CN116347708B - 智能照明控制方法、装置、设备及存储介质 - Google Patents

Abstract

本发明属于数据处理技术领域，公开了一种智能照明控制方法、装置、设备及存储介质；该方法包括：根据当前时间、当前天气得到当前日光照度；采集人员分布图像进行聚类得到聚类中心，匹配聚类中心与亮度调节预设点得到目标亮度调节预设点；识别目标亮度调节预设点的人员数量并根据当前日光照度得到目标亮度调节预设点的参考照度；根据参考照度以及当前日光照度对目标亮度调节预设点的灯光进行调节；本发明基于亮度调节预设点在不同时间的日光照度变化，结合人员分布情况和模糊关系矩阵快速计算得到不同亮度调节预设点的参考光照强度，自适应调节灯光照度，更加灵活的灯光自适应调节，提供更加适宜的灯光照度，提高工作效率和光能源利用率。

Description

智能照明控制方法、装置、设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种智能照明控制方法、装置、设备及存储介质。

背景技术

随着工业全球化进程的加快，各种建筑的规模持续扩大，建筑的高能耗问题也被人们广泛关注，建筑中的照明用电约占建筑能耗总量的20%以上，且室内光环境与人员的舒适度、工作效率息息相关。舒适且智能的照明系统不仅能够营造舒适的室内光环境来满足人员的照明需求，还可以有效减少能耗。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种智能照明控制方法，旨在解决现有技术照明控制没有考虑到日光和人员分布对光照的需求变化，导致能源利用率低以及能源浪费的技术问题。

为实现上述目的，本发明提供了一种智能照明控制方法，所述方法包括以下步骤：

根据当前时间、当前天气得到亮度调节预设点的当前日光照度；

基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点；

识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及所述当前日光照度通过模糊关系矩阵得到所述目标亮度调节预设点的参考照度；

根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节。

可选地，所述根据当前时间、当前天气得到亮度调节预设点的当前日光照度，包括：

采集天气参数和时间参数下的历史日光照度；

根据所述天气参数、所述时间参数以及所述历史日光照度构建日光照度预测模型；

将所述当前天气、当前时间输入所述预测模型得到亮度调节预设点的当前日光照度。

可选地，所述基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点，包括：

根据预设时间间隔采集预设场地的人员分布图像，根据所述人员分布图像进行聚类，得到聚类中心；

将所述聚类中心以及所述亮度调节预设点进行二次聚类，得到二次聚类中心；

计算所述二次聚类中心与所述亮度调节预设点之间的欧氏距离，比较所述欧氏距离得到目标亮度调节预设点。

可选地，所述基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点之后，还包括：

获取多个聚类中心与所述目标亮度调节预设点的距离与相对距离；

根据所述距离与相对距离计算所述目标亮度调节预设点对所述聚类中心的光照影响权重。

可选地，所述识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及所述当前日光照度通过模糊关系矩阵得到所述目标亮度调节预设点的参考照度，包括：

识别所述目标亮度调节预设点的人员数量，判断所述人员数量所属的人员数量区间，判断所述当前日光照度的日光照度区间；

根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度；

根据所述亮度调节预设点的光照影响权重对所述初始参考照度进行修正得到参考照度。

可选地，所述根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度之前，还包括：

根据亮度调节预设点的人员总数、亮度调节预设点人员的区域固定人数确定人员数量论域；

根据历史日光照度预设时间内变化趋势确定日光照度论域；

根据亮度调节预设点灯光调节级别确定灯光调节论域；

根据所述人员数量论域、所述日光照度论域以及所述灯光调节论域构建模糊规则表；

根据模糊规则表构建亮度调节预设点的人员数量、日光照度与参考照度之间的模糊关系矩阵。

可选地，所述根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节，包括：

计算参考照度与所述目标亮度调节预设点的灯光照度之间的亮度差值；

判断所述亮度差值是否大于调节阈值，若所述亮度差值大于所述调节阈值，则根据所述亮度差值得到预设灯光调节次数，根据所述预设灯光调节次数对所述目标亮度调节预设点的灯光进行调节；

若所述亮度差值小于或等于所述调节阈值，则将所述目标亮度调节预设点的灯光调节至参考照度。

此外，为实现上述目的，本发明还提出一种智能照明控制装置，所述智能照明控制装置包括：

数据采集模块，用于根据当前时间、当前天气得到亮度调节预设点的当前日光照度；

所述数据采集模块，还用于基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点；

灯光调节模块，用于识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及通过模糊关系矩阵进行计算得到所述目标亮度调节预设点的参考照度；

所述灯光调节模块，还用于根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节。

此外，为实现上述目的，本发明还提出一种智能照明控制设备，所述智能照明控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能照明控制程序，所述智能照明控制程序配置为实现如上文所述的智能照明控制方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有智能照明控制程序，所述智能照明控制程序被处理器执行时实现如上文所述的智能照明控制方法的步骤。

本发明基于亮度调节预设点在不同时间的日光照度变化，结合分析人员分布情况，通过模糊关系矩阵快速计算得到不同亮度调节预设点的参考光照强度，并进行调节，根据不同时间，根据实际人员分布自适应调节灯光照度，实现了更加灵活的灯光自适应调节，为工作人员提供更加舒适的光照，提高光照舒适度光能源利用率，解决了照明控制没有考虑到日光和人员分布对光照的需求变化，导致能源利用率低以及能源浪费的问题。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的智能照明控制设备的结构示意图；

图2为本发明智能照明控制方法第一实施例的流程示意图；

图3为本发明智能照明控制方法一实施例的聚类示意图；

图4为本发明智能照明控制方法一实施例的预设点灯光照度计算示意图；

图5为本发明智能照明控制方法第二实施例的流程示意图；

图6为本发明智能照明控制装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的智能照明控制设备结构示意图。

如图1所示，该智能照明控制设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对智能照明控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及智能照明控制程序。

在图1所示的智能照明控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明智能照明控制设备中的处理器1001、存储器1005可以设置在智能照明控制设备中，所述智能照明控制设备通过处理器1001调用存储器1005中存储的智能照明控制程序，并执行本发明实施例提供的智能照明控制方法。

本发明实施例提供了一种智能照明控制方法，参照图2，图2为本发明一种智能照明控制方法第一实施例的流程示意图。

本实施例中，所述智能照明控制方法包括以下步骤：

步骤S10：根据当前时间、当前天气得到亮度调节预设点的当前日光照度。

可理解的是，本实施例的执行主体可以是能够获取当前时间和当前天气，且连接每个亮度调节预设点的中央控制器。当前时间可以是中央控制器通过内部计时器得到的实时时间、当前天气可以是采集室外天气图像进行识别得到的天气，也可以是根据天气预报得到的当前天气，具体获取方法本实施例对此不作限定，可根据实际情况进行调整。

应理解的是，亮度调节预设点可以理解为是在人员工作区间（类似于大型办公场所或者是厂区）中的预先设定的用于测量亮度的位置，也可以是预先标定的检测亮度的位置点。

可理解的是，在不同的时间外界日光照度不同，不同的天气外界的日光照度也不同，中央控制器获取到当前时间和当前天气后，可以根据当前时间和当前天气通过预测模型对当前日光照度进行预测，得到准确的当前日光照度，准确的日光照度能够更加准确的反映出人员工作区间内的亮度。

需说明的是，所述根据当前时间、当前天气得到亮度调节预设点的当前日光照度，包括：

采集天气参数和时间参数下的历史日光照度，简单来说，就是采集在不同天气和不同时间下，亮度调节预设点处的在没有灯光时的日光照度，历史日光照度可以通过光照强度测量仪进行检测得到，也可以将亮度调节预设点处的日光照度视为多个窗户对该亮度调节预设点的日光照度总和。

根据所述天气参数、所述时间参数以及所述历史日光照度构建日光照度预测模型，预测模型可以是以通过卷积神经网络构建的预测模型，将历史天气参数和历史时间参数输入卷积神经网络，卷积神经网络包括卷积层、池化层以及全连接层；其中卷积层是CNN的核心，目的是对输入数据进行特征提取。在卷积层中，使用一组滤波器（卷积核），与前一层中位置邻接区域内的元素进行卷积操作，并使用非线性激活函数进行映射，获取卷积特征图。池化层在卷积层进行特征提取后，采用空间池化方法对卷积特征图进行下采样，用于特征选择和空间降维。池化层可以有效的减低模型复杂度，节省计算成本，常用池化方法包括极大值池化和均值池化。全连接层是将当前网络层中的每个节点与上一层的所有节点相连，可以整合卷积层或者池化层中提取到的特征。将所述天气参数、所述时间参数以及所述历史日光照度对所述卷积神经网络进行训练得到日光照度模型。

将所述当前天气、当前时间输入所述预测模型得到亮度调节预设点的当前日光照度。

值得强调的是，通过预测模型对亮度调节预设点的当前日光照度进行预测相较于通过采集各个点的日光照度后再进行计算，能够更加综合的考虑多种因素，且减少计算量。

步骤S20：基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点。

可理解的是，预设时间间隔可以是每个3分钟、5分钟或者是其他时间间隔重新采集人员分布图像，容易理解的是，在大型的建筑内，人员流动是非常快速非常大的，是在不断变化的，所以需要在一定时间间隔后重新确定人员分布，实现更加灵活的灯光调节。

应理解的是，人员分布图像的采集可以是通过拍摄人员分布图像，对图像进行识别得到，也可以是通过人热感应识别得到，识别方式可以根据实际情况进行调整，本发明对此不作限定。

可理解的是，聚类后可以得到人群比较密集的中心点，根据中心点对应进行亮度调节能够更具有针对性调节。在聚类中的周围的人数少于预设人数时，可以对应将灯光调低，可以有效减少能源的消耗。

需说明的是，所述基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点，包括：

根据预设时间间隔采集预设场地的人员分布图像，根据所述人员分布图像进行聚类，得到聚类中心，详细可参考图3，图3为根据人员分布进行聚类得到的聚类结果，图中圆圈代表建筑内分布的人群，五角星代表聚类中心；

将所述聚类中心以及所述亮度调节预设点进行二次聚类，得到二次聚类中心，聚类可以是通过KNN聚类算法进行聚类，可理解的是，第一次聚类可以快速找到人员密集的点，二次聚类可以找到要对人员密集的点进行灯光调节需要调节哪些预设点的灯光。

计算所述二次聚类中心与所述亮度调节预设点之间的欧氏距离，比较所述欧氏距离得到目标亮度调节预设点，计算二次聚类中心与所述亮度调节预设点之间的欧氏距离可以参考下列计算公式：

其中，d（a,b）表示聚类中心与亮度调节预设点之间的欧式距离，a表示二次聚类中心的向量坐标，b表示亮度调节预设点的向量坐标。

可理解的是，亮度调节预设点有多个点，比较二次聚类中心与多个亮度调节预设点之间的欧氏距离后得到，距离最近的点为该二次聚类匹配的目标亮度调节预设点。

步骤S30：识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及所述当前日光照度通过模糊关系矩阵得到所述目标亮度调节预设点的参考照度。

可理解的是，模糊关系矩阵可以是预先通过历史人数以及历史日光照度还有目标亮度调节预设点的灯光照度等数据进行排列得到模糊规则表之后构建的模糊关系矩阵。

应理解的是，通过模糊关系矩阵可以得到在当前人员数量和当前日光照度时对应的目标亮度调节预设点的最佳的灯光照度。

需说明的，历史目标亮度调节预设点的灯光照度的计算方式可以参考下列公式：

其中，E表示亮度调节预设点的灯光照度，表示灯具内光源总光通量为1000时在θ方向的光强；ω表示灯具内光源的总光通量；h表示亮度调节预设点的垂直距离，K表示灯光使用年限，详细可参考图4，O点表示灯所在位置，S表示建筑内部所在空间的地平面，也可以是工作台的水平面。

步骤S40：根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节。

可理解的是，参考照度可以理解为是目标亮度调节预设点的当前最佳照度，但是当前最佳照度可以理解为是灯光照度和日光照度的总照度值，所以根据参考照度和当前日光照度可以计算得到灯光照度的最佳值。

应理解的是，根据灯光照度的最佳值对灯光照度进行调节，从而进一步实现对目标亮度调节预设点照度的调节。

需说明的是，所述根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节，包括：

计算参考照度与所述目标亮度调节预设点的灯光照度之间的亮度差值，当天气骤变，可能存在灯光调节亮度差值较大，但是灯光突然变亮或者是突然变暗会严重影响建筑内人员的视线和工作状态，可以预先判断亮度差值的大小，根据差值大小进行亮度调节。

判断所述亮度差值是否大于调节阈值，若所述亮度差值大于所述调节阈值，则根据所述亮度差值得到预设灯光调节次数，根据所述预设灯光调节次数对所述目标亮度调节预设点的灯光进行调节，例如当前亮度1000，目标亮度2000，则亮度差值为1000，若预先设定的调节阈值为500，则亮度差值大于亮度阈值，若大于调节阈值两倍则分两次调节，三倍则分三次调节。

若所述亮度差值小于或等于所述调节阈值，则将所述目标亮度调节预设点的灯光调节至参考照度。

本实施例基于亮度调节预设点在不同时间的日光照度变化，结合分析人员分布情况，通过模糊关系矩阵快速计算得到不同亮度调节预设点的参考光照强度，并进行调节，根据不同时间，根据实际人员分布自适应调节灯光照度，实现了更加灵活的灯光自适应调节，为工作人员提供更加舒适的光照，提高光照舒适度和光能源利用率，避免能源浪费。

参考图5，图5为本发明一种智能照明控制方法第二实施例的流程示意图。

基于上述第一实施例，本实施例智能照明控制方法在所述步骤S30，包括：

步骤S301：识别所述目标亮度调节预设点的人员数量，判断所述人员数量所属的人员数量区间，判断所述当前日光照度的日光照度区间。

可理解的是，人员数量区间可以是人为预先将人数划分为多个区间，例如1-5为一个区间，5-10为一个区间、10-20为一个区间、20-30为一个区间，根据目标亮度调节预设点的人员数量确定对应的人员数量区间。同理，日光照度区间也是预先确定的照度区间。

值得说明的是，人员数量的上限和下限差距较大，日光照度的上限和下限区也很大，若需要且同时参考人员数量和日光照度得到对应的预期照度，需要的数据非常庞大，需要测量很多组数据，不利于展开，将人员数量和日光照度划分成多个区间，能够有效避免数据过多导致计算量大的问题，也能够有效避免参数太多导致在对下列模糊关系矩阵进行计算时导致过度收敛的技术问题。

步骤S302：根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度。

可理解的是，预先建立的模糊关系矩阵是基于人员数量区间和预期照度之间对应关系以及日光照度和预期照度之间的对应关系得到，类似于，人员数量区间小则预期照度小，日光照度小则预期照度小；并基于人员数量区间和日光照度区间构建人员数量区间、日光照度区间和预期照度之间的对应关系。

需说明的是，所述根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度之前，还包括：

根据亮度调节预设点的人员总数、亮度调节预设点人员的区域固定人数确定人员数量论域，简单来说，论域可以理解为是人员数量的最大值和最小值构成的人员数量区域；

根据历史日光照度预设时间内变化趋势确定日光照度论域，简单来说，在采集的历史日光照度中最低日光照度和最高日光照度，有最低日光照度和最高日光照度构成日光照度论域；

根据亮度调节预设点灯光调节级别确定灯光调节论域，简单来说，灯光调节论域是0-最高灯光调节级别；

根据所述人员数量论域、所述日光照度论域以及所述灯光调节论域构建模糊规则表；

根据模糊规则表构建亮度调节预设点的人员数量、日光照度与参考照度之间的模糊关系矩阵，简单来说模糊关系矩阵是根据不同区间人员数量和日光照度构建关于预期照度之间的映射关系，模糊关系矩阵可以参考下列公式：

其中R表示模糊关系矩阵，S表示人员数量与预期照度的关系矩阵，L表示日光照度与预期照度的关系矩阵；NB-PB表示论域，NB、NM、NE、ZO、PM、PS、PB表示对应关系矩阵中的不同区间对应的预期照度。

步骤S303：根据亮度调节预设点的光照影响权重对所述初始参考照度进行修正得到参考照度。

可理解的是，在一次聚类的时候得到人员分布聚类中心，二次聚类是将人员分布聚类中心和亮度调节预设点进行聚类，最后确定其中的目标亮度调节预设点，但是目标亮度调节预设点距离人员分布聚类中心仍然存在较大的距离差别，根据各个人员分布聚类中新与该目标亮度调节预设点的距离计算光照影响权重。

需说明的是，所述光照影响权重可以是基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点之后，还包括：

获取多个聚类中心与所述目标亮度调节预设点的距离与相对距离；

根据所述距离与相对距离计算所述目标亮度调节预设点对所述聚类中心的光照影响权重。

在具体实施中，目标亮度调节预设点与周边三个聚类中心的相对距离分别为7、10、1，则根据相对距离计算得到光照影响权重为0.7+0.1+1*1。

本实施例通过人员数量和参考照度的模糊规则以及日光照度和参考照度的模糊规则，最后得到关于人员数量、日光照度和参考照度的模糊矩阵关系，其中将人员数量和日光照度划分为多个区间，依据建构建模糊规则，能够有效避免模糊矩阵的过拟合，且能够更加快速得到与当前人员数量、当前日光照度对应的更加准确的参考照度，从而能够对目标亮度调节预设点进行灯光调节。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有智能照明控制程序，所述智能照明控制程序被处理器执行时实现如上文所述的智能照明控制方法的步骤。

参照图6，图6为本发明智能照明控制装置第一实施例的结构框图。

如图6所示，本发明实施例提出的智能照明控制装置包括：

数据采集模块10，用于根据当前时间、当前天气得到亮度调节预设点的当前日光照度；

所述数据采集模块10，还用于基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点；

灯光调节模块20，用于识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及通过模糊关系矩阵进行计算得到所述目标亮度调节预设点的参考照度；

所述灯光调节模块20，还用于根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节。

本实施例基于亮度调节预设点在不同时间的日光照度变化，结合分析人员分布情况，通过模糊关系矩阵快速计算得到不同亮度调节预设点的参考光照强度，并进行调节，根据不同时间，根据实际人员分布自适应调节灯光照度，实现了更加灵活的灯光自适应调节，为工作人员提供更加舒适的光照，提高光照舒适度和光能源利用率。

在一实施例中，所述数据采集模块10，还用于采集天气参数和时间参数下的历史日光照度；

根据所述天气参数、所述时间参数以及所述历史日光照度构建日光照度预测模型；

将所述当前天气、当前时间输入所述预测模型得到亮度调节预设点的当前日光照度。

在一实施例中，所述数据采集模块10，还用于根据预设时间间隔采集预设场地的人员分布图像，根据所述人员分布图像进行聚类，得到聚类中心；

将所述聚类中心以及所述亮度调节预设点进行二次聚类，得到二次聚类中心；

计算所述二次聚类中心与所述亮度调节预设点之间的欧氏距离，比较所述欧氏距离得到目标亮度调节预设点。

在一实施例中，所述数据采集模块10，还用于获取多个聚类中心与所述目标亮度调节预设点的距离与相对距离；

根据所述距离与相对距离计算所述目标亮度调节预设点对所述聚类中心的光照影响权重。

在一实施例中，所述灯光调节模块20，还用于根据亮度调节预设点的人员总数、亮度调节预设点人员的区域固定人数确定人员数量论域；

根据历史日光照度预设时间内变化趋势确定日光照度论域；

根据亮度调节预设点灯光调节级别确定灯光调节论域；

根据所述人员数量论域、所述日光照度论域以及所述灯光调节论域构建模糊规则表；

根据模糊规则表构建亮度调节预设点的人员数量、日光照度与参考照度之间的模糊关系矩阵。

在一实施例中，所述灯光调节模块20，还用于识别所述目标亮度调节预设点的人员数量，判断所述人员数量所属的人员数量区间，判断所述当前日光照度的日光照度区间；

根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度；

根据所述亮度调节预设点的光照影响权重对所述初始参考照度进行修正得到参考照度。

在一实施例中，所述灯光调节模块20，还用于计算参考照度与所述目标亮度调节预设点的灯光照度之间的亮度差值；

判断所述亮度差值是否大于调节阈值，若所述亮度差值大于所述调节阈值，则根据所述亮度差值得到预设灯光调节次数，根据所述预设灯光调节次数对所述目标亮度调节预设点的灯光进行调节；

若所述亮度差值小于或等于所述调节阈值，则将所述目标亮度调节预设点的灯光调节至参考照度。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光 盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种智能照明控制方法，其特征在于，所述智能照明控制方法包括：

根据当前时间、当前天气得到亮度调节预设点的当前日光照度；

基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点；

识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及所述当前日光照度通过模糊关系矩阵得到所述目标亮度调节预设点的参考照度；

根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节。

2.如权利要求1所述的智能照明控制方法，其特征在于，所述根据当前时间、当前天气得到亮度调节预设点的当前日光照度，包括：

采集天气参数和时间参数下的历史日光照度；

根据所述天气参数、所述时间参数以及所述历史日光照度构建日光照度预测模型；

将所述当前天气、当前时间输入所述预测模型得到亮度调节预设点的当前日光照度。

3.如权利要求1所述的智能照明控制方法，其特征在于，所述基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点，包括：

根据预设时间间隔采集预设场地的人员分布图像，根据所述人员分布图像进行聚类，得到聚类中心；

将所述聚类中心以及所述亮度调节预设点进行二次聚类，得到二次聚类中心；

计算所述二次聚类中心与所述亮度调节预设点之间的欧氏距离，比较所述欧氏距离得到目标亮度调节预设点。

4.如权利要求3所述的智能照明控制方法，其特征在于，所述基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点之后，还包括：

获取多个聚类中心与所述目标亮度调节预设点的距离与相对距离；

根据所述距离与相对距离计算所述目标亮度调节预设点对所述聚类中心的光照影响权重。

5.如权利要求1所述的智能照明控制方法，其特征在于，所述识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及所述当前日光照度通过模糊关系矩阵得到所述目标亮度调节预设点的参考照度，包括：

识别所述目标亮度调节预设点的人员数量，判断所述人员数量所属的人员数量区间，判断所述当前日光照度的日光照度区间；

根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度；

根据所述亮度调节预设点的光照影响权重对所述初始参考照度进行修正得到参考照度。

6.如权利要求5所述的智能照明控制方法，其特征在于，所述根据所述人员数量区间、日光照度区间通过预先建立的模糊关系矩阵得到的初始参考照度之前，还包括：

根据亮度调节预设点的人员总数、亮度调节预设点人员的区域固定人数确定人员数量论域；

根据历史日光照度预设时间内变化趋势确定日光照度论域；

根据亮度调节预设点灯光调节级别确定灯光调节论域；

根据所述人员数量论域、所述日光照度论域以及所述灯光调节论域构建模糊规则表；

根据模糊规则表构建亮度调节预设点的人员数量、日光照度与参考照度之间的模糊关系矩阵。

7.如权利要求1-6中任一项所述的智能照明控制方法，其特征在于，所述根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节，包括：

计算参考照度与所述目标亮度调节预设点的灯光照度之间的亮度差值；

判断所述亮度差值是否大于调节阈值，若所述亮度差值大于所述调节阈值，则根据所述亮度差值得到预设灯光调节次数，根据所述预设灯光调节次数对所述目标亮度调节预设点的灯光进行调节；

若所述亮度差值小于或等于所述调节阈值，则将所述目标亮度调节预设点的灯光调节至参考照度。

8.一种智能照明控制装置，其特征在于，所述智能照明控制装置包括：

数据采集模块，用于根据当前时间、当前天气得到亮度调节预设点的当前日光照度；

所述数据采集模块，还用于基于预设时间间隔采集人员分布图像，对所述人员分布图像进行聚类得到聚类中心，将聚类中心与亮度调节预设点进行匹配得到目标亮度调节预设点；

灯光调节模块，用于识别所述目标亮度调节预设点的人员数量，基于所述人员数量以及通过模糊关系矩阵进行计算得到所述目标亮度调节预设点的参考照度；

所述灯光调节模块，还用于根据所述参考照度以及所述当前日光照度对所述目标亮度调节预设点的灯光进行调节。

9.一种智能照明控制设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的智能照明控制程序，所述智能照明控制程序配置为实现如权利要求1至7中任一项所述的智能照明控制方法。

10.一种存储介质，其特征在于，所述存储介质上存储有智能照明控制程序，所述智能照明控制程序被处理器执行时实现如权利要求1至7任一项所述的智能照明控制方法。