CN113326755A - 一种照明系统监测手部位置实现照明区域控制的方法 - Google Patents

一种照明系统监测手部位置实现照明区域控制的方法 Download PDF

Info

Publication number
CN113326755A
CN113326755A CN202110557606.5A CN202110557606A CN113326755A CN 113326755 A CN113326755 A CN 113326755A CN 202110557606 A CN202110557606 A CN 202110557606A CN 113326755 A CN113326755 A CN 113326755A
Authority
CN
China
Prior art keywords
illumination
hand
tiny
lighting
area
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
Application number
CN202110557606.5A
Other languages
English (en)
Inventor
梁子涛
吴朝晖
游诗慧
李炜瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110557606.5A priority Critical patent/CN113326755A/zh
Publication of CN113326755A publication Critical patent/CN113326755A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V40/107—Static hand or arm
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • 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
    • 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
    • H05B47/155—Coordinated control of two or more light sources
    • 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
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本发明公开了一种照明系统监测手部位置实现照明区域控制的方法，该方法是通过改进的Tiny‑YOLOv2网络模型识别手部位置并输出位置坐标，再控制LED照明矩阵中相应WS2812灯组点亮，实现手部区域的局部照明。其中，改进的Tiny‑YOLOv2网络模型是将Tiny‑YOLOv2网络模型的基础网络更换为MobileNet基础网络，MobileNet基础网络由13层深度可分离卷积层组成，每层深度可分离卷积层由3×3深度卷积层和1×1点卷积层组成。本发明将对需局部照明的区域即手部所在位置进行监控，并予以照明跟踪，满足操作灵活度高的照明设备使用者的照明需求，使得使用者能更专注于复杂的工作。

Description

一种照明系统监测手部位置实现照明区域控制的方法
技术领域
本发明涉及智能照明设备的技术领域，尤其是指一种照明系统监测手部位置实现照明区域控制的方法。
背景技术
智能照明设备通过控制方式和控制内容的多样化，使得照明设备的操控变得简易，照明条件足以满足各种需求，同时特殊控制方式也能照顾到特殊群体。
目前小型智能照明设备的智能化主要体现在控制方式和控制内容上，控制方式上主流的控制方法有语音控制、蓝牙控制、局域网控制、另外还有通过手张开闭合的情况进行控制等方法，控制内容聚焦在光照照度，色温两个方面，对于照明区域的控制缺少探索，而对于一些操作位置移动频繁且移动距离大的特殊工作场景，仅仅只是照度与色温的智能化并不能最大化地为操作提供便利，操作人员仍需频繁移动照明设备或者直接使用大范围的照明设备，前者加大了操作复杂度，后者耗费大量能源，应当寻求更适于特殊工作场景需求的节能照明方式。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提出了一种照明系统监测手部位置实现照明区域控制的方法，对需局部照明的区域即手部所在位置进行监控，并予以照明跟踪，满足操作灵活度高的照明设备使用者的照明需求，使得使用者能更专注于复杂的工作。
为实现上述目的，本发明所提供的技术方案为：一种照明系统监测手部位置实现照明区域控制的方法，所述照明系统包括摄像头、LED照明矩阵和控制器；所述摄像头用于监测待照明区域的图像；所述LED照明矩阵由WS2812灯组串联排列构成用于照明；所述控制器用于识别手部、输出手部位置坐标并控制LED照明矩阵中的WS2812灯组的点亮；该方法是通过改进的Tiny-YOLOv2网络模型识别手部位置并输出位置坐标，再控制LED照明矩阵中相应WS2812灯组点亮，实现手部区域的局部照明，其包括以下步骤：
1)构建以手部图像为样本的训练数据集，采用K-means聚类算法归类出训练数据集中anchor box的初始尺寸，并将其作为改进的Tiny-YOLOv2网络模型的anchor box的参数，得到初始化的Tiny-YOLOv2网络模型；
2)将训练数据集输入已初始化的Tiny-YOLOv2网络模型进行训练，得到训练好的Tiny-YOLOv2网络模型；
3)将摄像头获得的图像输入到训练好的Tiny-YOLOv2网络模型，调整IOU阈值，得到输出的手部位置坐标；
4)利用输出的手部位置坐标，控制器控制LED照明矩阵中相应的WS2812灯组点亮，进行手部区域的局部照明。
进一步，在步骤1)中，所述手部图像经过标注软件对图像中的手所在位置进行方框标注，得到含手部位置标注框的训练数据集；所述K-means聚类算法用于对训练数据集中手部位置标注框的位置进行聚类统计，得到anchor box的合适尺寸，提高模型收敛速度。
进一步，在步骤1)中，改进的Tiny-YOLOv2网络模型情况具体如下：
将Tiny-YOLOv2网络模型的基础网络更换为MobileNet基础网络，其中，所述MobileNet基础网络由13层深度可分离卷积层组成，每层深度可分离卷积层由3×3深度卷积层和1×1点卷积层组成，所述MobileNet基础网络是一种轻量级的深度可分离卷积神经网络，通过将标准卷积层分解为深度卷积和逐点卷积，降低参数量和计算量。
进一步，在步骤2)中，令分类数量固定为1，即初始化的Tiny-YOLOv2网络模型只识别“手”这个唯一的类别，减少计算量，提高计算速度，再将训练数据集输入进行训练。
进一步，在步骤3)中，所述IOU阈值是指当训练好的Tiny-YOLOv2网络模型输出两个以上的预测框，且预测框之间的交并比大于设定IOU阈值时，使预测框发生合并。
进一步，在进行步骤3)之前，需要先确定待照明区域，将WS2812灯组串联，按照等间隔排列成LED照明矩阵，全部点亮后，覆盖整个待照明区域，安放摄像头，拍摄空间为整个待照明区域。
进一步，所述控制器搭载芯片K210，LED照明矩阵连接芯片K210的IO口，接收芯片K210发送的IO口数据。
本发明与现有技术相比，具有如下优点与有益效果：
1、本发明首次实现了智能照明设备在照明区域控制方面的探索，拓宽了智能照明设备智能化的范畴。
2、本发明结合深度学习算法并进行改进，目标检测精度高，运算速度快，实时性好。
3、本发明成本低，控制器中搭载的芯片K210算力高成本低，具有一定的市场需求。
4、本发明可应用于多种需专注照明领域，拓展性强。如：a、学生宿舍中，可安置在床板下；b、大的舞台上，进行演员、主持人的走动自动照明；c、手术室中，进行手术区域的专注照明等。
5、本发明减少了在需要专注照明的时候移动灯光的人力成本。
6、本发明并不因为LED的数目增加而增加耗电，照明系统的耗电较少。
附图说明
图1为Tiny-YOLOv2网络模型的训练收敛曲线图。
图2为LED照明矩阵串联方式示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
本实施例提供了一种照明系统监测手部位置实现照明区域控制的方法，所述照明系统包括摄像头、LED照明矩阵和控制器；所述摄像头用于监测待照明区域的图像；所述LED照明矩阵由WS2812灯组串联排列构成用于照明；所述控制器搭载芯片K210，用于识别手部、输出手部位置坐标并控制LED照明矩阵中的WS2812灯组的点亮；
所述方法是通过改进的Tiny-YOLOv2网络模型识别手部位置并输出位置坐标，再控制LED照明矩阵中相应WS2812灯组点亮，实现手部区域的局部照明，其包括以下步骤：
1)构建以手部图像为样本的训练数据集，采用K-means聚类算法归类出训练数据集中anchor box的初始尺寸，并将其作为改进的Tiny-YOLOv2网络模型的anchor box的参数，得到初始化的Tiny-YOLOv2网络模型。
所述手部图像经过标注软件对图像中的手所在位置进行方框标注，得到含手部位置标注框的训练数据集；所述K-means聚类算法用于对训练数据集中手部位置标注框的位置进行聚类统计，得到anchor box的合适尺寸，提高模型收敛速度。
改进的Tiny-YOLOv2网络模型情况具体如下：
将Tiny-YOLOv2网络模型的基础网络更换为MobileNet基础网络，其中，所述MobileNet基础网络由13层深度可分离卷积层组成，每层深度可分离卷积层主要由3×3深度卷积层和1×1点卷积层组成，所述MobileNet基础网络是一种轻量级的深度可分离卷积神经网络，通过将标准卷积层分解为深度卷积和逐点卷积，降低参数量和计算量。
2)将训练数据集输入已初始化的Tiny-YOLOv2网络模型进行训练，得到训练好的Tiny-YOLOv2网络模型，具体如下：
令分类数量固定为1，即初始化的Tiny-YOLOv2网络模型只识别“手”这个唯一的类别，减少计算量，提高计算速度，再将训练数据集输入进行训练，模型收敛成功，如图1所示。
3)将摄像头获得的图像输入到训练好的Tiny-YOLOv2网络模型，调整IOU阈值，得到输出的手部位置坐标；其中，当训练好的Tiny-YOLOv2网络模型输出两个以上的预测框，且预测框之间的交并比大于设定IOU阈值时，使预测框发生合并，最终实现只有一个预测框并得到输出的手部位置。
4)利用输出的手部位置坐标，控制器控制LED照明矩阵中相应的WS2812灯组点亮，进行手部区域的局部照明。
在进行步骤3)之前，需要先确定待照明区域，将WS2812灯组串联，按照等间隔排列成LED照明矩阵，全部点亮后，覆盖整个待照明区域，安放摄像头，拍摄空间为整个待照明区域，下面我们以应用于宿舍写字台为例进行说明。
首先，根据宿舍写字台大小，确定LED照明矩阵为：
Figure BDA0003077757030000051
其中，每个WS2812灯组内置8颗全彩LED，可保证足够的亮度调节范围。如图2所示，将WS2812灯组串联，按照等间隔排列成LED照明矩阵，安装在宿舍的床板上。
然后，LED照明矩阵连接控制器的芯片K210的IO口，接收芯片K210发送的IO口数据。
最后，利用输出的手部位置坐标，芯片K210控制LED照明矩阵中相应的WS2812灯组点亮，进行手部区域的局部照明，具体如下：
实时的手部位置坐标与LED照明矩阵对应，可以得到：
Figure BDA0003077757030000061
时，有hmn＝1
式中，bx为预测框左上角的横坐标，by为预测框左上角的纵坐标，bw为预测框的宽，bh为预测框的高，hmn为需点亮的WS2812灯组，N＝3，M＝3，m、n分别为横纵的LED照明矩阵序号。
将需点亮的WS2812灯组转换成对应的LED序号，IO口输出信息，手部区域实现局部照明；其中，LED序号为：8*((n-1)*N+m)。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种照明系统监测手部位置实现照明区域控制的方法，所述照明系统包括摄像头、LED照明矩阵和控制器；所述摄像头用于监测待照明区域的图像；所述LED照明矩阵由WS2812灯组串联排列构成用于照明；所述控制器用于识别手部、输出手部位置坐标并控制LED照明矩阵中的WS2812灯组的点亮；其特征在于，该方法是通过改进的Tiny-YOLOv2网络模型识别手部位置并输出位置坐标，再控制LED照明矩阵中相应WS2812灯组点亮，实现手部区域的局部照明，其包括以下步骤：
1)构建以手部图像为样本的训练数据集，采用K-means聚类算法归类出训练数据集中anchor box的初始尺寸，并将其作为改进的Tiny-YOLOv2网络模型的anchor box的参数，得到初始化的Tiny-YOLOv2网络模型；
2)将训练数据集输入已初始化的Tiny-YOLOv2网络模型进行训练，得到训练好的Tiny-YOLOv2网络模型；
3)将摄像头获得的图像输入到训练好的Tiny-YOLOv2网络模型，调整IOU阈值，得到输出的手部位置坐标；
4)利用输出的手部位置坐标，控制器控制LED照明矩阵中相应的WS2812灯组点亮，进行手部区域的局部照明。
2.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤1)中，所述手部图像经过标注软件对图像中的手所在位置进行方框标注，得到含手部位置标注框的训练数据集；所述K-means聚类算法用于对训练数据集中手部位置标注框的位置进行聚类统计，得到anchor box的合适尺寸，提高模型收敛速度。
3.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤1)中，改进的Tiny-YOLOv2网络模型情况具体如下：
将Tiny-YOLOv2网络模型的基础网络更换为MobileNet基础网络，其中，所述MobileNet基础网络由13层深度可分离卷积层组成，每层深度可分离卷积层由3×3深度卷积层和1×1点卷积层组成，所述MobileNet基础网络是一种轻量级的深度可分离卷积神经网络，通过将标准卷积层分解为深度卷积和逐点卷积，降低参数量和计算量。
4.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤2)中，令分类数量固定为1，即初始化的Tiny-YOLOv2网络模型只识别“手”这个唯一的类别，减少计算量，提高计算速度，再将训练数据集输入进行训练。
5.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤3)中，当训练好的Tiny-YOLOv2网络模型输出两个以上的预测框，且预测框之间的交并比大于设定IOU阈值时，使预测框发生合并，最终实现只有一个预测框并得到输出的手部位置。
6.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在进行步骤3)之前，需要先确定待照明区域，将WS2812灯组串联，按照等间隔排列成LED照明矩阵，全部点亮后，覆盖整个待照明区域，安放摄像头，拍摄空间为整个待照明区域。
7.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，所述控制器搭载芯片K210，LED照明矩阵连接芯片K210的IO口，接收芯片K210发送的IO口数据。
CN202110557606.5A 2021-05-21 2021-05-21 一种照明系统监测手部位置实现照明区域控制的方法 Pending CN113326755A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110557606.5A CN113326755A (zh) 2021-05-21 2021-05-21 一种照明系统监测手部位置实现照明区域控制的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110557606.5A CN113326755A (zh) 2021-05-21 2021-05-21 一种照明系统监测手部位置实现照明区域控制的方法

Publications (1)

Publication Number Publication Date
CN113326755A true CN113326755A (zh) 2021-08-31

Family

ID=77416265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110557606.5A Pending CN113326755A (zh) 2021-05-21 2021-05-21 一种照明系统监测手部位置实现照明区域控制的方法

Country Status (1)

Country Link
CN (1) CN113326755A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163048A (zh) * 2018-07-10 2019-08-23 腾讯科技（深圳）有限公司 手部关键点的识别模型训练方法、识别方法及设备
CN110472467A (zh) * 2019-04-08 2019-11-19 江西理工大学 基于YOLO v3的针对交通枢纽关键物体的检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163048A (zh) * 2018-07-10 2019-08-23 腾讯科技（深圳）有限公司 手部关键点的识别模型训练方法、识别方法及设备
CN110472467A (zh) * 2019-04-08 2019-11-19 江西理工大学 基于YOLO v3的针对交通枢纽关键物体的检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ANDREW G. HOWARD 等: "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision", 《ARXIV:1704.04861V1》 *
JOSEPH REDMON 等: "YOLO9000:Better, Faster, Stronger", 《IEEE》 *
刘甫 等: "基于动态目标跟踪技术和PLC Bus的智能照明控制系统", 《照明工程学报》 *
昝珊珊 等: "融合改进YOLOv2 网络的视觉多目标跟踪方法", 《小型微型计算机系统》 *
王建林 等: "改进ＹＯＬＯｖ２卷积神经网络的多类型合作目标检测", 《光学 精密工程》 *

Similar Documents

Publication Publication Date Title
CN102958241B (zh) 光源控制系统及方法、手持装置
CN108712809B (zh) 一种基于神经网络的光环境智能控制方法
CN101442861B (zh) Led灯光场景控制系统及其控制方法
CN112969254B (zh) 一种基于场景自动识别的商务宾馆客房照明控制装置
CN101969718B (zh) 智能灯光控制系统及其控制方法
CN104320881B (zh) 一种led无影灯照明系统中的智能调光控制器
CN202033568U (zh) 照明系统
CN105282939B (zh) 一种节能照明控制方法及系统
CN110113836A (zh) 场景式教室智能照明系统、控制装置及优化和控制方法
DE102018213656B4 (de) Leuchte zur Nachverfolgung von Belegenden
CN107949115A (zh) 一种健康智能教室照明系统
CN109874209A (zh) 基于场景自动识别的商务酒店客房场景照明系统
CN109542233B (zh) 一种基于动态手势和人脸识别的灯具控制系统
CN202992916U (zh) 一种具备图像和视频识别功能的led灯
CN110740549A (zh) 一种利用人工智能技术自动调节照明装置照明区域和照度的系统及方法
CN108770151A (zh) 基于场景的智能照明集成控制系统和方法
CN109874197B (zh) 基于场景自动识别的商务酒店客房照明控制方法
HK1078160A1 (en) Object recognition system including an adaptive light source
CN110139436A (zh) 基于人群密度信息互联式校园照明节能控制方法
CN103179766A (zh) 一种交互式的led照明控制方法及装置
CN113326755A (zh) 一种照明系统监测手部位置实现照明区域控制的方法
CN112254098A (zh) 一种具有情绪识别功能照明系统及方法
CN116647960A (zh) 一种基于物联网的舞台灯光调控系统
CN112218414A (zh) 一种自适应设备亮度调节的方法及系统
CN108770122A (zh) 基于环境光和空间密度自适应的室内照明方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210831