CN113365400B - 基于人工智能和视频分析的多时段路灯控制系统 - Google Patents
基于人工智能和视频分析的多时段路灯控制系统 Download PDFInfo
- Publication number
- CN113365400B CN113365400B CN202110601791.3A CN202110601791A CN113365400B CN 113365400 B CN113365400 B CN 113365400B CN 202110601791 A CN202110601791 A CN 202110601791A CN 113365400 B CN113365400 B CN 113365400B
- Authority
- CN
- China
- Prior art keywords
- brightness
- area
- street lamp
- road
- sub
- 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
- H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
-
- 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
-
- 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
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient light
-
- 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
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明提供了一种基于人工智能和视频分析的多时段路灯控制系统,该系统包括:用于根据目标区域中第一子区域与第二子区域的亮度差值对第一子区域的亮度进行修正,基于修正后第一子区域的亮度和第二子区域的亮度计算目标区域亮度均值的亮度均值计算模块;用于在预设亮度范围内获取道路两侧路灯的亮度组合,将亮度组合发送给亮度均值计算模块计算目标区域亮度均值,在目标区域亮度均值满足人眼可觉察的最低亮度值的条件下,基于亮度和的大小寻找最优亮度组合,得到道路两侧路灯的最优亮度的路灯亮度获取模块;本发明基于目标区域中较亮区域和较暗区域的亮度差值对较亮区域的亮度进行修正,从而使路灯亮度设置的更加合理。
Description
技术领域
本发明涉及人工智能领域,具体为一种基于人工智能和视频分析的多时段路灯控制系统。
背景技术
现有的路灯自动控制方法通常基于行人信息或车辆信息进行路灯的控制,在多时段情况下,基于天气信息和光照信息进行路灯的控制。但现有技术存在的问题在于,未考虑路灯的照射范围、照射强度以及变更路灯照射强度对道路另一侧路灯的影响,导致存在冗余照明,以及现有技术未考虑人眼对路灯光线的感受,在调节路灯亮度时存在亮度过弱或过强的情况。
发明内容
为了解决上述问题,本发明提出一种基于人工智能和视频分析的多时段路灯控制系统,该系统包括:
亮度均值计算模块,用于根据目标区域中第一子区域与第二子区域的亮度差值对第一子区域的亮度进行修正,基于修正后第一子区域的亮度和第二子区域的亮度计算目标区域亮度均值;其中,目标区域包括道路两侧路灯的照射区域,所述道路两侧路灯连线与道路方向垂直,第一子区域亮度大于第二子区域;
路灯亮度获取模块,用于在预设亮度范围内获取道路两侧路灯的亮度组合,将亮度组合发送给亮度均值计算模块计算目标区域亮度均值,在目标区域亮度均值满足人眼可觉察的最低亮度值的条件下,基于亮度和的大小寻找最优亮度组合,得到道路两侧路灯的最优亮度;
路灯控制模块,用于定时更新道路两侧路灯的最优亮度,并在检测到行人时,以最优亮度进行路灯控制。
优选地,所述亮度均值计算模块还包括:
判断道路两侧路灯照射区域是否存在重合区域,当存在重合区域时,目标区域为道路两侧路灯照射区域的并集区域,第一子区域为目标区域中的重合区域,第二子区域非重合区域,根据第一子区域与第二子区域亮度均值的差值、第一子区域与目标区域的面积比获取第一修正系数,利用第一修正系数对第一子区域的亮度进行修正。
优选地,当不存在重合区域时,目标区域为道路两侧路灯照射区域的最小外接区域,目标区域中道路两侧路灯的照射区域为第一子区域,其余区域为第二子区域,根据第一子区域与第二子区域亮度均值的差值、第一子区域与目标区域的面积比获取第二修正系数,利用第二修正系数对第一子区域的亮度进行修正。
优选地,所述判断道路两侧路灯的照射区域是否存在重合区域的步骤为:
获取道路两侧路灯照射区域的实际中心点;基于所述亮度组合获取道路两侧路灯的照射半径;根据道路两侧路灯照射区域的实际中心点和照射半径判断是否存在重合区域。
优选地,所述获取道路两侧路灯照射区域的实际中心点的步骤为:
获取照射区域图像,其中,照射区域图像中包括对侧路灯灯柱与路面的交点,所述对侧路灯指处于拍摄装置对侧的路灯,拍摄装置以斜俯视视角采集照射区域图像;
以第一数值限制聚类簇的个数,对照射区域图像中的照射区域像素点进行聚类,确定目标区域中心点,过所述中心点获取垂直道路方向的直线;
在所述直线上选择聚类中心点,以第二数值限制聚类簇的个数,再次进行聚类,得到道路两侧路灯照射区域的实际中心点。
优选地,所述获取道路两侧路灯照射区域的实际中心点的步骤还包括:
获取照射区域图像中对侧路灯照射区域的预测中心点;
获取对侧路灯照射区域的预测中心点与实际中心点之间向量的模长,基于历史数据拟合模长与照射区域图像分辨率、路灯高度之间的映射关系;
根据获取的对侧路灯照射区域的预测中心点和利用第一映射关系得到的向量模长得到对侧路灯照射区域的实际中心点。
优选地,获取照射区域中心点与照射区域边缘点连线上亮度的衰减曲线函数,根据亮度组合中的亮度值与衰减曲线函数可得到道路两侧路灯的照射半径。
优选地,所述衰减曲线函数为二维高斯型衰减曲线函数。
优选地,该系统还包括:
路灯亮度调整模块,用于基于天气信息、空气污染信息和周围区域亮度信息对最优亮度进行调整,获取调整系数,并将调整系数发送给路灯控制模块;所述周围区域亮度信息为无路灯区域的亮度。
优选地,将天气信息、空气污染信息和周围区域亮度信息输入系数回归模型得到所述调整系数。
本发明的有益效果在于:
1.利用本发明聚类方法可在处于道路两侧的两个路灯的照射区域存在重叠区域时得到准确的照射区域的实际中心点,为后续计算提供精确数据。
2.本发明基于同样的物体放在暗背景里看起来亮,放在亮背景里看起来暗这一现象对路灯亮度进行调节,使路灯亮度设置的更加合理。
3.本发明在设置路灯亮度时还考虑了天气因素,可根据天气信息变化动态调节路灯亮度,本发明所述路灯控制系统具有对天气的鲁棒性。
附图说明
图1为本发明系统构成图。
具体实施方式
为了让本领域技术人员更好的理解本发明,下面结合实施例对本发明进行详细描述。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
本发明所针对的具体场景为:道路场景下的多时段路灯控制,所述路灯控制旨在控制路灯的开启与关闭以及路灯开启时的亮度;为了进行行人的精确检测,本发明中沿道路方向的道路两端的路灯在夜晚一直处于开启工作状态。
实施例一:
如图1所示,该实施例提供了一种基于人工智能和视频分析的多时段路灯控制系统,具体地,该系统包括:
亮度均值计算模块,用于根据目标区域中第一子区域与第二子区域的亮度差值对第一子区域的亮度进行修正,基于修正后第一子区域的亮度和第二子区域的亮度计算目标区域亮度均值;其中,目标区域包括道路两侧路灯的照射区域,所述道路两侧路灯连线与道路方向垂直,第一子区域亮度大于第二子区域;具体地,还需要根据是否存在重合区域确定目标区域、第一子区域和第二子区域:
A)当道路两侧路灯亮度最大时的照射区域存在重合区域时目标区域亮度均值的获取步骤为:
目标区域为道路两侧路灯照射区域的并集区域,第一子区域为目标区域中的重合区域,第二子区域非重合区域,根据重合区域亮度均值与非重合区域亮度均值的差值获取第一修正系数,优选地,为了得到更精确的第一修正系数,实施例中根据重合区域亮度均值与非重合区域亮度均值的差值、重合区域与目标区域的面积比获取第一修正系数:
ε1表示第一修正系数,ε1的取值范围为[1,e2],V重、V非分别表示重合区域、非重合区域的亮度均值,S重、S目分别表示重合区域、目标区域的面积。
利用第一修正系数对重合区域的亮度进行修正,基于修正后第一子区域的亮度和第二子区域的亮度计算目标区域的平均亮度,具体地,化简后的计算公式为:
δ为目标区域亮度均值,S非表示非重合区域的面积。
B)当道路两侧路灯亮度最大时的照射区域不存在重合区域时目标区域亮度均值的获取步骤为:
目标区域为道路两侧路灯照射区域的最小外接区域,目标区域中道路两侧路灯的照射区域为第一子区域,其余区域为第二子区域,根据第一子区域亮度均值与第二子区域亮度均值的差值获取第二修正系数优选地,为了得到更精确的第二修正系数,实施例中根据第一子区域亮度均值与第二子区域亮度均值的差值、第一子区域与目标区域的面积比获取第二修正系数:
ε2表示第二修正系数,V1、V2分别表示第一子区域、第二子区域的亮度均值,S1、S目分别表示第一子区域、目标区域的面积。
需要说明,当不存在重合区域时,认为第二子区域的亮度为0,因此,V2为0。
至此,完成目标区域亮度均值的计算。
路灯亮度获取模块,用于在预设亮度范围内获取道路两侧路灯的多个亮度组合,基将亮度组合发送给亮度均值计算模块计算目标区域亮度均值,在目标区域亮度均值满足人眼可觉察的最低亮度值的条件下,基于亮度和的大小寻找最优亮度组合,得到道路两侧路灯的最优亮度。
其中,亮度均值计算模块接收到亮度组合后,需要先基于亮度组合判断该亮度组合对应的道路两侧路灯照射区域是否存在重合区域,具体地:
获取道路两侧路灯照射区域的实际中心点;基于所述亮度组合获取道路两侧路灯的照射半径;根据道路两侧路灯照射区域的实际中心点和照射半径判断是否存在重合区域;其中:
1)道路两侧路灯照射区域实际中心点的获取步骤为:
一种实施方式中,道路两侧路灯照射区域实际中心点的获取步骤为:
a)获取照射区域图像,提取照射区域图像中的照射区域像素点;其中,照射区域图像中包括对侧路灯灯柱与路面的交点,所述对侧路灯指处于拍摄装置对侧的路灯,实施例中拍摄装置部署在每个路灯上,以斜俯视视角采集照射区域图像,所述照射区域图像为RGB图像,实施例中照射区域图像分辨率为1280*960,路灯高度为4米。
提取照射区域图像中的照射区域像素点的方式可以为以下两种方式中的一种:
i)对照射区域图像进行语义分割处理,得到路面遮罩,利用路面遮罩对照射区域图像进行处理,得到路面图像,利用梯度模板对灰度处理后的路面图像进行照射区域像素点的筛选,实施例采用Sobel算子提取照射区域像素点。
ii)按照i)中的步骤得到路面图像,将路面图像转换至HSV空间,对V通道路面图像进行阈值处理提取照射区域像素点。
不管是哪种提取方式,都不可避免的会存在噪声像素点,因此,可对基于多帧照射区域图像提取出来的照射区域像素点进行遗忘叠加,对叠加后像素值大于预设阈值的照射区域像素点进行保留。
b)由于路面通常为沥青路面,路面上某些位置会持续存在小幅度的梯度差异,因此需要对保留的像素点进行聚类以删除此类噪声点,优选地,实施例采用均值漂移的思想进行聚类,但与现有均值漂移方式不同的是,实施例以第一数值限制聚类簇的个数,第一数值为1,对照射区域图像中的照射区域像素点进行聚类,以停止漂移时的中心点为初始聚类中心点,确定初始聚类中心点后,扩大聚类半径,每次扩大幅度为初始半径的1/10,初始半径基于图像分辨率和路灯高度确定,实施例中初始半径设置为100个像素点,再次进行漂移,重复扩大聚类半径并进行漂移聚类直至半径扩大为初始半径的λ倍,若重复漂移聚类过程中后β次的聚类中心点不变,则该聚类中心点为目标区域中心点,否则,重新选择初始聚类中心点,再次进行重复漂移聚类,直至得到目标区域中心点。
c)过所述目标区域中心点获取垂直道路方向的直线,在所述直线上选择初始聚类中心点,同样采用漂移思想,以第二数值限制聚类簇的个数,第二数值为2,初始半径仍为100个像素点,扩大聚类半径,每次扩大幅度为初始半径的1/10,当前5次漂移聚类后聚类中心点未发生改变时,该聚类中心点为道路一侧路灯照射区域的实际中心点。
d)在所述直线上重新选择初始聚类中心点,重复步骤c),直至得到道路另一侧路灯照射区域的实际中心点。
至此,可得到道路两侧路灯照射区域的实际中心点。
一种实施方式中,道路两侧路灯照射区域实际中心点的获取步骤为:
a)获取照射区域图像中对侧路灯照射区域的预测中心点:实施例中将照射区域图像送入语义分割网络进行语义分割处理,输出语义分割图,语义分割图中像素点类别为四类,路灯灯柱、道路边缘、路面和其他,对应标签为0,1,2,3,标签在训练时需要进行独热编码,训练语义分割网络时损失函数采用交叉熵函数。对路灯灯柱像素点和道路边缘像素点分别以最小二乘法进行直线拟合,得到灯柱直线和道路边缘线;由于路灯位置远高于地面平面,在图像中无法直接以路灯灯柱与路面的交点作为对侧路灯照射区域的预测中心点,且路灯灯柱直线不会平行于道路边缘线,考虑到拍摄装置视角,所采集的照射区域图像中可能偶然会存在两条道路边缘线,因此灯柱直线与道路边缘线的首个交点为对侧路灯照射区域的预测中心点。
b)获取对侧路灯照射区域的预测中心点与实际中心点之间向量的模长,基于历史数据拟合模长与照射区域图像分辨率、路灯高度之间的映射关系:
由于照射区域图像中只能采集到对侧路灯的灯柱,因此,按照上述获取路灯照射区域的步骤获取多组对侧路灯照射区域实际中心点数据;获取对侧路灯照射区域的预测中心点与实际中心点之间向量的模长,获取不同图像分辨率和路灯高度对应的向量模长,图像分辨率、路灯高度和向量模长为一组数据,基于多组历史数据拟合模长与照射区域图像分辨率、路灯高度之间的映射关系。
得到映射关系后,只需将当前获取的照射区域图像的分辨率和路灯高度带入映射关系中即可得到对侧路灯照射区域的预测中心点与实际中心点之间向量的模长。
需要说明,上述聚类可得到道路两侧路灯照射区域实际中心点,需要在两个实际中心点中选择出所需要的对侧路灯的实际中心点,具体地,可在照射区域图像中建立像素坐标系,根据道路两侧路灯照射区域的两个实际中心点的像素坐标即可选择出对侧路灯照射区域实际中心点。
c)根据获取的对侧路灯照射区域的预测中心点和利用第一映射关系得到的向量模长得到对侧路灯照射区域的实际中心点,即向量模长结合从照射区域图像中提取出来的对侧路灯照射区域的预测中心点即可得到对侧路灯照射区域的实际中心点。
因道路两侧路灯上均有拍摄装置,因此,对于每一侧,都可根据相应的照射区域图像获取处于该侧对侧的路灯的照射区域的实际中心点,从而得到道路两侧路灯照射区域实际中心点。
2)基于所述亮度组合获取道路两侧路灯的照射半径的具体步骤为:
获取照射区域中心点与照射区域边缘点连线上亮度的衰减曲线函数,根据亮度组合中的亮度值与衰减曲线函数可得到道路两侧路灯的照射半径;优选地,所述衰减曲线函数为二维高斯型衰减曲线函数。
本发明将单个路灯的照射区域近似为圆形区域,单个路灯照射区域内半径方向上灯光的亮度是衰减的,假设单个路灯照射区域内灯光的亮度服从二维高斯分布,则衰减曲线函数为二维高斯型衰减曲线函数,照射区域中心点坐标对应二维高斯分布的和半径长度对应二维高斯分布协方差矩阵的对角线值,因此,道路两侧两个路灯对应的二维高斯分布可表示为z1(x,y)和z2(x,y),(x,y)表示照射区域内点的坐标,z1(x,y)表示坐标为(x,y)的点的亮度程度,z1(x,y)和z2(x,y)的取值范围[0,1];照射区域大小和路灯亮度与亮度的衰减情况有关,亮度程度衰减为0的点为照射区域边缘点,照射区域中心点与照射区域边缘点之间的距离为照射半径。
需要注意的是,路灯亮度不同,对应的二维高斯型衰减曲线函数不同。
具体地,判断完是否存在重合区域后,亮度均值计算模块还需要基于亮度组合获取道路两侧路灯照射区域的亮度,优选地,实施例根据亮度组合中的亮度值与衰减曲线函数得到道路两侧路灯照射区域的亮度;道路两侧两个路灯照射区域中心点的亮度分别为K1、K2,(K1,K2)为道路两侧路灯的亮度组合,则路灯照射区域内每个点的亮度为v=K1*z1(x,y)或v=K2*z2(x,y),若两灯照射区域存在重合区域,则重合区域内点的亮度为v=K1*z1(x,y)+K2*z2(x,y)。
至此,可得到多个亮度组合对应的目标区域亮度均值。
需要说明,计算区域亮度均值时根据照射区域亮度获取模块得到的照射区域内每个点的亮度获取,因此,获取的区域亮度均值中包括待优化未知参数K1、K2。
在目标区域亮度均值满足人眼可觉察的最低亮度值mδ的条件下,基于亮度和的大小寻找最优亮度组合,得到道路两侧路灯的最优亮度;具体地:
对K1、K2进行优化,优化约束为δ=mδ,优化目标为min(K1+K2),可得到道路两侧路灯的最优亮度;其中,道路两侧路灯的最优亮度可能不同。
路灯亮度调整模块,用于基于天气信息、空气污染信息和周围区域亮度信息对最优亮度进行调整,获取调整系数,将调整系数发送给路灯控制模块。
优选地,将天气信息、空气污染信息和周围区域亮度信息输入系数回归模型得到所述调整系数;其中,天气信息g为0或1,白天为0,雨雾天或夜晚为1;通过PM2.5检测仪获取空气污染信息p;周围区域亮度信息为无路灯区域的亮度均值V无,(g,p,V无)为系数回归模型的输入;实施例中系数回归模型为神经网络模型。
为节省功耗,路灯控制模块用于定时更新道路两侧路灯的最优亮度,并在检测到行人时,以最优亮度进行路灯控制;为了得到更精确的亮度值,实施例中路灯控制模块接收路灯亮度调整模块发送的调整系数,调整系数与最优亮度相乘得到最终亮度控制值进行路灯亮度控制。
其中,上述定时更新基于时段进行,也即每个时段获取一次最优亮度,实施例中以30分钟为一个时段,实施者可自行调节时段长度。
需要注意,本发明的检测对象为行人的原因为,对于车辆,驾驶者可自行调整车辆的远近光进行照明,无需再开启路灯。其中,对行人进行检测,可利用目标检测网络对照射区域图像进行处理获取行人脚部包围框,根据相邻两帧脚部包围框中心点可获取行人的行进方向,基于行人的行进方向对下一相邻路灯进行控制,所述下一相邻路灯同样进行行人检测,进而进行下一相邻路灯的控制,即路灯是基于行人时序上的位置依次开启。
以上所述旨在让本领域技术人员更好的理解本发明,并不用于限制本发明,凡是在本发明精神和原则之内做出的修改与变动皆在本发明的保护范围内。
Claims (8)
1.一种基于人工智能和视频分析的多时段路灯控制系统,其特征在于,该系统包括:
亮度均值计算模块,用于判断道路两侧路灯照射区域是否存在重合区域,当存在重合区域时,目标区域为道路两侧路灯照射区域的并集区域,第一子区域为目标区域中的重合区域,第二子区域非重合区域,根据第一子区域与第二子区域亮度均值的差值、第一子区域与目标区域的面积比获取第一修正系数,利用第一修正系数对第一子区域的亮度进行修正;当不存在重合区域时,目标区域为道路两侧路灯照射区域的最小外接区域,目标区域中道路两侧路灯的照射区域为第一子区域,其余区域为第二子区域,根据第一子区域与第二子区域亮度均值的差值、第一子区域与目标区域的面积比获取第二修正系数,利用第二修正系数对第一子区域的亮度进行修正;基于修正后第一子区域的亮度和第二子区域的亮度计算目标区域亮度均值;其中,目标区域包括道路两侧路灯的照射区域,所述道路两侧路灯连线与道路方向垂直,第一子区域亮度大于第二子区域;
路灯亮度获取模块,用于在预设亮度范围内获取道路两侧路灯的亮度组合,将亮度组合发送给亮度均值计算模块计算目标区域亮度均值,在目标区域亮度均值满足人眼可觉察的最低亮度值的条件下,基于亮度和的大小寻找最优亮度组合,得到道路两侧路灯的最优亮度;
路灯控制模块,用于定时更新道路两侧路灯的最优亮度,并在检测到行人时,以最优亮度进行路灯控制。
2.如权利要求1所述的系统,其特征在于,所述判断道路两侧路灯的照射区域是否存在重合区域的步骤为:
获取道路两侧路灯照射区域的实际中心点;基于所述亮度组合获取道路两侧路灯的照射半径;根据道路两侧路灯照射区域的实际中心点和照射半径判断是否存在重合区域。
3.如权利要求2所述的系统,其特征在于,所述获取道路两侧路灯照射区域的实际中心点的步骤为:
获取照射区域图像,其中,照射区域图像中包括对侧路灯灯柱与路面的交点,所述对侧路灯指处于拍摄装置对侧的路灯,拍摄装置以斜俯视视角采集照射区域图像;
以第一数值限制聚类簇的个数,对照射区域图像中的照射区域像素点进行聚类,确定目标区域中心点,过所述中心点获取垂直道路方向的直线;
在所述直线上选择聚类中心点,以第二数值限制聚类簇的个数,再次进行聚类,得到道路两侧路灯照射区域的实际中心点。
4.如权利要求3所述的系统,其特征在于,所述获取道路两侧路灯照射区域的实际中心点的步骤还包括:
获取照射区域图像中对侧路灯照射区域的预测中心点;
获取对侧路灯照射区域的预测中心点与实际中心点之间向量的模长,基于历史数据拟合模长与照射区域图像分辨率、路灯高度之间的映射关系;
根据获取的对侧路灯照射区域的预测中心点和利用第一映射关系得到的向量模长得到对侧路灯照射区域的实际中心点。
5.如权利要求2所述的系统,其特征在于,获取照射区域中心点与照射区域边缘点连线上亮度的衰减曲线函数,根据亮度组合中的亮度值与衰减曲线函数可得到道路两侧路灯的照射半径。
6.如权利要求5所述的系统,其特征在于,所述衰减曲线 函数为二维高斯型衰减曲线函数。
7.如权利要求1所述的系统,其特征在于,该系统还包括:
路灯亮度调整模块,用于基于天气信息、空气污染信息和周围区域亮度信息对最优亮度进行调整,获取调整系数,并将调整系数发送给路灯控制模块;所述周围区域亮度信息为无路灯区域的亮度。
8.如权利要求7所述的系统,其特征在于,将天气信息、空气污染信息和周围区域亮度信息输入系数回归模型得到所述调整系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601791.3A CN113365400B (zh) | 2021-05-31 | 2021-05-31 | 基于人工智能和视频分析的多时段路灯控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601791.3A CN113365400B (zh) | 2021-05-31 | 2021-05-31 | 基于人工智能和视频分析的多时段路灯控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113365400A CN113365400A (zh) | 2021-09-07 |
CN113365400B true CN113365400B (zh) | 2022-05-31 |
Family
ID=77530457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110601791.3A Active CN113365400B (zh) | 2021-05-31 | 2021-05-31 | 基于人工智能和视频分析的多时段路灯控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113365400B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853483A (zh) * | 2024-03-05 | 2024-04-09 | 济宁市市政园林养护中心 | 一种混凝土搅拌质量智能分析方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494279A (zh) * | 2011-12-09 | 2012-06-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于配光优化的非对称led路灯的设计方法 |
CN103889091A (zh) * | 2012-12-19 | 2014-06-25 | 海尔集团公司 | 路灯控制方法及控制装置 |
CN107396511A (zh) * | 2017-06-23 | 2017-11-24 | 深圳市盛路物联通讯技术有限公司 | 一种智能路灯监控方法及装置 |
CN208190977U (zh) * | 2018-06-04 | 2018-12-04 | 四川能投光电有限公司 | 一种具备智能识别的单灯控制器 |
WO2018221849A2 (ko) * | 2017-05-31 | 2018-12-06 | (주)오로라 디자인랩 | 가로등 제어 시스템 |
CN109152185A (zh) * | 2018-10-19 | 2019-01-04 | 中国科学院重庆绿色智能技术研究院 | 一种多源感知路灯智能控制系统 |
CN109727212A (zh) * | 2018-12-24 | 2019-05-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN111182693A (zh) * | 2019-12-28 | 2020-05-19 | 杭州拓深科技有限公司 | 一种联动感应式路灯亮度调节系统及其控制方法 |
CN111654961A (zh) * | 2020-06-22 | 2020-09-11 | 四川艾贝斯科技发展有限公司 | 用于路灯系统的路灯亮度监控方法 |
CN112291890A (zh) * | 2020-10-21 | 2021-01-29 | 苏宇航 | 一种基于大数据的亮化照明工程亮度实时监测调控系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424411B (zh) * | 2017-07-24 | 2021-05-18 | 京东方科技集团股份有限公司 | 路灯集成装置、路灯系统及通信方法 |
-
2021
- 2021-05-31 CN CN202110601791.3A patent/CN113365400B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494279A (zh) * | 2011-12-09 | 2012-06-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于配光优化的非对称led路灯的设计方法 |
CN103889091A (zh) * | 2012-12-19 | 2014-06-25 | 海尔集团公司 | 路灯控制方法及控制装置 |
WO2018221849A2 (ko) * | 2017-05-31 | 2018-12-06 | (주)오로라 디자인랩 | 가로등 제어 시스템 |
CN107396511A (zh) * | 2017-06-23 | 2017-11-24 | 深圳市盛路物联通讯技术有限公司 | 一种智能路灯监控方法及装置 |
CN208190977U (zh) * | 2018-06-04 | 2018-12-04 | 四川能投光电有限公司 | 一种具备智能识别的单灯控制器 |
CN109152185A (zh) * | 2018-10-19 | 2019-01-04 | 中国科学院重庆绿色智能技术研究院 | 一种多源感知路灯智能控制系统 |
CN109727212A (zh) * | 2018-12-24 | 2019-05-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN111182693A (zh) * | 2019-12-28 | 2020-05-19 | 杭州拓深科技有限公司 | 一种联动感应式路灯亮度调节系统及其控制方法 |
CN111654961A (zh) * | 2020-06-22 | 2020-09-11 | 四川艾贝斯科技发展有限公司 | 用于路灯系统的路灯亮度监控方法 |
CN112291890A (zh) * | 2020-10-21 | 2021-01-29 | 苏宇航 | 一种基于大数据的亮化照明工程亮度实时监测调控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113365400A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101739827B (zh) | 一种车辆检测跟踪方法和装置 | |
CN106651872A (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN106506901B (zh) | 一种显著性视觉注意模型的混合式数字图像半色调方法 | |
CN103971126A (zh) | 一种交通标志识别方法和装置 | |
CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
CN113365400B (zh) | 基于人工智能和视频分析的多时段路灯控制系统 | |
CN114004834B (zh) | 一种图像处理中的雾天情况分析方法、设备及装置 | |
CN109587901B (zh) | 照明之智慧调控系统与方法 | |
CN112528917A (zh) | 斑马线区域识别方法、装置、电子设备和存储介质 | |
CN109949353A (zh) | 一种低照度图像自然感彩色化方法 | |
CN110910372B (zh) | 基于深度卷积神经网络的匀光板缺陷检测方法 | |
CN109584258A (zh) | 草地边界识别方法及应用其的智能割草装置 | |
CN103500451B (zh) | 一种用于卫星数据的独立浮冰提取方法 | |
CN112863194B (zh) | 一种图像处理方法、装置、终端及介质 | |
Hautiere et al. | Meteorological conditions processing for vision-based traffic monitoring | |
CN111275698B (zh) | 基于单峰偏移最大熵阈值分割雾天道路能见度检测方法 | |
CN109800641A (zh) | 基于阈值自适应二值化和连通域分析的车道线检测方法 | |
JP7092616B2 (ja) | 物体検出装置、物体検出方法、及び物体検出プログラム | |
CN114266775B (zh) | 一种运动物体检测的路灯照明控制方法和系统 | |
CN113902765B (zh) | 基于全景分割的半导体自动分区方法 | |
CN113473682B (zh) | 基于人工智能的智慧城市照明路灯调节方法及系统 | |
CN110490032A (zh) | 一种基于深度学习的路面环境感知方法及装置 | |
CN111985482A (zh) | 一种基于深度学习的多模式多场景的自动车牌识别方法 | |
CN117351433B (zh) | 基于计算机视觉的胶固砂浆饱满度监控系统 | |
CN115835459B (zh) | 一种动力照明智能控制方法及系统 |
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 |