | |
CN106657771A (zh) | 演示文稿数据处理方法及移动终端 | |
CN112367752B (zh) | 一种沉浸式半球投影系统及控制方法、智能装置 | |
CN116634624A (zh) | 一种透明屏展示柜的照明控制方法和装置 | |
CN114885096B (zh) | 拍摄模式切换方法、电子设备及存储介质 | |
CN116962612A (zh) | 应用于仿真系统的视频处理方法、装置、设备及存储介质 | |
CN111028772A (zh) | 灯光显示方法、装置、控制器及存储介质 |
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 |