CN113518500A - 一种基于情境识别的智能灯光自动调节方法及调控系统 - Google Patents
一种基于情境识别的智能灯光自动调节方法及调控系统 Download PDFInfo
- Publication number
- CN113518500A CN113518500A CN202110412000.2A CN202110412000A CN113518500A CN 113518500 A CN113518500 A CN 113518500A CN 202110412000 A CN202110412000 A CN 202110412000A CN 113518500 A CN113518500 A CN 113518500A
- Authority
- CN
- China
- Prior art keywords
- voice
- control information
- representing
- signal
- situation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 43
- 230000008909 emotion recognition Effects 0.000 claims description 38
- 238000009432 framing Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000011176 pooling Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 210000003792 cranial nerve Anatomy 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
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
- H05B47/105—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
- H05B47/12—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by detecting audible sound
-
- 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
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明实施例提出了一种基于情境识别的智能灯光自动调节方法及调控系统，通过无线通信技术将灯光设备与云处理平台进行连接，并将数据计算处理过程放置云端，其中，数据处理过程包括：首先，通过传感器采集语音控制信息；其次，通过互联网将采集到的控制信息传输至云处理平台；再次，云处理平台中的网络识别模型对控制信息进行识别，并将识别结果输出；从次，将输出的结果转换为对应的硬件控制指令并输出至灯光设备；最后，灯光设备接收硬件控制指令，并根据指令做出对应的亮灭状态。通过对语言识别处理以及将数据处理放置云端的方式，在极大程度上提高了语音识别准确率、以及降低了对终端灯光设备运算处理的需求，降低灯光设备的投入成本。
Description
技术领域
本发明涉及一种基于情境识别的智能灯光自动调节方法及调控系统，特别是涉及目数据处理技术领域。
背景技术
色彩作为一种视觉现象，人们的视觉神经在接收色光刺激的同时，也必然受到生理和心理的影响。随着计算机技术的发展和智能家居的涌入，科学配置室内照明灯光的色彩，针对大众的心理平衡具有重要意义。
现有技术中，由于噪音等环境因素的影响，导致针对语音中情境识别的准确性不高，为提高居住体验感，利用灯光进行情境安抚的生活需求，逐渐占据重要地位。
发明内容
发明目的：提供了一种基于情境识别的智能灯光自动调节方法及调控系统，以解决现有技术存在的上述问题，进一步利用灯光实现提高居住体验感的目的。
技术方案：一方面，一种基于情境识别的智能灯光自动调节方法，该方法包括以下步骤：
传感器采集语音控制信息，并通过计算机通信技术将所述控制信息传输至云端理平台；
云端处理平台通过情感识别分类网络模型对所述控制信息进行分析处理，并将识别结果输出；
根据识别结果，云端处理平台中的指令转换模块通过对应的转换规则，将其转换为对应的硬件控制指令并传输至照明灯光设备；
照明灯光设备接收所述硬件控制指令，并根据所述硬件控制指令呈现对应的照明状态。
在第一方面的一些可实现方式中，传感器在语音控制信息采集初期，首先对原始语音进行前端的预处理，消除噪声和不同人发音差异产生的影响，使得处理后的语音信号能够更完整地反应语音的本质特征。
其中，预处理包括信号采样、信号滤波、语音增强；所述语音增强包括语音降噪、语音分离、语音解混响；在信号采用过程中，通过固定长的窗口在需要处理的片段上进行均匀滑动，将分段后的语音信号进行加窗处理，获得加窗后的片段。
加窗后的片段在云端处理平台获取传感器采集到的语音控制信息后，对初始语音信号进行加权处理，进一步获得具备权重的加窗分帧语音信号，即：
式中，
表示具备权重的加窗分帧语音信号；
表示初始语音信号；
表示幅度修正系数；
表示窗函数的周期；
表示窗函数的取值范围。
在第一方面的一些可实现方式中，情感识别分类网络模型接收语音控制信息后对其进行主要声学特征提取，所述主要声学特征包括短时能量特征、幅度特征、过零率特征、梅尔频谱倒谱系数特征。
其中，短时能量特征通过将语音控制信息短时分段分析获得，用于区分清音浊音，进一步为：
式中，N表示语音控制信息在分帧时的长度；
表示窗函数的周期；
表示窗函数的取值范围；
表示分帧后的一段语音控制信号。
幅度特征用于体现一段语音控制信号能量的高低，进一步为：
式中，N表示语音控制信息在分帧时的长度；
表示窗函数的周期；
表示窗函数的取值范围；
表示分帧后的一段语音控制信号。
过零率特征用于统计一帧语音控制信息中过零事件的系数，进一步为：
式中，
表示加窗后的第n帧语音信号；
表示符号函数；N表示语音控制信息在分帧时的长度，其中
进一步为：
梅尔频谱倒谱系数特征进一步为：
式中，M表示加窗分帧的窗口长度；
表示梅尔滤波器组；
表示带通滤波器的数量。
在第一方面的一些可实现方式中，情感识别分类网络模型结合卷积神经网络和双向长短时记忆网络的特点，在情感识别分类时，首先，接收语音控制信息；其次，通过局部特征学习模块和双向长短时记忆网络学习与局部特征和全局情境相关特征，并经过平铺层，送入全连接层；最后由分类器进行分类。其中，局部特征学习模块包括卷积层、归一化层、线性整流单元、最大池化层。
当情感识别分类网络模型对语音控制信息进行学习时，采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化；所述交叉熵损失函数如下表达式所示：
式中，m表示样本的数量；
表示样本i的标签，是期望的输出值，正类则为1，负类则为0；
表示样本i预测为正的概率，是神经元的实际输出值。
在第一方面的一些可实现方式中，云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控；所述情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。
第二方面，提供了一种基于情境识别的智能灯光自动调控系统，该系统包括：语音信息采集模块、无线通信模块、数据处理模块、指令转换模块、照明模块；其中，信息采集模块通过无线通信模块将获取到的语音控制信息传输到数据处理模块中的云端处理平台；云端处理平台包括情感识别分类网络模型、指令生成模块；情感识别分类网络模型用于对接收到的语音控制信息进行分析处理，并将识别结果输出；指令转换模块用于根据对应的转换规则，将所述识别结果转换为对应的硬件控制指令并传输至照明灯光设备；照明灯光设备接收所述硬件控制指令，并根据所述硬件控制指令呈现对应的照明状态。
在第二方面的一些可实现方式中，语音信息采集模块通过传感器进行语音控制信息的获取。其中，传感器在语音控制信息采集初期，首先对原始语音进行前端的预处理，消除噪声和不同人发音差异产生的影响。
预处理包括信号采样、信号滤波、语音增强；其中，语音增强包括语音降噪、语音分离、语音解混响。
在信号采用过程中，通过固定长的窗口在需要处理的片段上进行均匀滑动，将分段后的语音信号进行加窗处理，获得加窗后的片段；所述加窗后的片段进一步为在所述云端处理平台获取传感器采集到的语音控制信息后，对初始语音信号进行加权处理，进一步获得具备权重的加窗分帧语音信号，即：
式中，
表示具备权重的加窗分帧语音信号；
表示初始语音信号；
表示幅度修正系数；
表示窗函数的周期；
表示窗函数的取值范围。
在第二方面的一些可实现方式中，情感识别分类网络模型接收语音控制信息后对其进行主要声学特征提取，所述主要声学特征包括短时能量特征、幅度特征、过零率特征、梅尔频谱倒谱系数特征；所述情感识别分类网络模型结合卷积神经网络和双向长短时记忆网络的特点，在情感识别分类时，首先接收语音控制信息；其次，通过局部特征学习模块和双向长短时记忆网络学习与局部特征和全局情境相关特征，并经过平铺层，送入全连接层；最后由分类器进行分类；所述局部特征学习模块包括卷积层、归一化层、线性整流单元、最大池化层；当所述情感识别分类网络模型对语音控制信息进行学习时，采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化。
在第二方面的一些可实现方式中，云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控；所述情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。
有益效果：本发明提出了一种基于情境识别的智能灯光自动调节方法及调控系统，其中，在传感器进行语音控制信息采集初期，首先对原始语音进行前端的预处理，可以消除噪声和不同人发音差异产生的影响，使得处理后的语音信号能够更完整地反应语音的本质特征。情感识别分类网络模型在学习训练的过程中，使用交叉熵函数作为损失函数，不但能解决权重刚更新过慢的情况，还能更好的评论模型效果。通过调节不同的灯光颜色，可以让用户处在更为舒适的环境中。
附图说明
图1为本发明实施例智能灯光自动调节方法的数据处理流程图。
图2为本发明实施例智能灯光自动调控系统的模块框图。
具体实施方式
本发明通过一种基于情境识别的智能灯光自动调节方法及调控系统，达到基于不同情境下，灯光自动调节的目的，进一步实现情境安抚。下面通过实施例，并结合附图对本方案做进一步具体说明。
申请人认为人们在接受环境色彩信息时，首先通过脑神经的信息传递, 在大脑皮层区形成一个“心理图画”，经过大脑的信息再加工，然后产生对色彩的具体或抽象“联想”，从而唤起人脑对色彩的情境效应。室内环境色彩配置的科学化是现代文明的体现，它是通过装饰材料本身的固有色彩、材料的机理、环境采光、光源照明等来实现的。科学配置室内环境色彩对维持人们的心理平衡具有重要意义。人类的色彩情境效应是通过经常的、持续不断的视觉刺激，潜移默化地对人们的身心健康发生作用的。所以，越来越多的人更加珍视并期望借助居室环境的色彩变化来削弱和冲淡现代工业文明带来的节奏感和紧张感，从而达到调整心绪、维持心理平衡，营造良好心理状态的目的。但现有技术中针对语音情境控制信息的识别，准确率不高，因此常出现体验感不佳的问题。
本实施例如图1所示，首先，通过传感器采集语音控制信息；其次，通过互联网将采集到的控制信息传输至云处理平台；再次，云处理平台中的网络识别模型对控制信息进行识别，并将识别结果输出；从次，将输出的结果转换为对应的硬件控制指令并输出至灯光设备；最后，灯光设备接收硬件控制指令，并根据指令做出对应的亮灭状态。
具体的，传感器在语音控制信息采集初期，首先对原始语音进行前端的预处理，消除噪声和不同人发音差异产生的影响，以及避免语音识别基本单元的选取和端点检测问题，进一步通过在识别之前通过让说话人多次重复语音进行反复训练，从而从原始语音信号样本中去除冗余信息，保留关键信息。其中预处理包括信号采样、信号滤波、语音增强。
其中，语音增强包括语音降噪、语音分离、语音解混响；在信号采样预处理的过程中，根据语音信号具有短时平稳的特点，将语音信号进行分段处理，获得相对定的短段后将固定长的窗口在待处理的片段上进行均匀滑动，从而获得加窗后的短帧片段。
加窗后的片段在云端处理平台获取传感器采集到的语音控制信息后，对初始语音信号进行加权处理，进一步获得具备权重的加窗分帧语音信号，即：
式中，
表示具备权重的加窗分帧语音信号，
表示初始语音信号，
表示窗函数的周期，
表示窗函数的取值范围。由于加窗计算中衰减了原始信号的部分能量，因此在处理结果上加上幅度修正系数，用于修正处理后的结果。
情感识别分类网络模型结合卷积神经网络和双向长短时记忆网络的特点，在情感识别分类时，首先接收语音控制信息；其次，通过局部特征学习模块和双向长短时记忆网络学习与局部特征和全局情境相关特征，并经过平铺层，送入全连接层，进一步获得更高级别的特征表示；最后，由分类器进行分类。
其中，局部特征学习模块优选包括一个卷积层、一个批次归一化层、一个线性整流单元和一个最大池化层。归一化层规范了每批卷积层的激活，提高了深层网络的性能和稳定性。线性整流单元定义了归一化层的输出，与其他激活函数相比，本实施例优选Relu激活函数作为线性整流单元，提高网络训练过程中梯度下降以及反向传播的效率，同时也可避免梯度爆炸和梯度消失，加速网络的学习效率提高识别准确度。池化层使得特征对噪声和失真具有更好的鲁棒性。
具体的，情感识别分类网络模型接收语音控制信息后对其进行主要声学特征提取，其中，主要声学特征包括短时能量特征、幅度特征、过零率特征、梅尔频谱倒谱系数特征。
短时能量特征通过将语音控制信息短时分段分析获得，用于区分清音浊音，进一步为：
式中，N表示语音控制信息在分帧时的长度；
表示窗函数的周期；
表示窗函数的取值范围；
表示分帧后的一段语音控制信号。
幅度特征用于体现一段语音控制信号能量的高低，进一步为：
式中，N表示语音控制信息在分帧时的长度；
表示窗函数的周期；
表示窗函数的取值范围；
表示分帧后的一段语音控制信号。
过零率特征用于统计一帧语音控制信息中过零事件的系数，进一步为：
式中，
表示加窗后的第n帧语音信号；
表示符号函数；N表示语音控制信息在分帧时的长度，其中
进一步为：
梅尔频谱倒谱系数特征进一步为：
式中，M表示加窗分帧的窗口长度；
表示梅尔滤波器组；
表示带通滤波器的数量。
当情感识别分类网络模型对语音控制信息进行学习时，采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化。其中，交叉熵损失函数如下表达式所示：
式中，m表示样本的数量；
表示样本i的标签，是期望的输出值，正类则为1，负类则为0；
表示样本i预测为正的概率，是神经元的实际输出值。在反向传播的过程中，对交叉熵损失函数求偏导可以看出权重的更新快慢与误差大小有直接关系，因此，使用交叉熵函数作为损失函数，不但能解决权重刚更新过慢的情况，还能更好的评论模型效果。
云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控；所述情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。
具体的，云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控。其中，情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。在进一步的具体实施例中，通过以下灯光颜色包括红色、橙色、黄色、绿色、蓝色、紫色进行示例。
红色可以促使人血液循环加快、血压升高、令人冲动兴奋，所以采用红色可以令用户的心理产生巨大的鼓舞作用，当用户面临沮丧情境时，灯光色调以偏红为主并混入白色，呈现出的明清色，在适合用户照明需求下，达到进一步的安抚作用。
橙色可以使用户的力量充沛、精神振奋，可以极大的唤起用户的食欲；黄色可以令用户的注意力更为集中，令人进取；绿色可以使用于产生安慰、信任等联想，从而起到平抑情境、缓解紧张、减轻视觉疲劳、激发希望的作用；蓝色具有强烈的收缩感，给人以希望的体验感；紫色给人以清雅浪漫的感觉。
在一个实施例中，如图2所示，提供了一种基于情境识别的智能灯光自动调控系统，该系统包括：语音信息采集模块、无线通信模块、数据处理模块、指令转换模块、照明模块；其中，信息采集模块通过无线通信模块将获取到的语音控制信息传输到数据处理模块中的云端处理平台；云端处理平台包括情感识别分类网络模型、指令生成模块；情感识别分类网络模型用于对接收到的语音控制信息进行分析处理，并将识别结果输出；指令转换模块用于根据对应的转换规则，将所述识别结果转换为对应的硬件控制指令并传输至照明灯光设备；照明灯光设备接收所述硬件控制指令，并根据所述硬件控制指令呈现对应的照明状态。
具体的，语音信息采集模块通过传感器进行语音控制信息的获取。其中，传感器在语音控制信息采集初期，首先对原始语音进行前端的预处理，消除噪声和不同人发音差异产生的影响。
预处理包括信号采样、信号滤波、语音增强；其中，语音增强包括语音降噪、语音分离、语音解混响。
在信号采用过程中，通过固定长的窗口在需要处理的片段上进行均匀滑动，将分段后的语音信号进行加窗处理，获得加窗后的片段；所述加窗后的片段进一步为在所述云端处理平台获取传感器采集到的语音控制信息后，对初始语音信号进行加权处理，进一步获得具备权重的加窗分帧语音信号，即：
式中，
表示具备权重的加窗分帧语音信号；
表示初始语音信号；
表示幅度修正系数；
表示窗函数的周期；
表示窗函数的取值范围。
具体的，情感识别分类网络模型接收语音控制信息后对其进行主要声学特征提取，所述主要声学特征包括短时能量特征、幅度特征、过零率特征、梅尔频谱倒谱系数特征，情感识别分类网络模型结合卷积神经网络和双向长短时记忆网络的特点，在情感识别分类时，首先接收语音控制信息；其次，通过局部特征学习模块和双向长短时记忆网络学习与局部特征和全局情境相关特征，并经过平铺层，送入全连接层；最后由分类器进行分类；所述局部特征学习模块包括卷积层、归一化层、线性整流单元、最大池化层；当所述情感识别分类网络模型对语音控制信息进行学习时，采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化。
具体的，云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控。其中，情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。
Claims (10)
1.一种基于情境识别的智能灯光自动调节方法，其特征在于，包括：
传感器采集语音控制信息，并通过计算机通信技术将所述控制信息传输至云端理平台；
所述云端处理平台通过情感识别分类网络模型对所述控制信息进行分析处理，并将识别结果输出；
根据所述识别结果，云端处理平台中的指令转换模块通过对应的转换规则，将其转换为对应的硬件控制指令并传输至照明灯光设备；
所述照明灯光设备接收所述硬件控制指令，并根据所述硬件控制指令呈现对应的照明状态。
2.根据权利要求1所述的一种基于情境识别的智能灯光自动调节方法，其特征在于，所述传感器在语音控制信息采集初期，首先对原始语音进行前端的预处理，消除噪声和不同人发音差异产生的影响；所述预处理包括信号采样、信号滤波、语音增强；所述语音增强包括语音降噪、语音分离、语音解混响；在信号采用过程中，通过固定长的窗口在需要处理的片段上进行均匀滑动，将分段后的语音信号进行加窗处理，获得加窗后的片段。
3.根据权利要求1所述的一种基于情境识别的智能灯光自动调节方法，其特征在于，所述云端处理平台获取传感器采集到的语音控制信息后，对初始语音信号进行加权处理，进一步获得具备权重的加窗分帧语音信号，即：
式中，
表示具备权重的加窗分帧语音信号；
表示初始语音信号；
表示幅度修正系数；
表示窗函数的周期；
表示窗函数的取值范围。
4.根据权利要求1所述的一种基于情境识别的智能灯光自动调节方法，其特征在于，所述情感识别分类网络模型接收语音控制信息后对其进行主要声学特征提取，所述主要声学特征包括短时能量特征、幅度特征、过零率特征、梅尔频谱倒谱系数特征；
所述短时能量特征通过将语音控制信息短时分段分析获得，用于区分清音浊音，进一步为：
式中，N表示语音控制信息在分帧时的长度；
表示窗函数的周期；
表示窗函数的取值范围；
表示分帧后的一段语音控制信号；
所述幅度特征用于体现一段语音控制信号能量的高低，进一步为：
式中，N表示语音控制信息在分帧时的长度；
表示窗函数的周期；
表示窗函数的取值范围；
表示分帧后的一段语音控制信号；
所述过零率特征用于统计一帧语音控制信息中过零事件的系数，进一步为：
式中，
表示加窗后的第n帧语音信号；
表示符号函数；N表示语音控制信息在分帧时的长度，其中
进一步为：
所述梅尔频谱倒谱系数特征进一步为：
式中，M表示加窗分帧的窗口长度；
表示梅尔滤波器组；
表示带通滤波器的数量。
5.根据权利要求1所述的一种基于情境识别的智能灯光自动调节方法，其特征在于，所述情感识别分类网络模型结合卷积神经网络和双向长短时记忆网络的特点，在情感识别分类时，首先接收语音控制信息；其次，通过局部特征学习模块和双向长短时记忆网络学习与局部特征和全局情境相关特征，并经过平铺层，送入全连接层；最后由分类器进行分类；
所述局部特征学习模块包括卷积层、归一化层、线性整流单元、最大池化层；
当所述情感识别分类网络模型对语音控制信息进行学习时，采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化；所述交叉熵损失函数如下表达式所示：
式中，m表示样本的数量；
表示样本i的标签，是期望的输出值，正类则为1，负类则为0；
表示样本i预测为正的概率，是神经元的实际输出值。
6.根据权利要求1所述的一种基于情境识别的智能灯光自动调节方法，其特征在于，所述云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控；所述情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。
7.一种基于情境识别的智能灯光自动调控系统，用于实现权利要求1~6任意一项方法，其特征在于，包括：语音信息采集模块、无线通信模块、数据处理模块、指令转换模块、照明模块；所述信息采集模块通过无线通信模块将获取到的语音控制信息传输到数据处理模块中的云端处理平台；所述云端处理平台包括情感识别分类网络模型、指令生成模块；所述情感识别分类网络模型用于对接收到的语音控制信息进行分析处理，并将识别结果输出；所述指令转换模块用于根据对应的转换规则，将所述识别结果转换为对应的硬件控制指令并传输至照明灯光设备；所述照明灯光设备接收所述硬件控制指令，并根据所述硬件控制指令呈现对应的照明状态。
8.根据权利要求7所述的一种基于情境识别的智能灯光自动调控系统，其特征在于，所述语音信息采集模块通过传感器进行语音控制信息的获取；所述传感器在语音控制信息采集初期，首先对原始语音进行前端的预处理，消除噪声和不同人发音差异产生的影响；所述预处理包括信号采样、信号滤波、语音增强；所述语音增强包括语音降噪、语音分离、语音解混响；在信号采用过程中，通过固定长的窗口在需要处理的片段上进行均匀滑动，将分段后的语音信号进行加窗处理，获得加窗后的片段；所述加窗后的片段进一步为在所述云端处理平台获取传感器采集到的语音控制信息后，对初始语音信号进行加权处理，进一步获得具备权重的加窗分帧语音信号，即：
式中，
表示具备权重的加窗分帧语音信号；
表示初始语音信号；
表示幅度修正系数；
表示窗函数的周期；
表示窗函数的取值范围。
9.根据权利要求7所述的一种基于情境识别的智能灯光自动调控系统，其特征在于，所述情感识别分类网络模型接收语音控制信息后对其进行主要声学特征提取，所述主要声学特征包括短时能量特征、幅度特征、过零率特征、梅尔频谱倒谱系数特征；所述情感识别分类网络模型结合卷积神经网络和双向长短时记忆网络的特点，在情感识别分类时，首先接收语音控制信息；其次，通过局部特征学习模块和双向长短时记忆网络学习与局部特征和全局情境相关特征，并经过平铺层，送入全连接层；最后由分类器进行分类；所述局部特征学习模块包括卷积层、归一化层、线性整流单元、最大池化层；当所述情感识别分类网络模型对语音控制信息进行学习时，采用反向传播到方式进行权重和偏置的更新，并采用交叉熵损失函数进行优化。
10.根据权利要求7所述的一种基于情境识别的智能灯光自动调控系统，其特征在于，所述云端处理平台在获得情感识别分类网络模型输出的分类结果后，生成对应的情境安抚灯光控制指令，从而对用户情境进行调控；所述情境安抚灯光进一步为根据用户的情境，使照明设别对应生成不同亮度、色彩、色温的灯光。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110412000.2A CN113518500A (zh) | 2021-04-16 | 2021-04-16 | 一种基于情境识别的智能灯光自动调节方法及调控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110412000.2A CN113518500A (zh) | 2021-04-16 | 2021-04-16 | 一种基于情境识别的智能灯光自动调节方法及调控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113518500A true CN113518500A (zh) | 2021-10-19 |
Family
ID=78061366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110412000.2A Pending CN113518500A (zh) | 2021-04-16 | 2021-04-16 | 一种基于情境识别的智能灯光自动调节方法及调控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113518500A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116634638A (zh) * | 2023-05-16 | 2023-08-22 | 珠海光通智装科技有限公司 | 灯光控制策略的生成方法、灯光控制方法以及相关装置 |
| CN116801456A (zh) * | 2023-08-22 | 2023-09-22 | 深圳市创洺盛光电科技有限公司 | Led灯具的智能化控制方法 |
| CN117348436A (zh) * | 2023-12-04 | 2024-01-05 | 深圳腾信百纳科技有限公司 | 一种基于智能手环的全屋智能控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107018611A (zh) * | 2017-04-23 | 2017-08-04 | 黄石德龙自动化科技有限公司 | 一种基于语音识别和情感的智慧灯控制系统及控制方法 |
| CN109146066A (zh) * | 2018-11-01 | 2019-01-04 | 重庆邮电大学 | 一种基于语音情感识别的虚拟学习环境自然交互方法 |
| CN109448726A (zh) * | 2019-01-14 | 2019-03-08 | 李庆湧 | 一种语音控制准确率的调整方法及系统 |
| CN110099493A (zh) * | 2019-05-29 | 2019-08-06 | 南京林业大学 | 一种语音交互式情感反馈智能led灯具 |
| CN110213869A (zh) * | 2019-06-26 | 2019-09-06 | 深圳飞德利照明科技有限公司 | 一种智能灯光调控方法及系统 |
-
2021
- 2021-04-16 CN CN202110412000.2A patent/CN113518500A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107018611A (zh) * | 2017-04-23 | 2017-08-04 | 黄石德龙自动化科技有限公司 | 一种基于语音识别和情感的智慧灯控制系统及控制方法 |
| CN109146066A (zh) * | 2018-11-01 | 2019-01-04 | 重庆邮电大学 | 一种基于语音情感识别的虚拟学习环境自然交互方法 |
| CN109448726A (zh) * | 2019-01-14 | 2019-03-08 | 李庆湧 | 一种语音控制准确率的调整方法及系统 |
| CN110099493A (zh) * | 2019-05-29 | 2019-08-06 | 南京林业大学 | 一种语音交互式情感反馈智能led灯具 |
| CN110213869A (zh) * | 2019-06-26 | 2019-09-06 | 深圳飞德利照明科技有限公司 | 一种智能灯光调控方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116634638A (zh) * | 2023-05-16 | 2023-08-22 | 珠海光通智装科技有限公司 | 灯光控制策略的生成方法、灯光控制方法以及相关装置 |
| CN116801456A (zh) * | 2023-08-22 | 2023-09-22 | 深圳市创洺盛光电科技有限公司 | Led灯具的智能化控制方法 |
| CN117348436A (zh) * | 2023-12-04 | 2024-01-05 | 深圳腾信百纳科技有限公司 | 一种基于智能手环的全屋智能控制方法及系统 |
| CN117348436B (zh) * | 2023-12-04 | 2024-04-26 | 深圳腾信百纳科技有限公司 | 一种基于智能手环的全屋智能控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113518500A (zh) | 一种基于情境识别的智能灯光自动调节方法及调控系统 | |
| CN109326302B (zh) | 一种基于声纹比对和生成对抗网络的语音增强方法 | |
| Likitha et al. | Speech based human emotion recognition using MFCC | |
| US4051331A (en) | Speech coding hearing aid system utilizing formant frequency transformation | |
| CN107767879A (zh) | 基于音色的音频转换方法及装置 | |
| CN108460334A (zh) | 一种基于声纹和人脸图像特征融合的年龄预测系统及方法 | |
| CN108899049A (zh) | 一种基于卷积神经网络的语音情感识别方法及系统 | |
| CN108962229A (zh) | 一种基于单通道、无监督式的目标说话人语音提取方法 | |
| CN106030707A (zh) | 用于音频分析和感知增强的系统 | |
| CN103985390A (zh) | 一种基于伽马通相关图语音特征参数提取方法 | |
| WO2020087716A1 (zh) | 人工耳蜗听觉场景识别方法 | |
| CN116665669A (zh) | 一种基于人工智能的语音交互方法及系统 | |
| Zhang et al. | A pathological multi-vowels recognition algorithm based on LSP feature | |
| CN105788608A (zh) | 基于神经网络的汉语声韵母可视化方法 | |
| Jie | Speech emotion recognition based on convolutional neural network | |
| CN110310644A (zh) | 基于语音识别的智慧班牌交互方法 | |
| CN107393539A (zh) | 一种声音密码控制方法 | |
| WO2023185004A1 (zh) | 一种音色切换方法及装置 | |
| Ye et al. | Attention bidirectional LSTM networks based mime speech recognition using sEMG data | |
| CN110060692A (zh) | 一种声纹识别系统及其识别方法 | |
| CN111144482B (zh) | 一种面向数字助听器的场景匹配方法、装置及计算机设备 | |
| Berger | Measurement of vowel nasalization by multi-dimensional acoustic analysis | |
| Suralkar et al. | Speech recognized automation system using speaker identification through wireless communication | |
| CN113611326B (zh) | 一种实时语音情感识别方法及装置 | |
| Estrebou et al. | Voice recognition based on probabilistic SOM |
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 |