CN113240676A - 一种基于大数据的智慧路灯的智能调控方法及系统 - Google Patents
一种基于大数据的智慧路灯的智能调控方法及系统 Download PDFInfo
- Publication number
- CN113240676A CN113240676A CN202110787456.7A CN202110787456A CN113240676A CN 113240676 A CN113240676 A CN 113240676A CN 202110787456 A CN202110787456 A CN 202110787456A CN 113240676 A CN113240676 A CN 113240676A
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- street lamp
- value
- map
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013507 mapping Methods 0.000 claims abstract description 62
- 238000005286 illumination Methods 0.000 claims abstract description 61
- 238000003708 edge detection Methods 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000010586 diagram Methods 0.000 claims abstract description 45
- 238000005192 partition Methods 0.000 claims description 68
- 239000011159 matrix material Substances 0.000 claims description 39
- 230000001105 regulatory effect Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 11
- 238000000638 solvent extraction Methods 0.000 claims description 11
- 230000001276 controlling effect Effects 0.000 claims description 9
- 230000009191 jumping Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于大数据的智慧路灯的智能调控方法及系统，通过对采集到的人口热力图进行数值化处理并进行边缘检测得到边缘检测图，建立边缘检测图与实际地图的地理位置映射，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，计算路灯所在位置的光照偏差及分区阈值，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出以实现对各区域的路灯的智能调控。
Description
技术领域
本公开属于照明设备、大数据技术领域，具体涉及一种基于大数据的智慧路灯的智能调控方法及系统。
背景技术
随着大数据与人工智能技术的日益普及，社会对于路灯照明的需求和要求亦日益提高。同时，在不同人口密度的地区，对路灯照明的智能化夜产生了新的要求，在人口密度大的地区，对光照的要求量会变大的，而在人口密度较小的地方，光照的强度可以适当的降低，从而达到优化资源分配和节约能约的效果。然而，根据人空密度调控智能设备的技术对于数据的处理要求度相当高，现有技术还无法解决相应的难题。公开号为CN209371087U的实用新型公开了一种基于物联网的多功能智能路灯，包括支撑板、灯杆、安装座和固定基座，该实用新型的智能路灯具有优化路灯照明效果和提高能源利用率，达到节能减排的效果，但是不能根据路灯所在地区的人口密度进行智能的动态调控，缺乏对人口密度的动态分析。
发明内容
本发明的目的在于提出一种基于大数据的智慧路灯的智能调控方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
由于不同地区的人口密度各不相同，需要的路灯的照明亮度亦存在不同的差异，因此随着各地区的人口密度的动态的改变，光照的输出也应该有着动态的相应变动。
本公开提供了一种基于大数据的智慧路灯的智能调控方法及系统，通过对采集到的人口热力图进行数值化处理并进行边缘检测得到边缘检测图，建立边缘检测图与实际地图的地理位置映射，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，计算路灯所在位置的光照偏差及分区阈值，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出以实现对各区域的路灯的智能调控。
为了实现上述目的，根据本公开的一方面，提供一种基于大数据的智慧路灯的智能调控方法，所述方法包括以下步骤：
S100，采集设置有路灯的路网地图的人口热力图；
S200，对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图；
S300，建立边缘检测图与实际地图的地理位置映射；
S400，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列；
S500，计算路灯所在位置的光照偏差及分区阈值，当光照偏差小于分区阈值时，则打开路灯，进入S600对路灯进行智能调控；
S600，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出，对分区域所对应的实际地图范围中的路灯的进行调控。
进一步地，在S100中，采集设置有路灯的路网地图的人口热力图的方法为：人口热力图的来源为高德地图、谷歌地图、或者腾讯微信的腾讯位置服务应用程序编程接口，所述人口热力图是利用获取的手机基站定位该区域的用户数量,通过用户数量渲染地图颜色，以颜色显示一个城市中的各个地方的人员密集程度，所述路灯为智慧路灯，智慧路灯为安装有摄像头并通过无线网络与数据中心连接的路灯。
进一步地，在S200中，对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图，方法为：将人口热力图进行高斯滤波，并进行数值化将每一个像素点的数值转化为[0,255]区间的浮点数，各个像素点对应的浮点数即为其热力数值，以此得到其数值化图像，进而通过Roberts算子作为边缘检测算法识别出对数值化图像中的边缘线，进行边缘检测，得到边缘检测图。
进一步地，在S300中，建立边缘检测图与实际地图的地理位置映射的方法为：将实际地图与边缘检测图进行重合，通过位置重合对比出边缘检测图与实际地图中的地理位置的关联映射，所述实际地图为设置有路灯的地区的电子地图或数字地图。
进一步地，在S400中，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，方法为：通过边缘检测图中的边缘线，依照边缘线作为分割的界线将实际地图进行分区得到多个不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，其中，建立分区域子图像集合中各个分区域子图像的子图像检测序列的具体步骤为：
S401，在数据中心中的存储空间中设置出一个子图像检测序列，用以存储分区域子图像集合中各个分区域子图像的序号，该序号可作为直接访问其对应分区域子图像的数据；令分区域子图像集合中的分区域子图像为Fi1，变量i1的初值为1，i1取值范围为[1,n1]，n1为分区域子图像集合中分区域子图像的数量；令变量j1初值等于1, 分区域子图像集合中第i1个分区域子图像中第j1个像素点对应的实际地图的地理位置映射的地点为Mi1,j1，j1∈[1,m1]，m1表示分区域子图像Fi1中的像素点对应的实际地图的地理位置映射的地点的数量,像素点对应的实际地图的地理位置映射的地点即为地理映射点,地理映射点为地点在实际地图上的坐标值；为每个分区域子图像Fi1设置其单独对应的计数器Enumerati1,Enumerati1表示第i1个计数器，并令所有计数器Enumerati1的初始值等于零；
分别计算各个分区域子图像中各自包含的所有地理映射点的平均热力数值为V，则分区域子图像为Fi1对应的平均热力数值为Vi1；
设x和y为分区域子图像的图像矩阵中的直角坐标系的横轴坐标和纵轴坐标；
S402，当满足约束条件i1≤n1且j1≤m1时，设Fi1中的第j1个像素点对应的地理位置的坐标为(x,y),分别计算坐标为(x,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x,y)为中心以顺时针方向环绕(x,y)移动一圈，得到相应的一圈像素点的坐标的地理映射点的对应的热力数值；
S403，如果坐标为(x+1,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x+1,y)为中心以顺时针方向环绕(x+1,y)移动一圈，得到相应的一圈像素点的对应的热力数值中不存在低于平均热力数值V i1的坐标，则通过步骤S4031到步骤S4035进行旋转搜索，如果坐标为(x+1,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标 (x+1,y)为中心以顺时针方向环绕(x+1,y)移动一圈，得到相应的一圈像素点的对应的热力数值中存在低于平均热力数值Vi1的坐标则跳转到步骤S404；
S4031,设变量d表示位移坐标量，d的初值等于1；
S4032,计算坐标为(x+d,y)、(x,y-d)、(x+1,y-d)三个地理映射点的热力数值H1、H2、H3，令三个地理映射点分别为geo1、geo2、geo3；
S4033,令地理映射点geo1的坐标为(xg,yg)，计算(xg+1,yg)、(xg-1,yg)、(xg,yg+1)、(xg,yg-1)、(xg+1,yg+1)、(xg+1,yg-1)、(xg-1,yg+1)、(xg-1,yg-1)的地理映射点的热力数值，筛选出其中的最小值记作Hgeo1；
S4034,令地理映射点geo2的坐标为(xe,ye)，计算(xe+1,ye)、(xe-1,ye)、(xe,ye+1)、(xe,ye-1)、(xe+1,ye+1)、(xe+1,ye-1)、(xe-1,ye+1)、(xe-1,ye-1)的地理映射点的热力数值，筛选得其中的最小值记作Hgeo2；
S4035,令地理映射点geo3的坐标为(xo,yo)，计算(xo+1,yo)、(xo-1,yo)、(xo,yo+1)、(xo,yo-1)、(xo+1,yo+1)、(xo+1,yo-1)、(xo-1,yo+1)、(xo-1,yo-1) 的地理映射点的热力数值，筛选得其中的最小值记作Hgeo3；
S4036,若满足约束条件：
符号∪表示或的逻辑，符号∩表示与的逻辑，则当前检测的作为目标的地理映射点从(x,y)跳转到坐标为(x+1,y)、(x,y-1)、(x+1,y-1)中热力数值最小的坐标并将所述坐标对应的地理映射点的序号设置为j1并跳转到步骤S402；否则，若满足约束条件：
则令变量d的值增加1，并跳转到步骤S4032；
S404，若j1小于或等于m1，将计数器Enumerati1增加1并将j1增加1跳转到步骤S402；否则将i1增加1并跳转到步骤S402；当i1大于n1时跳转到步骤S405；
S405，按照各个计数器Enumerati1的数值的大小的顺序将Enumerati1依次保存到子图像检测序列中形成一个检测序列，从而得到子图像检测序列。
进一步地，在S500中，计算路灯所在位置的光照偏差及分区阈值，当光照偏差小于
分区阈值时，则打开路灯，方法为：所述光照偏差和分区阈值通过计算该路灯在打开照明时
通过其摄像头所拍的照片与实时获取的照片而得，其中，令该路灯在打开照明时通过其摄
像头所拍的照片为Pl、实时获取的照片为Pd，则Pl和Pd的光照偏差为p，Pl和Pd的分区阈值
为β，各图像矩阵的大小进行处理统一化为
，例如
为512×512、128×128或者80×
80，并将图像矩变量i为表示其所在数组中元素的序号，min()为取数组中最小值的函数，
图像矩阵中每个像素点表示为R、G、B三分量，将图像矩阵以大小为
的向量数组表示，
则Pl(i)表示Pl的向量数组的第i项、Pd(i)表示Pd的向量数组的第i项，R(i)、G(i)、B(i)分
别表示图像矩阵的向量数组的第i项的R、G、B三分量，RPl、GPl、BPl为图像矩阵Pl中的每个像
素点的R、G、B三分量，RPd、GPd、BPd为图像矩阵Pd中的每个像素点的R、G、B三分量，
表示
Pl的图像矩阵中第i个像素的R分量值，
表示Pl的图像矩阵中第i个像素的G分量值，
表示Pl的图像矩阵中第i个像素的B分量值，
表示Pd的图像矩阵中第i个像素的R
分量值，
表示Pd的图像矩阵中第i个像素的G分量值，
表示Pd的图像矩阵中第i个
像素的B分量值：
由此计算Pl和Pd的光照偏差p，有：
p=(pR+pG+pB)⁄3 ,
计算分区阈值β为：
β=(βR+βG+βB)⁄3 ,
则当p＜β时，表示该路灯所在位置的光照不足，则打开路灯。
进一步地，在 S600中，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出，对分区域所对应的实际地图范围中的路灯的进行调控，具体方法为：使用S400中得到的子图像检测序列对分区域子图像集合进行快速检测，在快速对分区域子图像集合中的进行检测的同时，依次按照子图像检测序列中的序号的顺序以S500所述方法计算各个分区域子图像Fi1中的各地理映射点的摄像头所拍的照片与实时获取的照片的光照偏差p是否小于其分区阈值β，设分区域子图像Fi1中对应的某一地理映射点为geo`、地理映射点geo`的光照偏差为p`、对应的分区阈值为β`，当地理映射点geo`的光照偏差p`小于其分区阈值β`时，则打开该地理映射点geo`处设置的路灯，设所有路灯的默认的调光输出为μ，通过计算该地理映射点geo`处的光照偏差p`和其分区阈值β`的比值，得到计算优化后的优化调光输出为μopt，
μopt=μ×|(β`)/(p`)| ,
以此动态地规划该区域不同位置的路灯的打开顺序并实时地调控不同位置对的路灯的调光输出的程度，从而实现在打开顺序上和调光输出的程度上对路灯的智能调控。
本发明还提供了一种基于大数据的智慧路灯的智能调控系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
人口热力图采集单元，用于采集设置有路灯的路网地图的人口热力图；
边缘检测图检测单元，用于对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图；
地理位置映射单元，用于建立边缘检测图与实际地图的地理位置映射；
子图像检测序列生成单元，用于通过边缘检测图中的边缘线将实际地图进行分区得到不同的分区域得到分区域子图像集合，进而生成对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列；
光照偏差及动态分区阈值计算单元，用于计算路灯所在位置的光照偏差及分区阈值并判断打开路灯；
动态路灯调控单元，用于依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，以计算优化调光输出，从而对分区域所对应的实际地图范围中的路灯的进行调控。
本公开的有益效果为：本发明提供一种基于大数据的智慧路灯的智能调控方法及系统，能够按照子图像检测序列快速地对分区域子图像集合中对应的各个地理位置进行快速地检测，并能动态地利用路灯所在位置的实时地光照偏差，计算出优化调光输出，从而实现在打开顺序上和调光输出的程度上对路灯的智能调控。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
图1所示为一种基于大数据的智慧路灯的智能调控方法的流程图；
图2所示为一种基于大数据的智慧路灯的智能调控系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，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或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种基于大数据的智慧路灯的智能调控方法及系统的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于大数据的智慧路灯的智能调控方法及系统。
本公开提出一种基于大数据的智慧路灯的智能调控方法，所述方法具体包括以下步骤：
S100，采集设置有路灯的路网地图的人口热力图；
S200，对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图；
S300，建立边缘检测图与实际地图的地理位置映射；
S400，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列；
S500，计算路灯所在位置的光照偏差及分区阈值，当光照偏差小于分区阈值时，则打开路灯，进入S600对路灯进行智能调控；
S600，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出，对分区域所对应的实际地图范围中的路灯的进行调控。
进一步地，在S100中，采集设置有路灯的路网地图的人口热力图的方法为：人口热力图的来源为高德地图、谷歌地图、或者腾讯微信的腾讯位置服务应用程序编程接口，所述人口热力图是利用获取的手机基站定位该区域的用户数量,通过用户数量渲染地图颜色，以颜色显示一个城市中的各个地方的人员密集程度，所述路灯安装有摄像头并通过无线网络与数据中心连接。
进一步地，在S200中，对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图，方法为：将人口热力图进行高斯滤波，并进行数值化将每一个像素点的数值转化为[0,255]区间的浮点数，各个像素点对应的浮点数即为其热力数值，以此得到其数值化图像，进而通过Roberts算子作为边缘检测算法识别出对数值化图像中的边缘线，进行边缘检测，得到边缘检测图。
进一步地，在S300中，建立边缘检测图与实际地图的地理位置映射的方法为：将实际地图与边缘检测图进行重合，通过位置重合对比出边缘检测图与实际地图中的地理位置的关联映射，所述实际地图为设置有路灯的地区的电子地图或数字地图。
进一步地，在S400中，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，方法为：通过边缘检测图中的边缘线，依照边缘线作为分割的界线将实际地图进行分区得到多个不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，其中，建立分区域子图像集合中各个分区域子图像的子图像检测序列的具体步骤为：
S401，在数据中心中的存储空间中设置出一个子图像检测序列，用以存储分区域子图像集合中各个分区域子图像的序号，该序号可作为直接访问其对应分区域子图像的数据；令分区域子图像集合中的分区域子图像为Fi1，变量i1的初值为1，i1取值范围为[1,n1]，n1为分区域子图像集合中分区域子图像的数量；令变量j1初值等于1, 分区域子图像集合中第i1个分区域子图像中第j1个像素点对应的实际地图的地理位置映射的地点为Mi1,j1，j1∈[1,m1]，m1表示分区域子图像Fi1中的像素点对应的实际地图的地理位置映射的地点的数量,像素点对应的实际地图的地理位置映射的地点即为地理映射点,地理映射点为地点在实际地图上的坐标值；为每个分区域子图像Fi1设置其单独对应的计数器Enumerati1,Enumerati1表示第i1个计数器，并令所有计数器Enumerati1的初始值等于零；
分别计算各个分区域子图像中各自包含的所有地理映射点的平均热力数值为V，则分区域子图像为Fi1对应的平均热力数值为Vi1；
设x和y为分区域子图像的图像矩阵中的直角坐标系的横轴坐标和纵轴坐标；
S402，当满足约束条件i1≤n1且j1≤m1时，设Fi1中的第j1个像素点对应的地理位置的坐标为(x,y)，分别计算坐标为(x,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x,y)为中心以顺时针方向环绕(x,y)移动一圈，得到相应的一圈的坐标的地理映射点的对应的热力数值；
S403，如果坐标为(x+1,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x+1,y)为中心以顺时针方向环绕(x+1,y)移动一圈，得到相应的一圈像素点的坐标的地理映射点的对应的热力数值中不存在低于平均热力数值V i1的坐标，则通过步骤S4031到步骤S4035进行旋转搜索，如果坐标为(x+1,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x+1,y)为中心以顺时针方向环绕(x+1,y)移动一圈，得到相应的一圈像素点的坐标的地理映射点的对应的热力数值中存在低于平均热力数值Vi1的坐标则跳转到步骤S404；
S4031,设变量d表示位移坐标量，d的初值等于1；
S4032,计算坐标为(x+d,y)、(x,y-d)、(x+1,y-d)三个地理映射点的热力数值H1、H2、H3，令三个地理映射点分别为geo1、geo2、geo3；
S4033,令地理映射点geo1的坐标为(xg,yg)，计算(xg+1,yg)、(xg-1,yg)、(xg,yg+1)、(xg,yg-1)、(xg+1,yg+1)、(xg+1,yg-1)、(xg-1,yg+1)、(xg-1,yg-1)的地理映射点的热力数值，筛选出其中的最小值记作Hgeo1；
S4034,令地理映射点geo2的坐标为(xe,ye)，计算(xe+1,ye)、(xe-1,ye)、(xe,ye+1)、(xe,ye-1)、(xe+1,ye+1)、(xe+1,ye-1)、(xe-1,ye+1)、(xe-1,ye-1)的地理映射点的热力数值，筛选得其中的最小值记作Hgeo2；
S4035,令地理映射点geo3的坐标为(xo,yo)，计算(xo+1,yo)、(xo-1,yo)、(xo,yo+1)、(xo,yo-1)、(xo+1,yo+1)、(xo+1,yo-1)、(xo-1,yo+1)、(xo-1,yo-1) 的地理映射点的热力数值，筛选得其中的最小值记作Hgeo3；
S4036,若满足约束条件：
符号∪表示或的逻辑，符号∩表示与的逻辑，则当前检测的作为目标的地理映射点从(x,y)跳转到坐标为(x+1,y)、(x,y-1)、(x+1,y-1)中热力数值最小的坐标并将所述坐标对应的地理映射点的序号设置为j1并跳转到步骤S402；否则，若满足约束条件：
则令变量d的值增加1，并跳转到步骤S4032；
S404，若j1小于或等于m1，将计数器Enumerati1增加1并将j1增加1跳转到步骤S402；否则将i1增加1并跳转到步骤S402；当i1大于n1时跳转到步骤S405；
S405，按照各个计数器Enumerati1的数值的大小的顺序将Enumerati1依次保存到子图像检测序列中形成一个检测序列，从而得到子图像检测序列。
进一步地，在S500中，计算路灯所在位置的光照偏差及分区阈值，当光照偏差小于
分区阈值时，则打开路灯，方法为：所述光照偏差和分区阈值通过计算该路灯在打开照明时
通过其摄像头所拍的照片与实时获取的照片而得，其中，令该路灯在打开照明时通过其摄
像头所拍的照片为Pl、实时获取的照片为Pd，则Pl和Pd的光照偏差为p，Pl和Pd的分区阈值
为β，各图像矩阵的大小进行处理统一化为k×k，例如k×k为512×512、128×128或者80×
80，并将图像矩变量i为表示其所在数组中元素的序号，min()为取数组中最小值的函数，
图像矩阵中每个像素点表示为R、G、B三分量，将图像矩阵以大小为1×k2的向量数组表示，
则Pl(i)表示Pl的向量数组的第i项、Pd(i)表示Pd的向量数组的第i项，R(i)、G(i)、B(i)分
别表示图像矩阵的向量数组的第i项的R、G、B三分量，RPl、GPl、BPl为图像矩阵Pl中的每个像
素点的R、G、B三分量，RPd、GPd、BPd为图像矩阵Pd中的每个像素点的R、G、B三分量，
表示
Pl的图像矩阵中第i个像素的R分量值，
表示Pl的图像矩阵中第i个像素的G分量值，
表示Pl的图像矩阵中第i个像素的B分量值，
表示Pd的图像矩阵中第i个像素的R
分量值，
表示Pd的图像矩阵中第i个像素的G分量值，
表示Pd的图像矩阵中第i个
像素的B分量值：
由此计算Pl和Pd的光照偏差p，有：
p=(pR+pG+pB)⁄3 ,
计算分区阈值β为：
β=(βR+βG+βB)⁄3 ,
则当
时，表示该路灯所在位置的光照不足，则打开路灯。
进一步地，在 S600中，依照子图像检测序列动态地根据不同的分区域的光照偏差
及分区阈值，计算优化调光输出，对分区域所对应的实际地图范围中的路灯的进行调控，具
体方法为：使用S400中得到的子图像检测序列对分区域子图像集合进行快速检测，在快速
对分区域子图像集合中的进行检测的同时，按照子图像检测序列中的顺序，以S500所述方
法计算各个分区域子图像Fi1中的各地理映射点的摄像头所拍的照片与实时获取的照片的
光照偏差p是否小于其分区阈值β，设分区域子图像Fi1中对应的的某一地理映射点为
、
地理映射点
的光照偏差为p`、对应的分区阈值为β`，当地理映射点geo`的光照偏差p`
小于其分区阈值β`时，则打开该地理映射点geo`处设置的路灯，设所有路灯的默认的调光
输出为
，通过计算该地理映射点geo`处的光照偏差p`和其分区阈值β`的比值，得到计算优
化后的调光输出为μopt，
以此动态地规划该区域不同位置的路灯的打开顺序并实时地调控不同位置对的路灯的调光输出的程度，从而实现在打开顺序上和调光输出的程度上对路灯亮度的智能调控；
对路灯亮度的智能调控是通过改变LED路灯的LED回路中电流大小达到调光，电源电压不变，通过改变电阻值来改变回路中的电流，即将路灯的电阻值改变为电阻值R乘以优化后的调光输出值μopt，从而达到改变LED路灯的亮度的效果。
本公开的实施例提供的一种基于大数据的智慧路灯的智能调控系统，如图2所示为本公开的一种基于大数据的智慧路灯的智能调控系统的系统结构图，该实施例的一种基于大数据的智慧路灯的智能调控方法及系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于大数据的智慧路灯的智能调控方法及系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
人口热力图采集单元，用于采集设置有路灯的路网地图的人口热力图；
边缘检测图检测单元，用于对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图；
地理位置映射单元，用于建立边缘检测图与实际地图的地理位置映射；
子图像检测序列生成单元，用于通过边缘检测图中的边缘线将实际地图进行分区得到不同的分区域得到分区域子图像集合，进而生成对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列；
光照偏差及动态分区阈值计算单元，用于计算路灯所在位置的光照偏差及分区阈值并判断打开路灯；
动态路灯调控单元，用于依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，以计算优化调光输出，从而对分区域所对应的实际地图范围中的路灯的进行调控。
所述一种基于大数据的智慧路灯的智能调控系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中。所述一种基于大数据的智慧路灯的智能调控方法及系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于大数据的智慧路灯的智能调控方法及系统的示例，并不构成对一种基于大数据的智慧路灯的智能调控方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于大数据的智慧路灯的智能调控方法及系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于大数据的智慧路灯的智能调控方法及系统运行系统的控制中心，利用各种接口和线路连接整个一种基于大数据的智慧路灯的智能调控方法及系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于大数据的智慧路灯的智能调控方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (7)
1.一种基于大数据的智慧路灯的智能调控方法，其特征在于，所述方法包括以下步骤：
S100，采集设置有路灯的路网地图的人口热力图；
S200，对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图；
S300，建立边缘检测图与实际地图的地理位置映射；
S400，通过边缘检测图中的边缘线将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列；
S500，计算路灯所在位置的光照偏差及分区阈值，当光照偏差小于分区阈值时，则打开路灯，进入S600对路灯进行智能调控；
S600，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出，对分区域所对应的实际地图范围中的路灯的进行调控。
2.根据权利要求1所述的基于大数据的智慧路灯的智能调控方法，其特征在于，在S100中，采集设置有路灯的路网地图的人口热力图的方法为：人口热力图的来源为高德地图、谷歌地图、或者腾讯位置服务应用程序编程接口，所述人口热力图是利用获取的手机基站定位该区域的用户数量，通过用户数量渲染地图颜色，以颜色显示一个城市中的各个地方的人员密集程度，所述路灯安装有摄像头并通过无线网络与数据中心连接。
3.根据权利要求1所述的基于大数据的智慧路灯的智能调控方法，其特征在于，在S200中，对人口热力图进行高斯滤波并数值化得到数值化图像，进而对数值化图像进行边缘检测得到边缘检测图的方法为：将人口热力图进行高斯滤波，并进行数值化将每一个像素点的数值转化为[0,255]区间的浮点数，各个像素点对应的浮点数即为其热力数值，以此得到其数值化图像，进而通过Roberts算子作为边缘检测算法识别出对数值化图像中的边缘线，进行边缘检测，得到边缘检测图。
4.根据权利要求1所述的基于大数据的智慧路灯的智能调控方法，其特征在于，在S300中，建立边缘检测图与实际地图的地理位置映射的方法为：将实际地图与边缘检测图进行重合，通过位置重合对比出边缘检测图与实际地图中的地理位置的关联映射。
5.根据权利要求3所述的基于大数据的智慧路灯的智能调控方法，其特征在于，在S400中，通过边缘检测图中的边缘线，将实际地图进行分区得到不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列的方法为：通过边缘检测图中的边缘线，依照边缘线作为分割的界线将实际地图进行分区得到多个不同的分区域，得到分区域子图像集合，进而建立对分区域子图像集合中各个分区域子图像进行按序检测的子图像检测序列，其中，建立分区域子图像集合中各个分区域子图像的子图像检测序列的具体步骤为：
S401，在数据中心中的存储空间中设置出一个子图像检测序列，用以存储分区域子图像集合中各个分区域子图像的序号，该序号可作为直接访问其对应分区域子图像的数据；令分区域子图像集合中的分区域子图像为Fi1，变量i1的初值为1，i1取值范围为[1,n1]，n1为分区域子图像集合中分区域子图像的数量；令变量j1初值等于1, j1∈[1,m1]，m1表示分区域子图像Fi1中的像素点对应的实际地图的地理位置映射的地点的数量，像素点对应的实际地图的地理位置映射的地点即为地理映射点,地理映射点为地点在实际地图上的坐标值；为每个分区域子图像Fi1设置其单独对应的计数器Enumerati1, Enumerati1表示第i1个计数器，并令所有计数器Enumerati1的初始值等于零；
分别计算各个分区域子图像中各自包含的所有地理映射点的平均热力数值为V，则分区域子图像为Fi1对应的平均热力数值为Vi1；
设x和y为分区域子图像的图像矩阵中的直角坐标系的横轴坐标和纵轴坐标；
S402，当满足约束条件i1≤n1且j1≤m1时，设Fi1中的第j1个像素点对应的地理位置的坐标为(x,y),分别计算坐标为(x,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x,y)为中心以顺时针方向环绕坐标(x,y)移动一圈；
S403，如果坐标为(x+1,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标(x+1,y)为中心以顺时针方向环绕(x+1,y)移动一圈，得到相应的一圈像素点的对应的热力数值中不存在低于平均热力数值V i1的坐标，则通过步骤S4031到步骤S4035进行旋转搜索，如果坐标为(x+1,y)作为起点，先向沿着横轴坐标右平移1个横轴坐标的标准单位，再以坐标 (x+1,y)为中心以顺时针方向环绕(x+1,y)移动一圈，得到相应的一圈像素点的对应的热力数值中存在低于平均热力数值Vi1的坐标则跳转到步骤S404；
S4031,设变量d表示位移坐标量，d的初值等于1；
S4032,计算坐标为(x+d,y)、(x,y-d)、(x+1,y-d)三个地理映射点的热力数值H1、H2、H3，令三个地理映射点分别为geo1、geo2、geo3；
S4033,令地理映射点geo1的坐标为(xg,yg)，计算(xg+1,yg)、(xg-1,yg)、(xg,yg+1)、(xg,yg-1)、(xg+1,yg+1)、(xg+1,yg-1)、(xg-1,yg+1)、(xg-1,yg-1)的地理映射点的热力数值，筛选出其中的最小值记作Hgeo1；
S4034,令地理映射点geo2的坐标为(xe,ye)，计算(xe+1,ye)、(xe-1,ye)、(xe,ye+1)、(xe,ye-1)、(xe+1,ye+1)、(xe+1,ye-1)、(xe-1,ye+1)、(xe-1,ye-1)的地理映射点的热力数值，筛选得其中的最小值记作Hgeo2；
S4035,令地理映射点geo3的坐标为(xo,yo)，计算(xo+1,yo)、(xo-1,yo)、(xo,yo+1)、(xo,yo-1)、(xo+1,yo+1)、(xo+1,yo-1)、(xo-1,yo+1)、(xo-1,yo-1) 的地理映射点的热力数值，筛选得其中的最小值记作Hgeo3；
S4036,若满足约束条件：
符号∪表示或的逻辑，符号∩表示与的逻辑，则当前检测的作为目标的地理映射点从(x,y)跳转到坐标为(x+1,y)、(x,y-1)、(x+1,y-1)中热力数值最小的坐标并将所述坐标对应的地理映射点的序号设置为j1并跳转到步骤S402；否则，若满足约束条件：
则令变量d的值增加1，并跳转到步骤S4032；
S404，若j1小于或等于m1，将计数器Enumerati1增加1并将j1的值增加1跳转到步骤S402；否则将i1的值增加1并跳转到步骤S402；当i1大于n1时跳转到步骤S405；
S405，按照各个计数器Enumerati1的数值的大小的顺序将Enumerati1依次保存到子图像检测序列中形成一个检测序列，从而得到子图像检测序列。
6.根据权利要求5所述的基于大数据的智慧路灯的智能调控方法，其特征在于，在S500中，计算路灯所在位置的光照偏差及分区阈值，当光照偏差小于分区阈值时，则打开路灯的方法为：所述光照偏差和分区阈值通过计算该路灯在打开照明时通过其摄像头所拍的照片与实时获取的照片而得，其中，令该路灯在打开路灯时通过路灯安装的摄像头采集的首张照片为Pl、当前实时获取的照片为Pd，则Pl和Pd的光照偏差为p，Pl和Pd的分区阈值为β，将Pl和Pd中各个照片图像的图像矩阵的大小进行处理统一化为k×k像素，并将图像矩变量i为表示其所在数组中元素的序号，min()为取数组中最小值的函数，图像矩阵中每个像素点表示为R、G、B三个分量的值，将图像矩阵以大小为1×k2的向量数组表示，则Pl(i)表示Pl的向量数组的第i项、Pd(i)表示Pd的向量数组的第i项，R(i)、G(i)、B(i)分别表示图像矩阵的向量数组的第i项的R、G、B三分量，RPl、GPl、BPl为图像矩阵Pl中的每个像素点的R、G、B三分量，RPd、GPd、BPd为图像矩阵Pd中的每个像素点的R、G、B三分量，RPl(i)表示Pl的图像矩阵中第i个像素的R分量值，GPl(i)表示Pl的图像矩阵中第i个像素的G分量值，BPl(i)表示Pl的图像矩阵中第i个像素的B分量值，RPd(i)表示Pd的图像矩阵中第i个像素的R分量值，GPd(i)表示Pd的图像矩阵中第i个像素的G分量值，BPd(i)表示Pd的图像矩阵中第i个像素的B分量值：
p=(pR+pG+pB)⁄3 ,
计算分区阈值β为：
β=(βR+βG+βB)⁄3，
则当p＜β时，表示该路灯所在位置的光照不足，则打开路灯。
7.根据权利要求6所述的基于大数据的智慧路灯的智能调控方法，其特征在于，在S600中，依照子图像检测序列动态地根据不同的分区域的光照偏差及分区阈值，计算优化调光输出，对分区域所对应的实际地图范围中的路灯的进行调控的具体方法为：使用子图像检测序列的序号依次对分区域子图像集合进行快速检测，在快速对分区域子图像集合中的进行检测的同时，计算各个分区域子图像Fi1中的各地理映射点的摄像头所拍的照片与实时获取的照片的光照偏差p是否小于其分区阈值β，设分区域子图像Fi1中对应的的某一地理映射点为geo`、地理映射点geo`的光照偏差为p`、对应的分区阈值为β`，当地理映射点geo`的光照偏差p`小于其分区阈值β`时，则打开该地理映射点geo`处设置的路灯，设所有路灯的默认的调光输出或者最大的调光输出为μ，计算该地理映射点geo`处的光照偏差p`和其分区阈值β`的比值，得到计算优化后的调光输出为μopt，
μopt=μ×|(β`)/(p`)|，
以此动态地规划该区域不同位置的路灯的打开顺序并实时地调控不同位置对的路灯的调光输出的程度，从而实现在打开顺序上和调光输出的程度上对路灯的亮度智能调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110787456.7A CN113240676B (zh) | 2021-07-13 | 2021-07-13 | 一种基于大数据的智慧路灯的智能调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110787456.7A CN113240676B (zh) | 2021-07-13 | 2021-07-13 | 一种基于大数据的智慧路灯的智能调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113240676A true CN113240676A (zh) | 2021-08-10 |
| CN113240676B CN113240676B (zh) | 2021-10-15 |
Family
ID=77135376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110787456.7A Active CN113240676B (zh) | 2021-07-13 | 2021-07-13 | 一种基于大数据的智慧路灯的智能调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113240676B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113936021A (zh) * | 2021-09-18 | 2022-01-14 | 广东石油化工学院 | 一种基于sem图像的软团聚分子识别方法及系统 |
| CN113962136A (zh) * | 2021-12-22 | 2022-01-21 | 广东工业大学 | 一种基于有限元的焊接后工件应力重构方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160335929A1 (en) * | 2015-05-11 | 2016-11-17 | Bsdm & M, Inc. | Electronic traffic sign with attachments |
| US20190012547A1 (en) * | 2016-01-12 | 2019-01-10 | Hitachi Kokusai Electric Inc. | Congestion-state-monitoring system |
| CN109587901A (zh) * | 2018-11-09 | 2019-04-05 | 重庆光电信息研究院有限公司 | 照明之智慧调控系统与方法 |
| CN109712151A (zh) * | 2018-12-31 | 2019-05-03 | 航天精一(广东)信息科技有限公司 | 一种逆向渲染绘制热力图的方法 |
| CN209371087U (zh) * | 2018-11-23 | 2019-09-10 | 赵树立 | 一种基于物联网的多功能智能路灯 |
| CN209746413U (zh) * | 2019-03-15 | 2019-12-06 | 厦门金名节能科技有限公司 | 基于人员密集程度进行室内用能设备智能控制的系统 |
| CN110599782A (zh) * | 2019-11-07 | 2019-12-20 | 山西省地震局 | 一种根据人口分布热力图控制红绿灯时长的方法 |
| CN111695045A (zh) * | 2019-03-14 | 2020-09-22 | 北京嘀嘀无限科技发展有限公司 | 一种热力图展示、热力数据通知的方法及装置 |
| CN112351563A (zh) * | 2020-11-13 | 2021-02-09 | 福建雅斯达智能科技有限公司 | 一种自动调节照明范围的智能照明灯 |
| CN112393186A (zh) * | 2020-11-18 | 2021-02-23 | 横店集团得邦照明股份有限公司 | 一种具有人流密度监测报警功能的智能led路灯 |
-
2021
- 2021-07-13 CN CN202110787456.7A patent/CN113240676B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160335929A1 (en) * | 2015-05-11 | 2016-11-17 | Bsdm & M, Inc. | Electronic traffic sign with attachments |
| US20190012547A1 (en) * | 2016-01-12 | 2019-01-10 | Hitachi Kokusai Electric Inc. | Congestion-state-monitoring system |
| CN109587901A (zh) * | 2018-11-09 | 2019-04-05 | 重庆光电信息研究院有限公司 | 照明之智慧调控系统与方法 |
| CN209371087U (zh) * | 2018-11-23 | 2019-09-10 | 赵树立 | 一种基于物联网的多功能智能路灯 |
| CN109712151A (zh) * | 2018-12-31 | 2019-05-03 | 航天精一(广东)信息科技有限公司 | 一种逆向渲染绘制热力图的方法 |
| CN111695045A (zh) * | 2019-03-14 | 2020-09-22 | 北京嘀嘀无限科技发展有限公司 | 一种热力图展示、热力数据通知的方法及装置 |
| CN209746413U (zh) * | 2019-03-15 | 2019-12-06 | 厦门金名节能科技有限公司 | 基于人员密集程度进行室内用能设备智能控制的系统 |
| CN110599782A (zh) * | 2019-11-07 | 2019-12-20 | 山西省地震局 | 一种根据人口分布热力图控制红绿灯时长的方法 |
| CN112351563A (zh) * | 2020-11-13 | 2021-02-09 | 福建雅斯达智能科技有限公司 | 一种自动调节照明范围的智能照明灯 |
| CN112393186A (zh) * | 2020-11-18 | 2021-02-23 | 横店集团得邦照明股份有限公司 | 一种具有人流密度监测报警功能的智能led路灯 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113936021A (zh) * | 2021-09-18 | 2022-01-14 | 广东石油化工学院 | 一种基于sem图像的软团聚分子识别方法及系统 |
| CN113936021B (zh) * | 2021-09-18 | 2022-07-05 | 广东石油化工学院 | 一种基于sem图像的软团聚分子识别方法及系统 |
| CN113962136A (zh) * | 2021-12-22 | 2022-01-21 | 广东工业大学 | 一种基于有限元的焊接后工件应力重构方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113240676B (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113240676B (zh) | 一种基于大数据的智慧路灯的智能调控方法及系统 | |
| CN106464801B (zh) | 用于确定图像分辨率的系统和方法 | |
| KR101785982B1 (ko) | 모자이크 이미지 생성 방법 및 장치 | |
| CN109951627B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN105227858A (zh) | 一种图像处理方法及移动终端 | |
| US10798356B2 (en) | White balance processing method, electronic device and computer readable storage medium | |
| EP3843418A1 (en) | Video abstract generating method and apparatus, computing device, and storage medium | |
| CN113518494A (zh) | 智慧路灯控制方法、装置、存储介质及服务器 | |
| WO2024011976A1 (zh) | 一种扩展图像动态范围的方法及电子设备 | |
| CN110570370B (zh) | 图像信息的处理方法、装置、存储介质及电子设备 | |
| CN113421189A (zh) | 图像超分辨率处理方法和装置、电子设备 | |
| CN108764139A (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
| JP5279653B2 (ja) | 画像追尾装置、画像追尾方法、及びコンピュータプログラム | |
| CN110163816B (zh) | 图像信息的处理方法、装置、存储介质及电子设备 | |
| CN109996377A (zh) | 一种路灯控制方法、装置及电子设备 | |
| CN116484564A (zh) | 虚拟灯具配置方法、装置、计算机设备和计算机可读存储介质 | |
| CN111800568B (zh) | 补光方法及装置 | |
| CN116958794A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
| CN108228030B (zh) | 相册显示方法、装置、存储介质及电子设备 | |
| CN106128287A (zh) | 一种基于智能语音交互的多媒体3d地形图及其控制方法 | |
| CN116310038A (zh) | 模型渲染方法、装置、电子设备和计算机可读存储介质 | |
| US20230401791A1 (en) | Landmark data collection method and landmark building modeling method | |
| CN114283267A (zh) | 一种阴影图确定方法及装置 | |
| CN112616216A (zh) | 一种灯光控制方法、灯光照明系统、终端设备 | |
| CN109831628B (zh) | 终端拍照模式的调整方法、装置、终端及存储介质 |
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 |