CN116017816A - 基于视频分析的智慧路灯调节控制系统 - Google Patents

Abstract

本发明涉及图像处理领域，具体涉及基于视频分析的智慧路灯调节控制系统，包括图像采集模块，环境亮度获取模块，环境模糊程度获取模块以及智慧路灯调节控制模块：获取参照图像以及各个环境图像；根据各个像素点的第一灰度差异以及稳定程度得到各个环境图像的环境亮度；根据各个像素点的纹理信息量以及第二参考权重得到各个环境图像的环境模糊程度；获取各个环境图像的可靠性，结合各个环境图像的环境亮度以及环境模糊程度得到环境整体亮度以及环境整体模糊程度，根据环境整体亮度以及环境整体模糊程度得到智慧路灯的开关状态、色温以及亮度值。本发明可以根据环境质量对智慧路灯的开关、色温以及亮度值进行自动调节，简单且高效。

Description

基于视频分析的智慧路灯调节控制系统

技术领域

本发明涉及图像处理领域，具体涉及基于视频分析的智慧路灯调节控制系统。

背景技术

智慧路灯以道路照明灯杆为基础，整合公安、交通信号、通信、交通标识牌等为一体，实现多杆合一，但是为了得到良好的照明效果，在天气状况良好的时，一般使用白光进行照明；在天气状况较差时，如雾天，需要使用穿透能力较强的暖黄光，即需要根据天气状况将智慧路灯设置为不同色温以得到良好的照明效果。

现有的方法大多是通过传感器或者天气预报对天气状况进行判断的，然后根据判断结果对智慧路灯进行调节，例如，专利CN104329628A设计了一种雾天光谱可调型LED智慧路灯，虽然可以实现不同的天气提供良好的照明效果，但是其对智慧路灯的调节方法是根据气象预报及道路交通等相关部门给出的关于雾天和灰霾天气的能见度的预报，由管理人员将预报信息输入远程控制设备，使智慧路灯在某一时刻自动实现白光和黄光的切换以及黄光强度的调节，即需要人为参与智慧路灯的调控。但是由于一个城市地域跨度较大，各地区天气往往会有一定差异，而人类对大气运动规律的认识和掌握仍然有限，受科技发展的局限，天气预报仍然存在一定的误差，仅根据天气状况无法准确判断各个地区的实际天气状况，也就无法自适应地对智慧路灯进行准确的调节，此外，起雾程度不同对智慧路灯的亮度要求也存在一定差异，因此设计一种可以根据实际环境的天气情况自适应地对智慧路灯的亮度以及色温进行调节是非常必要的。

发明内容

本发明提供基于视频分析的智慧路灯调节控制系统，以解决现有的问题。

本发明的基于视频分析的智慧路灯调节控制系统采用如下技术方案：

本发明一个实施例提供了基于视频分析的智慧路灯调节控制系统，该系统包括以下模块：

图像采集模块，用以获取智慧路灯周边的监控视频以及参照图像，根据监控视频得到各个环境图像以及各个环境图像的序号；

环境亮度获取模块，用以根据各个环境图像中各个像素点与参照图像对应位置上的像素点的灰度值得到各个像素点的第一灰度差异；根据各个环境图像中各个像素点与其他环境图像中对应位置上的像素点的灰度值得到各个像素点的稳定程度；根据各个环境图像中各个像素点的第一灰度差异以及稳定程度得到各个环境图像的环境亮度；

环境模糊程度获取模块，用以获取各个环境图像中各个像素点的纹理信息量，根据各个像素点到图像中心的距离得到各个像素点的第二参考权重，根据各个像素点的纹理信息量以及各个像素点的第二参考权重得到各个环境图像的环境模糊程度；

智慧路灯调节控制模块，用以根据各个环境图像的序号得到各个环境图像的可靠性；根据各个环境图像的可靠性以及环境亮度得到环境整体亮度；根据各个环境图像的环境模糊程度以及可靠性得到环境整体模糊程度，根据环境整体亮度以及环境整体模糊程度得到智慧路灯的开关状态、色温以及亮度值。

优选的，所述各个像素点的第一灰度差异的获取步骤包括：

计算各个环境图像中各个像素点与参照图像中对应位置上的像素点的灰度值之间差值的绝对值，将所得绝对值作为各个像素点的第一灰度差异。

优选的，所述各个像素点的稳定程度的获取方法为：

以任意一个环境图像为目标环境图像，计算目标环境图像中的各个像素点，与剩余各个环境图像中对应位置上像素点的灰度值之间差值的绝对值，将所得绝对值作为各个像素点的各个第二灰度差异，其中剩余各个环境图像中，每个环境图像均对应一个第二灰度差异；对各个像素点的各个第二灰度差异进行负相关映射，将所得各个映射结果的平均值作为各个像素点的稳定程度。

优选的，所述各个环境图像的环境亮度的获取方法为：

根据各个环境图像中各个像素点到图像中心之间的欧氏距离得到各个像素点的初始参考权重；将各个像素点的初始参考权重与各个像素点的稳定程度之间的乘积作为各个像素点的第一参考权重；将各个像素点的第一灰度差异与各个像素点的第一参考权重之间的乘积作为各个像素点的环境亮度，将各个环境图像中所有像素点对应环境亮度的平均值作为各个环境图像的环境亮度。

优选的，所述各个环境图像的环境模糊程度的获取方法包括：

获取各个环境图像中各个像素点归一化后的纹理信息量；获取各个环境图像中所有像素点到图像中心之间的最大距离，计算各个像素点到图像中心的欧氏距离与最大距离之间的比值，将1.0与所得比值之间的差值作为各个像素点的第二参考权重；将各个像素点的第二参考权重与各个像素点归一化后的纹理信息量之间的乘积作为各个像素点的模糊程度，将各个环境图像中所有像素点的模糊程度的平均值作为各个环境图像的环境模糊程度。

优选的，所述各个环境图像的可靠性的获取方法为：计算所有环境图像的序号之间的累加和，以各个环境图像的序号与所得累加和之间的比值作为各个环境图像的可靠性。

优选的，亮度值的获取表达式为：

I＝I_min+(I_max-I_min)×exp(-Z₁/Z₂),if W＝1

其中，I为亮度值；I_max为智慧路灯允许通过的最大亮度值，I_min为智慧路灯允许通过的最小亮度值；Z₁；W为智慧路灯的开关状态；Z₁为环境整体亮度；Z₂为环境整体模糊程度；exp()为以自然常数为底数的指数函数。

本发明的有益效果是：首先获取一段时间内的监控视频，得到各个环境图像；然后获取各个环境图像中各个像素点的第一灰度差异，并对距离摄像头越远的像素点设置更高的初始参考权重，从而避免智慧路灯的开关状态对环境亮度评估的干扰；并结合各个环境图像与其他环境图像中对应位置上像素点之间形成的灰度差异，得到各个环境图像中各个像素点的稳定程度，根据各个像素点的稳定程度对各个像素点的初始参考程度进行修正，从而避免监控视频中运动物体的灰度变化对环境亮度评估的影响；

根据各个环境图像中各个像素点的纹理信息量以及第二参考权重得到各个环境图像的环境模糊程度，用以表征智慧路灯周边环境的能见度，最后根据各个环境图像在整段监控视频中的序号得到各个环境图像的可靠性，根据各个环境图像的可靠性得到更加符合当前时刻的环境整体亮度以及环境整体模糊程度，进而得到更加准确的环境质量，从而确定智慧路灯的开关状态、色温以及亮度值，即智慧路灯的状态参数，从而实现对智慧路灯进行调节控制；

本发明可以在白天有雾时自行将智慧路灯设置为暖黄光，并根据智慧路灯周边环境的能见度对智慧路灯的亮度值进行自适应的调节，从而在得到良好的照明效果的同时，减少电量的使用，更加节能，且可以减少人工参与，提高了智慧路灯调节控制的灵活性。

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为本发明的基于视频分析的智慧路灯调节控制系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于视频分析的智慧路灯调节控制系统，其具体实施方式、结构、特征及其功效，详细说明如下。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。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于视频分析的智慧路灯调节控制系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于视频分析的智慧路灯调节控制系统的步骤流程图，该系统包括图像采集模块、环境亮度获取模块，环境模糊程度获取模块以及智慧路灯调节控制模块：

图像采集模块，用以通过监控摄像头获取智慧路灯周边的监控视频，得到参照图像以及环境图像。

由于智慧路灯不仅具备普通智慧路灯的照明功能，其在灯杆上面还可以安装监控摄像头以及WiFi等，因此本实施例利用灯杆上的监控摄像头采集环境监控视频，将天气晴朗时，监控摄像头在白天采集的图像作为参照图像，参照图像的采集时间由人为设定；再利用监控摄像头获取一段时间内周边环境的监控视频，监控视频的时间长短也是由人为设定的，本实施例中获取五分钟内的监控视频；对所得监控视频进行视频帧的截取，并对各个视频帧进行灰度化处理，得到各个环境图像以及各个环境图像在整段监控视频中对应的序号，其中各个环境图像的序号为对应视频帧的帧数，记一段监控视频中包含的环境图像的总个数为N。

实际环境中，智慧路灯是在固定时间段开或关的，但是由于不同季节的昼夜长短存在差异，即使人为进行调整也存在一定的误差，且不同时间的天气状况存在差异，当天气状况较差时，需要提前亮起智慧路灯，且天气状况越差，智慧路灯的亮度也应该越高；在视觉效果上，白光更接近于正午的阳光，更加明亮，但是白光的穿透能力较弱，在雾天或灰霾天的照明效果较差；而暖黄光虽然具有较强的穿透能力，但是由于其颜色偏黄，给人的感觉偏暗；且白光由于其耗电少、光效高、寿命长以及具有更高照明效率的特点，因此现实生活中往往更倾向于将智慧路灯设置为白光，在天气质量较差的雾天或者灰霾天时，再将智慧路灯设置为暖黄光。而智慧路灯在固定时间段的开或关，不能适应多变的天气状况，灵活性较差，因此需要根据智慧路灯所处的实时环境对智慧路灯的开关以及亮度和色温的变化进行自适应调节，从而得到最佳的照明效果。

由于参照图像是在天气状况良好的白天进行采集的，因此参照图像中包含了非常丰富的细节信息，当环境图像中损失了较多的细节信息时，表示此时智慧路灯周边环境较为模糊，人眼难以对周边环境进行准确识别，需要开启智慧路灯，但是周边环境模糊并不一定因为采集时间为夜间，还有可能时因为天气质量较差，而前者需要智慧路灯使用白光，后者则需要将智慧路灯色温转换为暖黄光，而不论什么情况，都需要将智慧路灯亮起，并确定合适的亮度以及色温。

本实施例期望当处于白天且天气状况良好时，设置智慧路灯的开关状态为关；当处于白天且天气质量较差时，即白天起雾时，设置智慧路灯的开关状态为开启状态，智慧路灯色温为暖黄光，并根据起雾程度设置不同的智慧路灯亮度；当处于夜间且天气状况良好时，智慧路灯的开关状态为开启状态，智慧路灯色温为白光，智慧路灯亮度为默认亮度值；当处于夜间且天气质量较差时，智慧路灯的开关状态为开启状态，智慧路灯色温为暖黄光，并根据起雾程度设置不同的亮度值；本实施例中将智慧路灯的开关状态、色温以及亮度值称为智慧路灯的三种状态参数，记智慧路灯的开关状态为W，当W＝0时，表示智慧路灯的开关状态为关闭状态；当W＝1时，表示智慧路灯的开关状态为开启状态；记智慧路灯色温为S，当S＝0时，表示智慧路灯的色温为白光；当S＝1时，表示智慧路灯的色温为暖黄光；记智慧路灯亮度为I。

环境亮度获取模块，用以根据各个环境图像中各个像素点的第一灰度差异以及第二灰度差异得到各个环境图像的环境亮度。

本实施例中环境质量需要从环境亮度以及环境模糊程度两个方面进行评估，根据环境亮度判断是否需要改变智慧路灯的开关状态，例如，当环境亮度较高时，需要将智慧路灯由开启状态修改为关闭状态；当环境亮度较低时，需要将智慧路灯由关闭状态修改为开启状态；根据环境模糊程度对智慧路灯的亮度值进行调节，当环境模糊程度较高时，表示此时周边环境的能见度较低，需要对智慧路灯设置更高的亮度值；当环境模糊程度较低时，表示周边环境的能见度较高，此时如果智慧路灯为开启状态时，需要对智慧路灯设置更低的亮度值；由于环境模糊程度只能反映能见度，但是能见度底并不仅仅是由环境亮度降低造成的，还可能是因为天气状况较差，如雾天或者灰霾天造成的，而这两种情况下，智慧路灯的色温也是不同的，因此还需要根据环境亮度以及环境模糊程度对智慧路灯的色温进行判断。

则智慧路灯周边的环境亮度的获取过程如下：

对于一段监控视频中的第i个环境图像，计算该第i个环境图像中各个像素点与参照图像中对应位置上的像素点的灰度值之间差值的绝对值，将所得绝对值各个像素点的第一灰度差异，由于参照图像是在天气状况良好的白天采集的，因此将第i个环境图像与参照图像进行对比，可以更直观地反映环境亮度地变化，也就是说第i个环境图像中各个像素点的第一灰度差异可以用来表征环境亮度；

然而环境图像中的物体并不全是静止的，随着物体的运动，在不同的环境图像中，同一位置上的像素点灰度值可能存在差异，而不同物体本身的颜色也会导致部分像素点与参照图像中对应像素点的灰度值之间存在较大差异，即单个环境图像中各个像素点的第一灰度差异并不能稳定地表征环境亮度，要想得到更加准确的环境亮度，需要进一步根据各个像素点在不同环境图像中灰度的稳定性进一步修正；故计算该第i个环境图像中各个像素点与第t个环境图像中对应位置上像素点的灰度值之间差值的绝对值，将此时所得绝对值作为各个像素点的第t个第二灰度差异，进而得到各个像素点的各个第二灰度差异；根据各个像素点的各个第二灰度差异得到各个像素点的稳定程度；则该第i个环境图像的环境亮度H_i可表示为：

其中，M为第i个环境图像中像素点的总个数；N表示该监控视频中包含的环境图像的总个数；d_ij为第i个环境图像中第j个像素点到图像中心之间的欧氏距离；D_max为第i个环境图像中所有像素点与图像中心之间的最大距离；Δh_ij为第i个环境图像中第j个像素点的第一灰度差异；g_ijt为第i个环境图像中第j个像素点的第t个第二灰度差异；&为数学符号，表示“且”的含义；exp()为以自然常数为底数的指数函数。

由于智慧路灯往往是在夜间开启，智慧路灯亮起后，智慧路灯附近的亮度远高于四周的亮度，因此在环境图像中，靠近监控摄像头的各个像素点的灰度值并不完全是环境亮度，也就是说，在进行环境亮度评估时，对越远离监控摄像头的位置上，也就是越远离环境图像的图像中心的像素点对应灰度值的参考权重越大，即第i个环境图像中第j个像素点到图像中心之间的欧氏距离与该像素点对应的第一灰度差异的参考权重呈正相关关系，本实施例中将第i个环境图像中第j个像素点到图像中心之间的欧氏距离与最大距离之间的比值作为该第j个像素点的初始参考权重；

表示第i个环境图像中第j个像素点的稳定程度，当该第j个像素点与不同的环境图像中对应位置上的像素点之间的灰度差异均较小，即该像素点的各个第二灰度差异均较小时，表示该像素点为背景像素点的可能性越大，该像素点越能稳定地反映环境亮度的变化，故此时认为该第j个像素点的稳定程度越高，因此本实施例根据第j个像素点的稳定程度对该像素点的初始参考权重进行修正，即将该像素点的初始参考权重与该像素点的稳定程度之间的乘积作为各个像素点的第一参考权重；

表示第i个环境图像中第j个像素点的环境亮度，从而得到第i个环境图像的环境亮度。

环境模糊程度获取模块，用以根据各个环境图像中各个像素点的纹理信息量获取各个环境图像的环境模糊程度。

以第i个环境图像为例，该环境图像的环境模糊程度的获取过程如下：

当环境中出现雾气时，由于雾气的遮挡，会使得环境图像中不同位置上发生不同程度的纹理丢失，雾气越严重，纹理丢失的也越严重，因此可以根据实时环境各个像素点的纹理信息量进行环境模糊程度的判断，故预设滑窗区域的大小为7×7，以第i个环境图像中各个像素点为滑窗中心，得到各个像素点对应的滑窗区域，获取各个滑窗区域的灰度共生矩阵，根据各个灰度共生矩阵中各个元素出现的概率计算各个灰度共生矩阵的灰度熵，将所得各个灰度熵作为各个像素点的纹理信息量，然后对该第i个环境图像中各个像素点的纹理信息量进行线性归一化，得到该第i个环境图像中各个像素点归一化后的纹理信息量，其中灰度熵的获取为公知技术，此处不再赘述，当一个像素点的灰度熵越大，表示该像素点的滑窗区域包含的纹理信息量也越大，对应该像素点的滑窗区域在图像中越清晰。

由于监控摄像头具有近大远小的成像特点，越远离监控摄像头的位置在环境图像中越模糊，当越靠近监控摄像头的位置对应像素点的纹理信息量越少，表示越靠近监控摄像头的位置越不清晰，此时智慧路灯周边环境的能见度越低，对应环境模糊程度越高，因此在根据环境图像各个像素点的纹理信息量进行环境模糊程度评估时，对远离监控摄像头的位置对应的像素点的参考权重也越小，对靠近监控摄像头的位置上对应像素点的参考权重越大，本实施例中将在计算环境模糊程度时对各个像素点的参考权重称为第二参考权重，则第i个环境图像的环境模糊程度C_i可表示为：

其中，S_ij为第i个环境图像中第j个像素点归一化后的纹理信息量。

为第i个环境图像中第j个像素点的第二参考权重；

为第i个环境图像中第j个像素点的模糊程度，当越靠近监控摄像头的位置上对应像素点的纹理信息量越小，表示该环境图像的环境模糊程度越高，对应的能见度越低；当越远离监控摄像头的位置上对应像素点的纹理信息量越大，表示该环境图像的环境模糊程度越低，对应的能见度越高。同理，根据各个环境图像中各个像素点的纹理信息量计算各个环境图像的环境模糊程度。

智慧路灯调节控制模块，用以根据环境亮度以及环境模糊程度对智慧路灯色温以及亮度进行调节控制。

由于整段监控视频中，环境图像的序号越小，越属于历史时刻，反之，环境图像的序号越大，越接近于当前时刻，也就越可以反映当前的天气状况，而对智慧路灯进行调节的目的是使智慧路灯在当前时刻得到更好的照明效果，因此序号越大的环境图像的可靠性越高，因此在对环境整体亮度以及环境整体模糊程度进行评估时，需要根据各个环境图像的序号设置各个环境图像的可靠性，为了保证所有环境图像对应可靠性的累加和为1，本实施例首先获取所有环境图像序号的累加和，然后将各个环境图像的序号与所得累加和之间的比值作为各个环境图像的可靠性，则根据各个环境图像的可靠性、环境亮度以及环境模糊程度得到环境整体亮度以及环境整体模糊程度，则：

其中，

为第i个环境图像的可靠性；Z₁为环境整体亮度；Z₂为环境整体模糊程度。

当第i个环境图像的环境亮度越大，环境模糊程度越小，表示该第i个环境图像的环境质量越好，越不需要开启智慧路灯，因此环境质量与环境亮度呈正相关关系，与环境模糊程度呈负相关关系，因此本实施例将环境整体亮度与环境整体模糊程度之间的比值作为环境质量。

设置亮度阈值以及能见度阈值，亮度阈值与能见度阈值均由管理人员根据实际情况自行设定，本实施例中设置亮度阈值L＝0.5，能见度阈值G＝0.5，并设置智慧路灯的初始状态参数：智慧路灯的开关状态W＝0，智慧路灯的色温S＝0，智慧路灯的亮度值I为实际生活中设置的默认亮度；

当环境整体亮度Z₁小于于亮度阈值L时，表示此时环境亮度较低，需要开启智慧路灯，即设置智慧路灯开关状态W＝1，否则设置智慧路灯开关状态W＝0；

当W＝0，即智慧路灯在关闭状态下，如果Z₂≤G，表示此时环境模糊程度较高，能见度较低，可能为白天有雾，也可能为夜间两种情况，此时需要开启智慧路灯，即W＝1；否则需要将保持智慧路灯的关闭状态；

当W＝1，即智慧路灯在开启状态下，如果Z₂≤G，表示此时环境模糊程度较高，能见度仍然较低，认为此时对应夜间有雾的情况，此时需要将智慧路灯的色温调节为暖黄光，即S＝1；否则，认为此时为夜间无雾的情况，需要将保持智慧路灯的开启状态以及默认色温；

对于智慧路灯开启状态下的亮度调节则需要根据环境质量进行调节，调节后的智慧路灯亮度值I可表示为：

I＝I_min+(I_max-I_min)×exp(-Z₁/Z₂),if W＝1

其中，I_max为智慧路灯允许通过的最大亮度值，I_min为智慧路灯允许通过的最小亮度值。

通过以上步骤，确定智慧路灯的开关状态，色温以及亮度值，将这些参数输入到智慧路灯控制设备中，实现对智慧路灯的调节控制。

本实施例首先获取一段时间内的监控视频，得到各个环境图像；然后获取各个环境图像中各个像素点的第一灰度差异，并对距离摄像头越远的像素点设置更高的初始参考权重，从而避免智慧路灯的开关状态对环境亮度评估的干扰；并结合各个环境图像与其他环境图像中对应位置上像素点之间形成的灰度差异，得到各个环境图像中各个像素点的稳定程度，根据各个像素点的稳定程度对各个像素点的初始参考程度进行修正，从而避免监控视频中运动物体的灰度变化对环境亮度评估的影响；

根据各个环境图像中各个像素点的纹理信息量以及第二参考权重得到各个环境图像的环境模糊程度，用以表征智慧路灯周边环境的能见度，最后根据各个环境图像在整段监控视频中的序号得到各个环境图像的可靠性，根据各个环境图像的可靠性得到更加符合当前时刻的环境整体亮度以及环境整体模糊程度，进而得到更加准确的环境质量，从而确定智慧路灯的开关状态、色温以及亮度值，即智慧路灯的状态参数，从而实现对智慧路灯进行调节控制；

本实施例可以在白天有雾时自行将智慧路灯设置为暖黄光，并根据智慧路灯周边环境的能见度对智慧路灯的亮度值进行自适应的调节，从而在得到良好的照明效果的同时，减少电量的使用，更加节能，且可以减少人工参与，提高了智慧路灯调节控制的灵活性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.基于视频分析的智慧路灯调节控制系统，其特征在于，该系统包括以下模块：

图像采集模块，用以获取智慧路灯周边的监控视频以及参照图像，根据监控视频得到各个环境图像以及各个环境图像的序号；

环境亮度获取模块，用以根据各个环境图像中各个像素点与参照图像对应位置上的像素点的灰度值得到各个像素点的第一灰度差异；根据各个环境图像中各个像素点与其他环境图像中对应位置上的像素点的灰度值得到各个像素点的稳定程度；根据各个环境图像中各个像素点的第一灰度差异以及稳定程度得到各个环境图像的环境亮度；

环境模糊程度获取模块，用以获取各个环境图像中各个像素点的纹理信息量，根据各个像素点到图像中心的距离得到各个像素点的第二参考权重，根据各个像素点的纹理信息量以及各个像素点的第二参考权重得到各个环境图像的环境模糊程度；

智慧路灯调节控制模块，用以根据各个环境图像的序号得到各个环境图像的可靠性；根据各个环境图像的可靠性以及环境亮度得到环境整体亮度；根据各个环境图像的环境模糊程度以及可靠性得到环境整体模糊程度，根据环境整体亮度以及环境整体模糊程度得到智慧路灯的开关状态、色温以及亮度值。

2.根据权利要求1所述的基于视频分析的智慧路灯调节控制系统，其特征在于，所述各个像素点的第一灰度差异的获取步骤包括：

计算各个环境图像中各个像素点与参照图像中对应位置上的像素点的灰度值之间差值的绝对值，将所得绝对值作为各个像素点的第一灰度差异。

3.根据权利要求1所述的基于视频分析的智慧路灯调节控制系统，其特征在于，所述各个像素点的稳定程度的获取方法为：

以任意一个环境图像为目标环境图像，计算目标环境图像中的各个像素点，与剩余各个环境图像中对应位置上像素点的灰度值之间差值的绝对值，将所得绝对值作为各个像素点的各个第二灰度差异，其中剩余各个环境图像中，每个环境图像均对应一个第二灰度差异；对各个像素点的各个第二灰度差异进行负相关映射，将所得各个映射结果的平均值作为各个像素点的稳定程度。

4.根据权利要求1所述的基于视频分析的智慧路灯调节控制系统，其特征在于，所述各个环境图像的环境亮度的获取方法为：

根据各个环境图像中各个像素点到图像中心之间的欧氏距离得到各个像素点的初始参考权重；将各个像素点的初始参考权重与各个像素点的稳定程度之间的乘积作为各个像素点的第一参考权重；将各个像素点的第一灰度差异与各个像素点的第一参考权重之间的乘积作为各个像素点的环境亮度，将各个环境图像中所有像素点对应环境亮度的平均值作为各个环境图像的环境亮度。

5.根据权利要求1所述的基于视频分析的智慧路灯调节控制系统，其特征在于，所述各个环境图像的环境模糊程度的获取方法包括：

获取各个环境图像中各个像素点归一化后的纹理信息量；获取各个环境图像中所有像素点到图像中心之间的最大距离，计算各个像素点到图像中心的欧氏距离与最大距离之间的比值，将1.0与所得比值之间的差值作为各个像素点的第二参考权重；将各个像素点的第二参考权重与各个像素点归一化后的纹理信息量之间的乘积作为各个像素点的模糊程度，将各个环境图像中所有像素点的模糊程度的平均值作为各个环境图像的环境模糊程度。

6.根据权利要求1所述的基于视频分析的智慧路灯调节控制系统，其特征在于，所述各个环境图像的可靠性的获取方法为：计算所有环境图像的序号之间的累加和，以各个环境图像的序号与所得累加和之间的比值作为各个环境图像的可靠性。

7.根据权利要求1所述的基于视频分析的智慧路灯调节控制系统，其特征在于，所述亮度值的获取表达式为：

I＝I_min+(I_max-I_min)×exp(-Z₁/Z₂),if W＝1

其中，I为亮度值；I_max为智慧路灯允许通过的最大亮度值，I_min为智慧路灯允许通过的最小亮度值；Z₁；W为智慧路灯的开关状态；Z₁为环境整体亮度；Z₂为环境整体模糊程度；exp()为以自然常数为底数的指数函数。

Images