CN114390760B - 一种灯光控制方法及系统 - Google Patents
一种灯光控制方法及系统 Download PDFInfo
- Publication number
- CN114390760B CN114390760B CN202210065899.XA CN202210065899A CN114390760B CN 114390760 B CN114390760 B CN 114390760B CN 202210065899 A CN202210065899 A CN 202210065899A CN 114390760 B CN114390760 B CN 114390760B
- Authority
- CN
- China
- Prior art keywords
- gesture
- visible light
- network
- internet
- mode image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000003062 neural network model Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 3
- 244000062793 Sorghum vulgare Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 235000019713 millet Nutrition 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- 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
-
- 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
- G06N3/08—Learning methods
-
- 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)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供的一种灯光控制方法系统,方法包括:获取包含手势的可见光‑红外双模图像;以可见光‑红外双模图像为输入对神经网络模型进行训练;将待识别的可见光‑红外双模图像输入训练好的神经网络模型,得到手势的识别结果;根据手势的识别结果对灯光进行控制;系统包括:图像采集模块、AI边缘计算模块和物联网模块。本发明通过采集包含手势的可见光‑红外双模图像,并经过训练好的神经网络模型进行手势识别,能够准确识别灯光控制手势,将识别的手势上传至物联网,物联网根据手势控制灯光,而物联网能够兼容各种智能灯具,因此手势能够控制各种智能灯具,从而具有较好的兼容性。
Description
技术领域
本发明涉及智能控制领域,特别是涉及一种灯光控制方法及系统。
背景技术
在日常生活中,灯主要被用于照明,属于不可被替代的存在。传统的家居用灯主要是人为手动操控,经常有开关距离较远、摸黑去开灯的情况。这种情况对人的生活造成了一定的不便。
近年来,随着各种智能设备的发展与普及,也增大了人们对简单便利的人机交互体验的需求,以智能家居为首的物联网逐渐进入了人们的生活,并且大大提高了人们生活的便利性。目前,市面上的智能家居设备有很多的缺点;首先,在图像捕获方面,传统的摄像头受光照因素的影响较大,在较为黑暗的地方对手势识别往往不够准确甚至于无法进行识别,依旧需要人为操作;其次,现有的智能控制系统无法很好的和市面上的智能灯具相兼容。这些都导致了用户的人机交互体验不够理想。
发明内容
本发明的目的是提供一种灯光控制方法及系统,能够准确识别控制手势并具有较好的兼容性。
为实现上述目的,本发明提供了如下方案:
一种灯光控制方法,其特征在于,所述方法包括:
获取包含手势的可见光-红外双模图像;
以所述可见光-红外双模图像为输入对神经网络模型进行训练;
将待识别的所述可见光-红外双模图像输入训练好的神经网络模型,得到手势的识别结果;
根据所述手势的识别结果对灯光进行控制。
可选的,所述神经网络模型为YOLOv3目标识别网络的模型。
可选的,所述手势与灯光控制指令一一对应;所述灯光控制指令包括:开灯、关灯、调高亮度和调低亮度。
可选的,所述根据所述手势的识别结果对灯光进行控制具体包括:
将所述手势的识别结果上传至物联网开放平台;所述物联网开放平台为Yeelight智能灯开放平台;
所述物联网开放平台,根据所述手势的识别结果确定所述灯光控制指令,根据所述灯光控制指令对灯光进行控制。
一种灯光控制系统,其特征在于,所述系统包括:图像采集模块、AI边缘计算模块和物联网模块;
所述图像采集模块用于采集包含手势的可见光-红外双模图像并将所述可见光-红外双模图像传输给所述AI边缘计算模块;
所述AI边缘计算模块包括训练单元和预测单元;
所述训练单元,用于以所述可见光-红外双模图像为输入对神经网络模型进行训练,输出为所述手势的识别结果;
所述预测单元,用于将待识别的所述可见光-红外双模图像输入训练好的神经网络模型,得到所述手势的识别结果;
所述物联网模块根据所述手势的识别结果对灯光进行控制。
可选的,所述神经网络模型为YOLOv3目标识别网络的模型。
可选的,所述手势与灯光控制指令一一对应;所述灯光控制指令包括:开灯、关灯、调高亮度和调低亮度。
可选的,所述物联网模块为物联网开放平台;所述物联网开放平台为Yeelight智能灯开放平台。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的一种灯光控制方法系统,方法包括:获取包含手势的可见光-红外双模图像;以可见光-红外双模图像为输入对神经网络模型进行训练;将待识别的可见光-红外双模图像输入训练好的神经网络模型,得到手势的识别结果;根据手势的识别结果对灯光进行控制;系统包括:图像采集模块、AI边缘计算模块和物联网模块;图像采集模块用于采集包含手势的可见光-红外双模图像并将可见光-红外双模图像传输给AI边缘计算模块;AI边缘计算模块包括训练单元和预测单元;训练单元用于以可见光-红外双模图像为输入对神经网络模型进行训练,输出为手势的识别结果;预测单元用于将待识别的可见光-红外双模图像输入训练好的神经网络模型,得到手势的识别结果;物联网模块根据手势的识别结果对灯光进行控制。本发明通过采集包含手势的可见光-红外双模图像,并经过训练好的神经网络模型进行手势识别,能够准确识别灯光控制手势,将识别的手势上传至物联网,物联网根据手势控制灯光,而物联网能够兼容各种智能灯具,因此手势能够控制各种智能灯具,从而具有较好的兼容性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的灯光控制方法的流程图;
图2为本发明提供的灯光控制系统的结构框图;
图3为YOLOv3网络结构示意图;
图4为YOLOv3主干网络B结构;
图5为YOLOv3预测网络P结构示意图;
图6为开灯手势示意图;
图7为关灯手势示意图;
图8为调高亮度手势示意图;
图9为调低亮度手势示意图。
符合说明:
第一卷积层—1,第二卷积层—2,第三卷积层—3,第四卷积层—4,第五卷积层—5,第六卷积层—6,图像采集模块—7,AI边缘计算模块—8,物联网模块—9。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种灯光控制方法及系统,能够准确识别控制手势并具有较好的兼容性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的灯光控制方法,包括:
步骤101:获取包含手势的可见光-红外双模图像。
步骤102:以可见光-红外双模图像为输入对神经网络模型进行训练;具体的,神经网络模型为YOLOv3目标识别网络的模型。
步骤103:将待识别的可见光-红外双模图像输入训练好的神经网络模型,得到手势的识别结果。具体的,手势与灯光控制指令一一对应;灯光控制指令包括:开灯、关灯、调高亮度和调低亮度。
步骤104:根据手势的识别结果对灯光进行控制;具体包括:
将手势的识别结果上传至物联网开放平台;物联网开放平台为Yeelight智能灯开放平台。
物联网开放平台,根据手势的识别结果确定灯光控制指令,根据灯光控制指令对灯光进行控制。
如图2所示,本发明提供的灯光控制系统,包括:图像采集模块7、AI边缘计算模块8和物联网模块9。
图像采集模块7用于采集包含手势的可见光-红外双模图像并将可见光-红外双模图像传输给AI边缘计算模块8。具体的,可见光-红外双模图像通过可见光摄像头和红外摄像头进行采集,采集包含人体手势的可见光和红外双模视频图像。
AI边缘计算模块8包括训练单元和预测单元。
训练单元,用于以可见光-红外双模图像为输入对神经网络模型进行训练,输出为手势的识别结果;具体的,神经网络模型为YOLOv3目标识别网络的模型。
预测单元,用于将待识别的可见光-红外双模图像输入训练好的神经网络模型,得到手势的识别结果;具体的,手势与灯光控制指令一一对应;灯光控制指令包括:开灯、关灯、调高亮度和调低亮度。
物联网模块9根据手势的识别结果对灯光进行控制。具体的,物联网模块9为物联网开放平台;物联网开放平台为Yeelight智能灯开放平台。
具体的,AI边缘计算平台为NVIDIAJetsonAGX Xavier,在AI边缘计算平台上运行深度学习模型来识别双模视频图像中的手势,将识别结果转换为灯光开启、关闭、调亮和调暗等控制信号。控制信号可利用智能灯具的开放API通过因特网连接控制智能灯具。智能灯具的开放API即物联网开放平台;物联网开放平台为Yeelight智能灯开放平台;基于小米智能家居的Yeelight协议。
进一步的,基于可见光和红外双模图像的手势识别模型,以YOLO(You Only LookOnce)v3目标识别网络为基础,将其输入层修改为可见光和红外两种图像按通道串联。具体地,输入可见光图像为输入红外图像为/>其中,W、H和C分别表示图像的宽、高和通道数。采用{·,·}表示通道串联,可见光图像和红外图像红外图像串联之后的图像为/>进一步的,输入可见光图像为/>则可见光图像和红外图像红外图像串联之后的图像为/>识别手势后根据手势与控制信指令的对应关系,将手势转换为特定控制信号,借助智能灯具的开放API,实现对现有智能灯具产品的控制。
本发明提供的灯光控制方法及系统的工作原理如下所述:
图像采集模块7采集的图像来自双摄像头结构,其一为普通的可见光摄像头,另外一个为红外摄像头。以此来保证在不同光照条件下都可以获取较高质量的图像,具体地,在光线充足的情况下,可见光摄像头发挥主要作用,在光线不足的情况下,红外线摄像头发挥主要作用。图像采集模块7在采集包含人体手势的图像之后,会将图像传输给英伟达AI边缘计算平台。利用其中搭载的现有YOLOv3网络进行手势识别,AI边缘计算平台会根据手势识别结果发送对应的请求给对应的物联网开放平台(如Yeelight智能开放平台),以此来对智能灯具进行控制。YOLOv3目标识别网络的输入为摄像头模块传输过来的红外-可见光图像。物联网开放平台是一个可以帮助开发者轻松实现设备接入与设备连接的提供综合性的物联网解决方案的平台。在智能家居领域有着极其重要的作用。开发者可以通过向该开放平台上提供的API发送请求,就可以轻松的接入和控制相应的智能设备。并根据识别结果向对应的物联网开放平台(如Yeelight智能开放平台)发送相应的指令请求包。
如图3所示,YOLOv3是一个现有的深度学习领域的目标识别网络,其拥有一个主干网络B和预测网络P。主干网络B接收摄像头采集模块采集到的红外-可见光图像,并经过处理后输出三个结果,分别为最后一层的输出b(-1)、倒数第二层的输出b(-2)、倒数第三层的输出b(-3)。然后,将这三个结果输入到预测网络P当中,经过预测网络P的处理后得到最后手势识别的输出结果y。
主干网络B的结构如图4所示,为了与可见光和红外双模图像进行匹配,该网络的第一卷积层1调整为4个通道,数据流依次通过六个串行的卷积层(卷积核均为3×3),六个串行的卷积层包括第一卷积层1、第二卷积层2、第三卷积层3、第四卷积层4、第五卷积层5和第六卷积层6。最后,主干网络B输出后三层的结果b(-1)、b(-2)、b(-3),作为预测网络的输入。
预测网络P的结构如图5所示,其在接收到主干网络B的输出b(-1)、b(-2)、b(-3)后,数据流依次通过交替堆叠的卷积层、上采样层,并在第二卷积层2和第三卷积层3之前进行了按通道维拼接,如图5中所示,/>为拼接符号。预测网络P的三个卷积层分别输出p1,p2和p3,将三者进行叠加,可以判断最终的手势识别的输出结果y。
如图6、图7、图8和图9所示,与本发明所识别的手势一一对应的智能灯具的控制指令分别为:开灯、关灯、调高亮度、调低亮度。
本发明提供的灯光控制方法及系统的具有以下效果:
1、本发明采集的图像数据来自可见光和红外两种摄像头,AI边缘计算平台(NVIDIAJetsonAGX Xavier)中手势识别深度网络的输入层同时接收可见光和红外图像,实现本发明的灯光控制系统在光线充足和光线不充足的情况下均能取得较好的手势识别结果。
2、本发明在识别手势后,根据手势与智能灯控制信号的对应关系,将手势转换为特定控制信号,根据市面上智能灯具厂商所开放的API(如小米智能家居的Yeelight协议),实现本系统与现有智能灯具连接,提高了本发明的与目前市面上智能灯具的兼容性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种灯光控制方法,其特征在于,所述方法包括:
获取包含手势的可见光-红外双模图像;所述可见光-红外双模图像通过可见光摄像头和红外摄像头进行采集;
以所述可见光-红外双模图像为输入对神经网络模型进行训练;
将待识别的所述可见光-红外双模图像输入训练好的神经网络模型,得到手势的识别结果;
根据所述手势的识别结果对灯光进行控制;具体包括:
将所述手势的识别结果上传至物联网开放平台;所述物联网开放平台为Yeelight智能灯开放平台;
所述物联网开放平台,根据所述手势的识别结果确定灯光控制指令,根据所述灯光控制指令对灯光进行控制;
所述神经网络模型为YOLOv3目标识别网络的模型;
所述YOLOv3目标识别网络的模型包括主干网络B和预测网络P;所述主干网络B接收可见光-红外双模图像,并经过处理后输出三个结果,分别为最后一层的输出b(-1)、倒数第二层的输出b(-2)、倒数第三层的输出b(-3);b(-1)、b(-2)和b(-3)输入到预测网络P当中,经过预测网络P的处理后得到最后手势识别的输出结果y;
所述主干网络B的第一卷积层调整为4个通道,数据流依次通过六个串行的卷积层,六个串行的卷积层包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层,所述主干网络B输出后三层的结果b(-1)、b(-2)、b(-3),作为预测网络P的输入;
所述预测网络P在接收到所述主干网络B的输出b(-1)、b(-2)、b(-3)后,数据流依次通过交替堆叠的卷积层、上采样层,并在第二卷积层和第三卷积层之前进行了按通道维拼接,所述预测网络P的三个卷积层分别输出p1,p2和p3,将p1,p2和p3进行叠加,得到手势识别的输出结果y。
2.根据权利要求1所述的灯光控制方法,其特征在于,所述手势与灯光控制指令一一对应;所述灯光控制指令包括:开灯、关灯、调高亮度和调低亮度。
3.一种灯光控制系统,其特征在于,所述系统包括:图像采集模块、AI边缘计算模块和物联网模块;
所述图像采集模块用于采集包含手势的可见光-红外双模图像并将所述可见光-红外双模图像传输给所述AI边缘计算模块;所述可见光-红外双模图像通过可见光摄像头和红外摄像头进行采集;
所述AI边缘计算模块包括训练单元和预测单元;
所述训练单元,用于以所述可见光-红外双模图像为输入对神经网络模型进行训练,输出为所述手势的识别结果;
所述预测单元,用于将待识别的所述可见光-红外双模图像输入训练好的神经网络模型,得到所述手势的识别结果;
所述物联网模块根据所述手势的识别结果对灯光进行控制;具体包括:
将所述手势的识别结果上传至物联网开放平台;所述物联网开放平台为Yeelight智能灯开放平台;所述物联网开放平台,根据所述手势的识别结果确定灯光控制指令,根据所述灯光控制指令对灯光进行控制;
所述神经网络模型为YOLOv3目标识别网络的模型;
所述YOLOv3目标识别网络的模型包括主干网络B和预测网络P;所述主干网络B接收可见光-红外双模图像,并经过处理后输出三个结果,分别为最后一层的输出b(-1)、倒数第二层的输出b(-2)、倒数第三层的输出b(-3);b(-1)、b(-2)和b(-3)输入到预测网络P当中,经过预测网络P的处理后得到最后手势识别的输出结果y;
所述主干网络B的第一卷积层调整为4个通道,数据流依次通过六个串行的卷积层,六个串行的卷积层包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和第六卷积层,所述主干网络B输出后三层的结果b(-1)、b(-2)、b(-3),作为预测网络P的输入;
所述预测网络P在接收到所述主干网络B的输出b(-1)、b(-2)、b(-3)后,数据流依次通过交替堆叠的卷积层、上采样层,并在第二卷积层和第三卷积层之前进行了按通道维拼接,所述预测网络P的三个卷积层分别输出p1,p2和p3,将p1,p2和p3进行叠加,得到手势识别的输出结果y。
4.根据权利要求3所述的一种灯光控制系统,其特征在于,所述手势与灯光控制指令一一对应;所述灯光控制指令包括:开灯、关灯、调高亮度和调低亮度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065899.XA CN114390760B (zh) | 2022-01-20 | 2022-01-20 | 一种灯光控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065899.XA CN114390760B (zh) | 2022-01-20 | 2022-01-20 | 一种灯光控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114390760A CN114390760A (zh) | 2022-04-22 |
CN114390760B true CN114390760B (zh) | 2023-11-21 |
Family
ID=81203472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210065899.XA Active CN114390760B (zh) | 2022-01-20 | 2022-01-20 | 一种灯光控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114390760B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514437A (zh) * | 2012-12-24 | 2014-01-15 | Tcl集团股份有限公司 | 一种三维手势识别装置及三维手势识别方法 |
CN107660039A (zh) * | 2017-09-26 | 2018-02-02 | 哈尔滨拓博科技有限公司 | 一种识别动态手势的灯具控制系统 |
CN109196518A (zh) * | 2018-08-23 | 2019-01-11 | 合刃科技(深圳)有限公司 | 一种基于高光谱成像的手势识别方法及装置 |
WO2019157344A1 (en) * | 2018-02-12 | 2019-08-15 | Avodah Labs, Inc. | Real-time gesture recognition method and apparatus |
CN111814626A (zh) * | 2020-06-29 | 2020-10-23 | 中南民族大学 | 一种基于自注意力机制的动态手势识别方法和系统 |
CN112232232A (zh) * | 2020-10-20 | 2021-01-15 | 城云科技(中国)有限公司 | 一种目标检测方法 |
CN112464912A (zh) * | 2020-12-22 | 2021-03-09 | 杭州电子科技大学 | 基于YOLO-RGGNet的机器人端人脸检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107436685B (zh) * | 2017-07-31 | 2020-07-07 | 京东方科技集团股份有限公司 | 显示装置、自发光的显示面板及手势识别方法 |
-
2022
- 2022-01-20 CN CN202210065899.XA patent/CN114390760B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514437A (zh) * | 2012-12-24 | 2014-01-15 | Tcl集团股份有限公司 | 一种三维手势识别装置及三维手势识别方法 |
CN107660039A (zh) * | 2017-09-26 | 2018-02-02 | 哈尔滨拓博科技有限公司 | 一种识别动态手势的灯具控制系统 |
WO2019157344A1 (en) * | 2018-02-12 | 2019-08-15 | Avodah Labs, Inc. | Real-time gesture recognition method and apparatus |
CN109196518A (zh) * | 2018-08-23 | 2019-01-11 | 合刃科技(深圳)有限公司 | 一种基于高光谱成像的手势识别方法及装置 |
CN111814626A (zh) * | 2020-06-29 | 2020-10-23 | 中南民族大学 | 一种基于自注意力机制的动态手势识别方法和系统 |
CN112232232A (zh) * | 2020-10-20 | 2021-01-15 | 城云科技(中国)有限公司 | 一种目标检测方法 |
CN112464912A (zh) * | 2020-12-22 | 2021-03-09 | 杭州电子科技大学 | 基于YOLO-RGGNet的机器人端人脸检测方法 |
Non-Patent Citations (4)
Title |
---|
YOLOv3 Target Detection Algorithm Based on Channel Attention Mechanism;Daxiang Li;《2021 3rd International Conference on Natural Language Processing (ICNLP)》;全文 * |
基于CNN的人脸识别及其在嵌入式的应用研究;陈伟民;《中国优秀硕士学位论文全文数据库 信息科技辑》;全文 * |
基于改进YOLOv3的对陆导弹目标识别算法;刘志赢;《万方数据库》;全文 * |
基于特征位置优选整合的快速城区检测算法;师皓;《电子学报》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114390760A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016112631A1 (zh) | 一种灯光控制系统及方法 | |
CN105050246A (zh) | 一种移动终端调节灯光亮度的方法和移动终端 | |
CN103237177B (zh) | 光源亮度调整方法与装置 | |
CN101990061B (zh) | 摄影装置 | |
CN105208715B (zh) | 可控led的分组控制方法及系统 | |
CN104144353A (zh) | 基于智能电视的多区域环境光管理控制方法 | |
CN105721748A (zh) | 拍摄控制装置及辅助闪光控制装置 | |
CN109041322B (zh) | 一种智能室内灯光系统 | |
CN115480923B (zh) | 一种多模态的智慧教室边缘计算控制系统 | |
CN111263498A (zh) | 一种汽车氛围灯控制系统、方法、装置及存储介质 | |
CN114390760B (zh) | 一种灯光控制方法及系统 | |
CN106332399A (zh) | 一种灯光显示效果控制方法 | |
CN101123691A (zh) | 高分辨全景视觉系统图像亮度自适应调整方法 | |
US20220015209A1 (en) | Illumination control systems and methods | |
CN105827939A (zh) | 一种控制闪光灯的方法及电子设备 | |
CN105791694A (zh) | 拍摄控制装置、辅助闪光装置及辅助闪光控制系统 | |
CN105681642A (zh) | 拍摄控制装置、辅助闪光控制装置及辅助闪光控制系统 | |
CN110266961A (zh) | 图像生成方法、系统及图像生成设备 | |
CN209824080U (zh) | 一种基于手势语音感应led照明节能灯 | |
CN103685553A (zh) | 一种移动设备之间建立连接的方法和系统 | |
CN205647743U (zh) | 便携式拍摄装置、辅助闪光装置及拍摄系统 | |
CN101598888A (zh) | 投影机及利用其调整环境光源的方法,及图像播放系统 | |
CN208353678U (zh) | 一种基于物体检测的智能照明系统 | |
CN1941873A (zh) | 一种无形电视的实现方法 | |
CN106793304A (zh) | 调光方法及照明设备 |
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 |