CN114423125A - 一种基于场景的环境灯控制方法及系统 - Google Patents

Abstract

本发明公开了一种基于场景的环境灯控制方法及系统，涉及照明控制领域，其中，所述方法包括：根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；通过对所述第一行人信息进行多级特征提取，获得第一行人特征；根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；进而，获得第一偏离分析结果；构建移动轨迹纠偏模型；将所述第一监测轨迹输入所述移动轨迹纠偏模型中，获得第一输出信息；根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。解决了现有技术中的针对环境灯的控制效果不佳的技术问题。

Description

一种基于场景的环境灯控制方法及系统

技术领域

本发明涉及照明控制领域，具体地，涉及一种基于场景的环境灯控制方法及系统。

背景技术

环境灯是现代环境中不可缺少的部分,它不仅自身具有较高的观赏性、实用性,还强调与历史文化、周围环境的协调统一。环境灯利用不同的造型、相异的光色与亮度来渲染环境氛围。例如，红色光的灯笼造型的环境灯为广场带来一片喜庆气氛，绿色椰树灯在池边展现一派热带风情。环境灯适用于广场、居住区、公共绿地等多种场所。随着国家的繁荣昌盛以及社会文明的不断发展，作为城市重要基础设施的环境灯已经成为体现城市形象并展示城市文明程度的重要组成部分。环境灯的数量急剧增长，对于环境灯现代化管理的要求也日趋迫切。研究设计一种优化环境灯的控制方法，具有重要的现实意义。

现有技术中，存在针对环境灯的控制效果不佳的技术问题。

发明内容

本申请提供了一种基于场景的环境灯控制方法及系统，解决了现有技术中的针对环境灯的控制效果不佳的技术问题。

鉴于上述问题，本申请提供了一种基于场景的环境灯控制方法及系统。

一方面，本申请提供了一种基于场景的环境灯控制方法，其中，所述方法应用于一种基于场景的环境灯控制系统，所述方法包括：根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；通过对所述第一行人信息进行多级特征提取，获得第一行人特征；根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；基于所述第一偏离分析结果，构建移动轨迹纠偏模型，其中，所述移动轨迹纠偏模型为循环神经网络模型；将所述第一监测轨迹输入所述移动轨迹纠偏模型中，根据所述移动轨迹纠偏模型，获得第一输出信息，其中，所述第一输出信息为第二预测轨迹；根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

另一方面，本申请还提供了一种基于场景的环境灯控制系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；第二获得单元，所述第二获得单元用于通过对所述第一行人信息进行多级特征提取，获得第一行人特征；第三获得单元，所述第三获得单元用于根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；第四获得单元，所述第四获得单元用于通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；第五获得单元，所述第五获得单元用于基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；第一执行单元，所述第一执行单元用于基于所述第一偏离分析结果，构建移动轨迹纠偏模型，其中，所述移动轨迹纠偏模型为循环神经网络模型；第六获得单元，所述第六获得单元用于将所述第一监测轨迹输入所述移动轨迹纠偏模型中，根据所述移动轨迹纠偏模型，获得第一输出信息，其中，所述第一输出信息为第二预测轨迹；第二执行单元，所述第二执行单元用于根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

第三方面，本申请提供了一种基于场景的环境灯控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过第一视频采集装置采集第一行人信息；进而获得第一行人特征；根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；构建移动轨迹纠偏模型；将所述第一监测轨迹输入所述移动轨迹纠偏模型，输出第二预测轨迹；根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。达到了设计一种基于场景的环境灯的智能控制方法；有效提升对于环境灯的控制效果；降低人力、电能等资源浪费；同时，便于环境灯故障的检测和维修；为环境灯的智能化发展奠定基础的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述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示例性的，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，还可以根据提供的附图获得其他的附图。

图1为本申请一种基于场景的环境灯控制方法的流程示意图；

图2为本申请一种基于场景的环境灯控制方法中根据第一变化轨迹对活动轨迹预测的信息库进行动态更新的流程示意图；

图3为本申请一种基于场景的环境灯控制系统的结构示意图；

图4为本申请示例性电子设备的结构示意图。

具体实施方式

本申请通过提供一种基于场景的环境灯控制方法及系统，解决了现有技术中的针对环境灯的控制效果不佳的技术问题。达到了设计一种基于场景的环境灯的智能控制方法；有效提升对于环境灯的控制效果；降低人力、电能等资源浪费；同时，便于环境灯故障的检测和维修；为环境灯的智能化发展奠定基础的技术效果。

下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

环境灯是现代环境中不可缺少的部分,它不仅自身具有较高的观赏性、实用性,还强调与历史文化、周围环境的协调统一。环境灯利用不同的造型、相异的光色与亮度来渲染环境氛围。例如，红色光的灯笼造型的环境灯为广场带来一片喜庆气氛，绿色椰树灯在池边展现一派热带风情。环境灯适用于广场、居住区、公共绿地等多种场所。随着国家的繁荣昌盛以及社会文明的不断发展，作为城市重要基础设施的环境灯已经成为体现城市形象并展示城市文明程度的重要组成部分。环境灯的数量急剧增长，对于环境灯现代化管理的要求也日趋迫切。研究设计一种优化环境灯的控制方法，具有重要的现实意义。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供一种基于场景的环境灯控制方法，其中，所述方法应用于一种基于场景的环境灯控制系统，所述方法包括：.通过第一视频采集装置采集第一行人信息；进而获得第一行人特征；根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；构建移动轨迹纠偏模型；将所述第一监测轨迹输入所述移动轨迹纠偏模型，输出第二预测轨迹；根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

实施例一

请参阅附图1，本申请提供一种基于场景的环境灯控制方法，其中，所述方法应用于一种基于场景的环境灯控制系统，所述方法具体包括如下步骤：

步骤S100：根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；

具体而言，所述第一行人信息是指利用第一视频采集装置在第一场景的入口，采集任一行人的年龄、性别、职业、家庭成员、有无幼儿等个人基本信息。其中，第一视频采集装置是与本申请的一种基于场景的环境灯控制系统采用通信连接的任一视频采集装置。所述第一场景包括公园、学校、居民楼、体育馆等多种类型场景。例如，以公园为场景，在夜晚期间，使用第一视频采集装置在公园的入口进行信息采集，获得的所述第一行人信息为女，23岁，教师，已婚，无幼儿等信息。达到了利用第一视频采集装置采集行人信息，为后续对其进行特征提取奠定基础的技术效果。

步骤S200：通过对所述第一行人信息进行多级特征提取，获得第一行人特征；

进一步的，本申请步骤S200还包括：

步骤S210：通过对所述第一场景进行分析，搭建多级特征维度，其中，所述多级特征维度包括第一特征维度、第二特征维度和第三特征维度，其中，所述第一特征维度为行人数量，所述第二特征维度为年龄结构，所述第三特征维度为特殊人群；

步骤S220：根据所述多级特征维度对所述第一行人信息进行特征识别，获得所述第一行人特征。

具体而言，根据对所述第一场景进行分析，获得由第一特征维度、第二特征维度、第三特征维度构成的多级特征维度。其中，所述第一特征维度、所述第二特征维度、所述第三特征维度可以根据应用场景进行最优选择。优选的，本申请采用的所述第一特征维度为行人数量，所述第二特征维度为年龄结构，所述第三特征维度为特殊人群。进一步，基于所述多级特征维度，对所述第一行人信息进行特征识别，获得所述第一行人特征。所述第一行人特征包括行人数量、年龄结构、特殊人群等特征。例如，所述第一行人特征是行人数量为3，其中，

有1人25岁，2人30岁；且有1人为残疾人。达到了利用多级特征维度，对行人信息进行特征提取，并为后续预测行人轨迹提供数据支持的技术效果。

步骤S300：根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；

进一步的，本申请步骤S300包括：

步骤S310：获得所述第一场景的景观位置点和入口位置点；

步骤S320：基于所述景观位置点和所述入口位置点进行路径规划，生成场景规划路径；

步骤S330：根据所述第一行人特征从所述场景规划路径中进行筛选，获得第一场景规划路径；

步骤S340：将所述第一场景规划路径作为活动轨迹预测的基础信息进行预测，获得所述第一预测轨迹。

具体而言，所述第一场景的景观位置点包括任一场景中的建筑标识位置、旅游观光位置等。所述第一场景的入口位置点包括任一场景中的任一入口。对所述景观位置点和所述入口位置点进行路径规划，获得场景规划路径。所述场景规划路径是由所述景观位置点与所述入口位置点之间的所有路径构成的路径集合。进一步，根据所述第一行人特征筛选所述场景规划路径，获得第一场景规划路径；并将其作为活动轨迹预测的基础，获得所述第一预测轨迹。所述第一预测轨迹是所述第一行人可能的任一活动轨迹。所述第一场景规划路径是针对此时的行人的入口位置和行人特征，确定的行人可能进行活动的路线。例如，所述第一场景的景观位置点是公园中央的音乐喷泉。所述第一场景的入口位置点是公园的4个入口。所述场景规划路径是从音乐喷泉到公园的4个入口之间a、b、c、d的4条路径。根据所述第一行人特征对所述场景规划路径进行筛选，获得的第一场景规划路径是a路径。基于a路径进行活动轨迹预测，获得第一预测轨迹。达到了根据行人特征、场景规划路径对行人进行活动轨迹预测的技术效果。

进一步的，本申请步骤S340之后还包括：

步骤S350：通过对所述第一行人进行数据节点记录，生成第一行人管理模块；

步骤S360：基于所述第一行人管理模块对所述第一行人进行识别，判断是否为初次活动，获得第一判断结果；

步骤S370：根据所述第一判断结果，获得第一调用指令；

步骤S380：基于所述第一调用指令，调用所述第一行人的历史活动轨迹；

步骤S390：将所述第一行人的历史活动轨迹作为活动轨迹预测的辅助信息进行辅助预测，获得所述第一预测轨迹。

具体而言，记录所述第一行人的数据，生成第一行人管理模块。所述第一行人管理模块用于识别任一行人是否为初次活动，获得第一判断结果。所述第一判断结果是所述第一行人是否为初次活动，进一步，通过所述第一判断结果，获得第一调用指令。所述第一调用指令用于调用所述第一行人的历史活动轨迹。所述第一行人的历史活动轨迹是由任一行人的所有历史活动轨迹构成的轨迹集合。进而利用所述第一行人的历史活动轨迹，获得所述第一预测轨迹。例如，通过所述第一行人管理模块对所述第一行人进行判断，获得的第一判断结果是所述第一行人不是初次活动。利用所述第一调用指令，调用所述第一行人的历史活动轨迹。所述第一行人的历史活动轨迹是轨迹集合E。通过轨迹集合E识别第一行人以前去过的地方、以前经过的路径等信息。基于轨迹集合E，获得所述第一预测轨迹为轨迹e。达到了利用行人的历史活动轨迹作为参照进行轨迹预测，提高对行人轨迹预测的质量和效率的技术效果。

步骤S400：通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；

步骤S500：基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；

具体而言，所述第一监测轨迹是实时监测所述第一行人的活动轨迹，获得的第一行人的所有实际活动轨迹。所述第一偏离分析结果是对第一预测轨迹、第一监测轨迹进行轨迹偏离分析，获得的轨迹重合度、轨迹偏离程度、轨迹偏离原因等数据信息。例如，对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹为轨迹f。所述第一预测轨迹为轨迹g。对第一预测轨迹、第一监测轨迹进行轨迹偏离分析，获得的第一偏离分析结果是轨迹f与轨迹g的重合度较高，轨迹偏离程度较小，第一预测轨迹的精确度较高等信息。达到了对第一预测轨迹、第一监测轨迹进行轨迹偏离分析，为后续构建移动轨迹纠偏模型提供数据支持的技术效果。

步骤S600：基于所述第一偏离分析结果，构建移动轨迹纠偏模型，其中，所述移动轨迹纠偏模型为循环神经网络模型；

步骤S700：将所述第一监测轨迹输入所述移动轨迹纠偏模型中，根据所述移动轨迹纠偏模型，获得第一输出信息，其中，所述第一输出信息为第二预测轨迹；

具体而言，所述移动轨迹纠偏模型为循环神经网络模型，具有神经网络模型的特性。所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一种具有局部连接、权值共享等特点的深层前馈神经网络，是一个高度复杂的非线性动力学习系统。通过将所述第一监测轨迹作为输入信息，输入移动轨迹纠偏模型，基于神经网络模型建立的所述移动轨迹纠偏模型能够输出准确的第二预测轨迹，从而具备了较强的分析计算能力。达到了搭建循环神经网络模型，对行人目前所处的活动轨迹进行分析；同时，循环神经网络模型能够针对行人以前的状态实现再次轨迹预测，输出准确而高效的第二预测轨迹的技术效果。

步骤S800：根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

进一步的，本申请步骤S800包括：

步骤S810：获得所述第一场景中所述第二预测轨迹的轨迹环境灯信息；

步骤S820：根据所述轨迹环境灯信息进行环境灯分类，获得多类环境灯；

步骤S830：通过对所述多类环境灯中的每一类环境灯进行类别属性分析，确定灯控属性信息；

步骤S840：根据所述第一行人特征和所述灯控属性信息进行环境灯匹配，获得匹配环境灯，其中，所述匹配环境灯为需要调控的环境灯；

步骤S850：根据第一控制指令对所述匹配环境灯进行参数控制。

具体而言，所述第一场景中所述第二预测轨迹的轨迹环境灯信息包括第二预测轨迹的轨迹环境灯的类型、轨迹环境灯的造型、轨迹环境灯的光色与亮度等信息。进而，对所述轨迹环境灯进行分类，获得多类环境灯。所述多类环境灯包括道路照明灯、水下照明灯、氛围灯、装饰灯、交通讯号灯等不同类型的环境灯。对所述多类环境灯进行类别属性分析，确定灯控属性信息。所述灯控属性信息包括环境灯的类型、基本参数（电流、电压等）、开关方式等信息。进一步，基于所述第一行人特征和所述灯控属性信息，获得匹配环境灯。利用第一控制指令对所述匹配环境灯进行参数控制。其中，所述匹配环境灯为需要进行调控的环境灯。所述第一控制指令是指控制所述匹配环境灯的开关状态、灯光亮度、灯色等参数的任一指令。例如，对于小孩、老人或者视力不好的行人，匹配道路照明灯，同时增加灯光的亮度。对于符合情侣特征判定的行人，匹配氛围灯。达到了根据行人特征和灯控属性信息匹配环境灯，同时根据控制指令对匹配的环境灯进行参数控制的技术效果。

进一步的，本申请步骤S850之后还包括：

步骤S860：搭建灯控数据库，其中，所述灯控数据库包括属性标识码和行人标识码，所述属性标识码和所述行人标识码一一对应；

步骤S870：根据所述第一行人特征，获得第一行人标识码；

步骤S880：将所述第一行人标识码输入所述灯控数据库中进行属性标识码匹配，获得第一属性标识码；

步骤S890：根据所述第一属性标识码，生成所述匹配环境灯。

具体而言，所述灯控数据库包括属性标识码和行人标识码。所述属性标识码是根据所述灯控属性信息对所述多类环境灯进行属性标识，且灯控数据库中能够进行识别的字段。所述行人标识码是指对行人的年龄、性别等特征进行标识，且灯控数据库中能够进行识别的字段。且所述属性标识码和所述行人标识码一一对应。进一步，根据所述第一行人特征，确定获得第一行人标识码，并将其输入所述灯控数据库中进行属性标识码匹配，获得第一属性标识码，进而生成所述匹配环境灯。所述第一行人标识码是任一行人的行人标识码。所述第一属性标识码是与所述第一行人标识码对应的任一属性标识码。达到了设计一种基于场景的环境灯的智能控制方法；有效提升对于环境灯的控制效果；降低人力、电能等资源浪费；同时，便于环境灯故障的检测和维修；为环境灯的智能化发展奠定基础的技术效果。

进一步的，如附图2所示，本申请步骤S800之后还包括：

步骤S900：根据第一视频采集装置，获得第二行人信息；

步骤S1000：判断所述第二行人信息与所述第一行人信息的相似度，若相似度处于预设相似度阈值之中，获得第一类比指令；

步骤S1100：基于所述第一类比指令对第二行人进行类比，基于所述第二行人的实时活动轨迹进行异常节点定位，获得第一变化轨迹；

步骤S1200：根据所述第一变化轨迹对活动轨迹预测的信息库进行动态更新。

具体而言，所述第二行人信息是指利用第一视频采集装置，采集与第一行人不同的任一行人的基本信息。进而，判断所述第二行人信息与所述第一行人信息的相似度，如果相似度处于预设相似度阈值之中，获得第一类比指令。其中，所述预设相似度阈值是指预先设定的第一行人信息与第二行人信息的相似度的任一阈值。所述第一类比指令是对第二行人进行类比的任一指令。进一步，对所述第二行人的实时活动轨迹进行异常节点定位，获得第一变化轨迹，并根据所述第一变化轨迹对活动轨迹预测的信息库进行动态更新。所述第一变化轨迹是当第一行人与第二行人的路线不同时，对发生不同所有的位置进行定位，从而获得变化的所有轨迹。例如，第一行人、第二行人都是一家三口，且数量、年龄等基本信息相似。所述第二行人信息与所述第一行人信息的相似度为60%，所述预设相似度阈值是80%，相似度处于预设相似度阈值之中，获得第一类比指令，进而对所述第二行人的实时活动轨迹进行异常节点定位，更新活动轨迹预测的信息库。达到了对拥有第一行人相似特征的预测路线进行动态更新，提高识别准确率的技术效果。

综上所述，本申请所提供的一种基于场景的环境灯控制方法具有如下技术效果：

1.通过第一视频采集装置采集第一行人信息；进而获得第一行人特征；根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；构建移动轨迹纠偏模型；将所述第一监测轨迹输入所述移动轨迹纠偏模型，输出第二预测轨迹；根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。达到了设计一种基于场景的环境灯的智能控制方法；有效提升对于环境灯的控制效果；降低人力、电能等资源浪费；同时，便于环境灯故障的检测和维修；为环境灯的智能化发展奠定基础的技术效果。

2.所述移动轨迹纠偏模型为循环神经网络模型，具有神经网络模型的特性。所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一种具有局部连接、权值共享等特点的深层前馈神经网络，是一个高度复杂的非线性动力学习系统。通过将所述第一监测轨迹作为输入信息，输入移动轨迹纠偏模型，基于神经网络模型建立的所述移动轨迹纠偏模型能够输出准确的第二预测轨迹，从而具备了较强的分析计算能力。

3.所述灯控数据库包括属性标识码和行人标识码。所述属性标识码是根据所述灯控属性信息对所述多类环境灯进行属性标识的任一信息。所述行人标识码是指对行人的年龄、性别等特征进行标识的任一信息。且所述属性标识码和所述行人标识码一一对应。

实施例二

基于与前述实施例中一种基于场景的环境灯控制方法，同样发明构思，本发明还提供了一种基于场景的环境灯控制系统，请参阅附图3，所述系统包括：

第一获得单元11，所述第一获得单元11用于根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；

第二获得单元12，所述第二获得单元12用于通过对所述第一行人信息进行多级特征提取，获得第一行人特征；

第三获得单元13，所述第三获得单元13用于根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；

第四获得单元14，所述第四获得单元14用于通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；

第五获得单元15，所述第五获得单元15用于基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；

第一执行单元16，所述第一执行单元16用于基于所述第一偏离分析结果，构建移动轨迹纠偏模型，其中，所述移动轨迹纠偏模型为循环神经网络模型；

第六获得单元17，所述第六获得单元17用于将所述第一监测轨迹输入所述移动轨迹纠偏模型中，根据所述移动轨迹纠偏模型，获得第一输出信息，其中，所述第一输出信息为第二预测轨迹；

第二执行单元18，所述第二执行单元18用于根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于获得所述第一场景中所述第二预测轨迹的轨迹环境灯信息；

第八获得单元，所述第八获得单元用于根据所述轨迹环境灯信息进行环境灯分类，获得多类环境灯；

第三执行单元，所述第三执行单元用于通过对所述多类环境灯中的每一类环境灯进行类别属性分析，确定灯控属性信息；

第九获得单元，所述第九获得单元用于根据所述第一行人特征和所述灯控属性信息进行环境灯匹配，获得匹配环境灯，其中，所述匹配环境灯为需要调控的环境灯；

第四执行单元，所述第四执行单元用于根据第一控制指令对所述匹配环境灯进行参数控制。

进一步的，所述系统还包括：

第五执行单元，所述第五执行单元用于搭建灯控数据库，其中，所述灯控数据库包括属性标识码和行人标识码，所述属性标识码和所述行人标识码一一对应；

第十获得单元，所述第十获得单元用于根据所述第一行人特征，获得第一行人标识码；

第十一获得单元，所述第十一获得单元用于将所述第一行人标识码输入所述灯控数据库中进行属性标识码匹配，获得第一属性标识码；

第六执行单元，所述第六执行单元用于根据所述第一属性标识码，生成所述匹配环境灯。

进一步的，所述系统还包括：

第七执行单元，所述第七执行单元用于通过对所述第一场景进行分析，搭建多级特征维度，其中，所述多级特征维度包括第一特征维度、第二特征维度和第三特征维度，其中，所述第一特征维度为行人数量，所述第二特征维度为年龄结构，所述第三特征维度为特殊人群；

第十二获得单元，所述第十二获得单元用于根据所述多级特征维度对所述第一行人信息进行特征识别，获得所述第一行人特征。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于获得所述第一场景的景观位置点和入口位置点；

第八执行单元，所述第八执行单元用于基于所述景观位置点和所述入口位置点进行路径规划，生成场景规划路径；

第十四获得单元，所述第十四获得单元用于根据所述第一行人特征从所述场景规划路径中进行筛选，获得第一场景规划路径；

第十五获得单元，所述第十五获得单元用于将所述第一场景规划路径作为活动轨迹预测的基础信息进行预测，获得所述第一预测轨迹。

进一步的，所述系统还包括：

第九执行单元，所述第九执行单元用于通过对所述第一行人进行数据节点记录，生成第一行人管理模块；

第十六获得单元，所述第十六获得单元用于基于所述第一行人管理模块对所述第一行人进行识别，判断是否为初次活动，获得第一判断结果；

第十七获得单元，所述第十七获得单元用于根据所述第一判断结果，获得第一调用指令；

第十执行单元，所述第十执行单元用于基于所述第一调用指令，调用所述第一行人的历史活动轨迹；

第十八获得单元，所述第十八获得单元用于将所述第一行人的历史活动轨迹作为活动轨迹预测的辅助信息进行辅助预测，获得所述第一预测轨迹。

进一步的，所述系统还包括：

第十九获得单元，所述第十九获得单元用于根据第一视频采集装置，获得第二行人信息；

第二十获得单元，所述第二十获得单元用于判断所述第二行人信息与所述第一行人信息的相似度，若相似度处于预设相似度阈值之中，获得第一类比指令；

第二十一获得单元，所述第二十一获得单元用于基于所述第一类比指令对第二行人进行类比，基于所述第二行人的实时活动轨迹进行异常节点定位，获得第一变化轨迹；

第十一执行单元，所述第十一执行单元用于根据所述第一变化轨迹对活动轨迹预测的信息库进行动态更新。

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，前述图1实施例一中的一种基于场景的环境灯控制方法和具体实例同样适用于本实施例的一种基于场景的环境灯控制系统，通过前述对一种基于场景的环境灯控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于场景的环境灯控制系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

示例性电子设备

下面参考图4来描述本申请的计算机设备。该计算机设备可以是应用版本管理服务器或终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用包的处理方法。

在该计算机设备是终端时，该计算机设备还可以包括显示屏和输入装置。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。

本申请提供了一种基于场景的环境灯控制方法，其中，所述方法应用于一种基于场景的环境灯控制系统，所述方法包括：通过第一视频采集装置采集第一行人信息；进而获得第一行人特征；根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；构建移动轨迹纠偏模型；将所述第一监测轨迹输入所述移动轨迹纠偏模型，输出第二预测轨迹；根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。解决了现有技术中的针对环境灯的控制效果不佳的技术问题。达到了设计一种基于场景的环境灯的智能控制方法；有效提升对于环境灯的控制效果；降低人力、电能等资源浪费；同时，便于环境灯故障的检测和维修；为环境灯的智能化发展奠定基础的技术效果。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附为准。

Claims (10)

1.一种基于场景的环境灯控制方法，其特征在于，所述方法应用于一种基于场景的环境灯控制系统，所述系统与第一视频采集装置通信连接，所述方法包括：

根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；

通过对所述第一行人信息进行多级特征提取，获得第一行人特征；

根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；

通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；

基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；

基于所述第一偏离分析结果，构建移动轨迹纠偏模型，其中，所述移动轨迹纠偏模型为循环神经网络模型；

将所述第一监测轨迹输入所述移动轨迹纠偏模型中，根据所述移动轨迹纠偏模型，获得第一输出信息，其中，所述第一输出信息为第二预测轨迹；

根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

2.如权利要求1所述的方法，其特征在于，所述根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制，所述方法还包括：

获得所述第一场景中所述第二预测轨迹的轨迹环境灯信息；

根据所述轨迹环境灯信息进行环境灯分类，获得多类环境灯；

通过对所述多类环境灯中的每一类环境灯进行类别属性分析，确定灯控属性信息；

根据所述第一行人特征和所述灯控属性信息进行环境灯匹配，获得匹配环境灯，其中，所述匹配环境灯为需要调控的环境灯；

根据第一控制指令对所述匹配环境灯进行参数控制。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

搭建灯控数据库，其中，所述灯控数据库包括属性标识码和行人标识码，所述属性标识码和所述行人标识码一一对应；

根据所述第一行人特征，获得第一行人标识码；

将所述第一行人标识码输入所述灯控数据库中进行属性标识码匹配，获得第一属性标识码；

根据所述第一属性标识码，生成所述匹配环境灯。

4.如权利要求1所述的方法，其特征在于，所述通过对所述第一行人信息进行多级特征提取，获得第一行人特征，所述方法还包括：

通过对所述第一场景进行分析，搭建多级特征维度，其中，所述多级特征维度包括第一特征维度、第二特征维度和第三特征维度，其中，所述第一特征维度为行人数量，所述第二特征维度为年龄结构，所述第三特征维度为特殊人群；

根据所述多级特征维度对所述第一行人信息进行特征识别，获得所述第一行人特征。

5.如权利要求1所述的方法，其特征在于，所述根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹，所述方法还包括：

获得所述第一场景的景观位置点和入口位置点；

基于所述景观位置点和所述入口位置点进行路径规划，生成场景规划路径；

根据所述第一行人特征从所述场景规划路径中进行筛选，获得第一场景规划路径；

将所述第一场景规划路径作为活动轨迹预测的基础信息进行预测，获得所述第一预测轨迹。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

通过对所述第一行人进行数据节点记录，生成第一行人管理模块；

基于所述第一行人管理模块对所述第一行人进行识别，判断是否为初次活动，获得第一判断结果；

根据所述第一判断结果，获得第一调用指令；

基于所述第一调用指令，调用所述第一行人的历史活动轨迹；

将所述第一行人的历史活动轨迹作为活动轨迹预测的辅助信息进行辅助预测，获得所述第一预测轨迹。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据第一视频采集装置，获得第二行人信息；

判断所述第二行人信息与所述第一行人信息的相似度，若相似度处于预设相似度阈值之中，获得第一类比指令；

基于所述第一类比指令对第二行人进行类比，基于所述第二行人的实时活动轨迹进行异常节点定位，获得第一变化轨迹；

根据所述第一变化轨迹对活动轨迹预测的信息库进行动态更新。

8.一种基于场景的环境灯控制系统，所述系统与第一视频采集装置通信连接，其特征在于，所述系统包括：

第一获得单元，所述第一获得单元用于根据第一视频采集装置在第一场景的入口对第一行人进行信息采集，获得第一行人信息；

第二获得单元，所述第二获得单元用于通过对所述第一行人信息进行多级特征提取，获得第一行人特征；

第三获得单元，所述第三获得单元用于根据所述第一行人特征对所述第一行人进行活动轨迹预测，获得第一预测轨迹；

第四获得单元，所述第四获得单元用于通过对所述第一行人进行活动轨迹实时监测，获得第一监测轨迹；

第五获得单元，所述第五获得单元用于基于第一预测轨迹和第一监测轨迹进行轨迹偏离分析，获得第一偏离分析结果；

第一执行单元，所述第一执行单元用于基于所述第一偏离分析结果，构建移动轨迹纠偏模型，其中，所述移动轨迹纠偏模型为循环神经网络模型；

第六获得单元，所述第六获得单元用于将所述第一监测轨迹输入所述移动轨迹纠偏模型中，根据所述移动轨迹纠偏模型，获得第一输出信息，其中，所述第一输出信息为第二预测轨迹；

第二执行单元，所述第二执行单元用于根据所述第二预测轨迹对所述第一场景的环境灯进行参数控制。

9.一种基于场景的环境灯控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

Images