CN116634622B - 一种基于物联网的led智能控制方法、系统及介质 - Google Patents
一种基于物联网的led智能控制方法、系统及介质 Download PDFInfo
- Publication number
- CN116634622B CN116634622B CN202310920553.8A CN202310920553A CN116634622B CN 116634622 B CN116634622 B CN 116634622B CN 202310920553 A CN202310920553 A CN 202310920553A CN 116634622 B CN116634622 B CN 116634622B
- Authority
- CN
- China
- Prior art keywords
- preset
- real
- model
- time
- current user
- 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 38
- 238000010586 diagram Methods 0.000 claims abstract description 100
- 230000001276 controlling effect Effects 0.000 claims abstract description 48
- 230000001105 regulatory effect Effects 0.000 claims abstract description 44
- 230000006399 behavior Effects 0.000 claims description 131
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 235000012054 meals Nutrition 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000000172 allergic effect Effects 0.000 description 2
- 208000010668 atopic eczema Diseases 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 201000004624 Dermatitis Diseases 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012097 association analysis method Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
- H05B45/10—Controlling the intensity of the light
-
- 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
-
- 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
-
- 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
- H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/61—Scene description
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及照明设备控制技术领域,特别是一种基于物联网的LED智能控制方法、系统及介质。通过获取目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率,若所述模型偏差率大于预设模型偏差率,生成第一识别结果或第二识别结果;若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,能够精准的提供定制化照明体验,实现了智能化调控LED,提高用户体验感。
Description
技术领域
本发明涉及照明设备控制技术领域,特别是一种基于物联网的LED智能控制方法、系统及介质。
背景技术
随着物联网和智能家居的发展,LED作为一种高效节能、可调节和可定制的光源,可以在各种智能场景中发挥重要作用,提供舒适、智能化和可持续的解决方案。LED可以与智能家居系统集成,用于控制不同家居区域的照明亮度、颜色和场景,提供定制化的照明体验。然而,现有LED智能控制技术存在一些问题,其一是不能够智能、精准的进行启动控制,常出现误启动的现象,浪费不必要的能源;其二是无法精准识别用户身份与用户行为,从而导致无法精准的提供定制化照明体验,用户体验感较差;因此,有必要提出一种基于物联网的LED智能控制方案,以满足用户对智能化照明解决方案的更高需求。
发明内容
本发明克服了现有技术的不足,提供了一种基于物联网的LED智能控制方法、系统及介质。
为达到上述目的本发明采用的技术方案为:
本发明第一方面公开了一种基于物联网的LED智能控制方法,包括以下步骤:
获取目标场景的预设场景模型图,构建数据库,并将所述预设场景模型图导入所述数据库中,得到特性数据库;
获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率;并将所述模型偏差率与预设模型偏差率进行比较;
若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果;其中,若识别结果为第一识别结果,则不控制LED开启;若识别结果为第二识别结果,则控制LED开启;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;其中,所述行为类型包括休憩、工作、用膳、通讯、阅览书籍以及观赏视听;
根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。
进一步地,本发明的一个较佳实施例中,获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图,具体为:
获取目标场景的实时场景图像,通过加速稳健特征法对所述实时场景图像进行特征匹配处理,得到与实时场景图像对应的若干个局部关键点,并在若干个局部关键点中挑选其中一个局部关键点作为基准点,根据所述基准点建立空间坐标系;
在所述空间坐标系中获取所有局部关键点的坐标信息,根据所述坐标信息计算各局部关键点与其余局部关键点之间的欧式距离;构建第一排序表,将各局部关键点与其余局部关键点之间的欧式距离导入所述第一排序表中进行大小排序,排序完成后,提取出最小欧式距离,将与最小欧式距离对应的局部关键点标定为局部关键点对;
重复S204步骤,直至所有的局部关键点均完成配对,得到若干对局部关键点对;获取各局部关键点对的中点坐标值,并将各局部关键点对的中点坐标值对应的点标定为补充关键点;
将所有局部关键点与补充关键点进行汇聚,得到若干密集关键点;对若干密集关键点进行汇集,得到密集关键点数集;通过LOF算法计算密集关键点数集中各密集关键点的局部离群因子值,将局部离群因子值大于预设局部离群因子值的密集关键点在所述密集关键点数集中剔除,得到筛选后的密集关键点数集;
获取所述筛选后的密集关键点数集中所有密集关键点的三维点云数据,对所述三维点云数据进行对齐处理,以各三维点云数据均以统一的坐标系表示,再对所述三维点云数据进行网格化处理,直至生成若干模型曲面,将若干模型曲面进行组合,得到目标场景的实时场景模型图。
进一步地,本发明的一个较佳实施例中,若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果,具体为:
若所述模型偏差率大于预设模型偏差率,则获取所述实时场景模型图与预设场景模型图的定位基准;
构建三维坐标系,将所述实时场景模型图与预设场景模型图导入所述三维坐标系中,并使得所述实时场景模型图与预设场景模型图的定位基准相重合,以对实时场景模型图与预设场景模型图进行配准;
在所述三维坐标系将实时场景模型图与预设场景模型图相交叠的区域剔除,将实时场景模型图与预设场景模型图不相交叠的区域保存,以分离得到流动物体模型图;
构建知识图谱,并将预设物体模型导入所述知识图谱中;
将所述流动物体模型图导入所述知识图谱中,并通过欧几里得距离算法计算所述流动物体模型图与预设物体模型之间的欧几里得距离值,根据所述欧几里得距离值确定出流动物体模型图与预设物体模型之间的相似度;
将所述相似度与预设相似度进行比较;若所述相似度不大于预设相似度,则生成第一识别结果,并不控制LED开启;若所述相似度大于预设相似度,则生成第二识别结果,并控制LED开启。
进一步地,本发明的一个较佳实施例中,若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息,具体为:
基于深度学习网络建立行为识别模型,并将各种行为类型视频帧信息导入所述行为识别模型中进行训练,得到训练好的行为识别模型;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,将所述动态视频帧信息导入所述练好的行为识别模型中,以将所述动态视频帧信息与各种行为类型视频帧信息进行配对,得到多个配对率;
构建第二排序表,将多个所述配对率导入所述第二排序表中进行大小排序,排序完成后,提取出最大配对率,获取与所述最大配对率对应的行为类型视频帧信息,根据与所述最大配对率对应的行为类型视频帧信息确定出当前用户的行为类型;
基于深度学习网络建立身份识别模型,获取不同用户的身份特征信息,并将不同用户的身份特征信息导入所述身份识别模型中进行训练,得到训练完成的身份识别模型;
将所述动态视频帧信息导入所述练好的身份识别模型中进行识别,得到当前用户的身份信息。
进一步地,本发明的一个较佳实施例中,根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,具体为:
获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值,基于深度学习网络建立配对模型,不同身份用户在进行各种行为类型所对应的灯光参数偏好值导入所述配对模型中进行训练,得到训练完成的配对模型;其中,所述灯光参数包括亮度与色彩;
将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;
获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域LED的实时灯光参数;将所述实时灯光参数与预设灯光参数偏好值进行比较,得到灯光参数差值;
若所述灯光参数差值不大于预设灯光参数差值,则无需对LED的实时灯光参数进行调控;若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。
进一步地,本发明的一个较佳实施例中,还包括以下步骤:
判断当前用户所进行的行为类型是否为预设行为类型,若是,则获取当前用户的身份信息;
根据当前用户的身份信息确定出当前用户是否为预设用户类型,若是,则获取当前用户在进行预设行为类型的行为时间,将所述行为时间与预设阈值进行比较;
若所述行为时间大于预设阈值,则获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域的实时光谱成分;
判断所述实时光谱成分是否存在预设光谱成分,若存在,则根据所述预设光谱成分生成调控信息,基于所述调控信息对当前用户所在位置节点区域的实时光谱成分进行调整。
本发明第二方面提供了一种基于物联网的LED智能控制系统,所述LED智能控制系统包括存储器与处理器,所述存储器中存储有LED智能控制方法程序,当所述LED智能控制方法程序被所述处理器执行时,实现如下步骤:
获取目标场景的预设场景模型图,构建数据库,并将所述预设场景模型图导入所述数据库中,得到特性数据库;
获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率;并将所述模型偏差率与预设模型偏差率进行比较;
若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果;其中,若识别结果为第一识别结果,则不控制LED开启;若识别结果为第二识别结果,则控制LED开启;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;其中,所述行为类型包括休憩、工作、用膳、通讯、阅览书籍以及观赏视听;
根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。
进一步地,本发明的一个较佳实施例中,根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,具体为:
获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值,基于深度学习网络建立配对模型,不同身份用户在进行各种行为类型所对应的灯光参数偏好值导入所述配对模型中进行训练,得到训练完成的配对模型;其中,所述灯光参数包括亮度与色彩;
将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;
获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域LED的实时灯光参数;将所述实时灯光参数与预设灯光参数偏好值进行比较,得到灯光参数差值;
若所述灯光参数差值不大于预设灯光参数差值,则无需对LED的实时灯光参数进行调控;若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。
进一步地,本发明的一个较佳实施例中,还包括以下步骤:
判断当前用户所进行的行为类型是否为预设行为类型,若是,则获取当前用户的身份信息;
根据当前用户的身份信息确定出当前用户是否为预设用户类型,若是,则获取当前用户在进行预设行为类型的行为时间,将所述行为时间与预设阈值进行比较;
若所述行为时间大于预设阈值,则获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域的实时光谱成分;
判断所述实时光谱成分是否存在预设光谱成分,若存在,则根据所述预设光谱成分生成调控信息,基于所述调控信息对当前用户所在位置节点区域的实时光谱成分进行调整。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括LED智能控制方法程序,当所述LED智能控制方法程序被所述处理器执行时,实现任一项所述的LED智能控制方法的步骤。
本发明解决了背景技术中存在的技术缺陷,本发明具备以下有益效果:通过获取目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率,若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,生成第一识别结果或第二识别结果;若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。通过本方法能够快速且精准的识别出是否有目标用户进入到目标场景中,实现了智能控制LED的功能,能够有效节约能源;能够精准的提供定制化照明体验,实现了智能化调控LED,提高用户体验感。
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实施例的附图。
图1为一种基于物联网的LED智能控制方法的第一方法流程图;
图2为一种基于物联网的LED智能控制方法的第二方法流程图;
图3为一种基于物联网的LED智能控制方法的第三方法流程图;
图4为一种基于物联网的LED智能控制系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面公开了一种基于物联网的LED智能控制方法,包括以下步骤:
S102:获取目标场景的预设场景模型图,构建数据库,并将所述预设场景模型图导入所述数据库中,得到特性数据库;
S104:获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率;并将所述模型偏差率与预设模型偏差率进行比较;
S106:若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果;其中,若识别结果为第一识别结果,则不控制LED开启;若识别结果为第二识别结果,则控制LED开启;
S108:若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;其中,所述行为类型包括休憩、工作、用膳、通讯、阅览书籍以及观赏视听;
S110:根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。
需要说明的是,目标场景包括如家庭、办公室、公共场所等各种照明需求的场景;预设场景模型图根据建筑规划图纸中获取得到,并且该预设场景模型图中不存在人、动物等流动物体,预设场景模型图可以理解为目标场景的布局图。
其中,获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图,如图2所示,具体为:
S202:获取目标场景的实时场景图像,通过加速稳健特征法对所述实时场景图像进行特征匹配处理,得到与实时场景图像对应的若干个局部关键点,并在若干个局部关键点中挑选其中一个局部关键点作为基准点,根据所述基准点建立空间坐标系;
需要说明的是,加速稳健特征法是一种用于特征提取和匹配的计算机视觉算法,加速稳健特征法算法使用了SURF算法中的加速机制,通过构建高效的图像金字塔和积分图像,以及使用快速Hessian矩阵计算方法,实现了快速的特征提取过程;
S204:在所述空间坐标系中获取所有局部关键点的坐标信息,根据所述坐标信息计算各局部关键点与其余局部关键点之间的欧式距离;构建第一排序表,将各局部关键点与其余局部关键点之间的欧式距离导入所述第一排序表中进行大小排序,排序完成后,提取出最小欧式距离,将与最小欧式距离对应的局部关键点标定为局部关键点对;
S206:重复S204步骤,直至所有的局部关键点均完成配对,得到若干对局部关键点对;获取各局部关键点对的中点坐标值,并将各局部关键点对的中点坐标值对应的点标定为补充关键点;
S208:将所有局部关键点与补充关键点进行汇聚,得到若干密集关键点;对若干密集关键点进行汇集,得到密集关键点数集;通过LOF算法计算密集关键点数集中各密集关键点的局部离群因子值,将局部离群因子值大于预设局部离群因子值的密集关键点在所述密集关键点数集中剔除,得到筛选后的密集关键点数集;
需要说明的是,LOF算法的中文名是局部离群因子算法,是一种用于异常检测的数据挖掘算法。该算法的基本思想是通过计算每个数据点的局部密度和与其邻近数据点的相对偏离程度来确定其异常程度。对于每个数据点,计算其邻域内数据点的平均局部可达密度与其自身的局部可达密度之比,作为该点的异常因子;
S210:获取所述筛选后的密集关键点数集中所有密集关键点的三维点云数据,对所述三维点云数据进行对齐处理,以各三维点云数据均以统一的坐标系表示,再对所述三维点云数据进行网格化处理,直至生成若干模型曲面,将若干模型曲面进行组合,得到目标场景的实时场景模型图。
需要说明的是,通过布局安装在目标场景中的红外摄像机等可进行夜视拍摄的摄像机构获取目标场景的实时场景图像,并且对该图像进行特征匹配处理,从而得到实时场景图像的局部关键点。由于拍摄像素、角度、环境等问题会导致通过加速稳健特征法所提取得到的关键点出现丢失、冗余、离群等异常现象,导致所提取得到的关键点的数量有限,因此若此时直接通过局部关键点重构目标场景的实时场景模型图,重构得到的实时场景模型图会存在冗余与局部缺失现象,导致重构得到的模型精度较低,从而影响后续识别结果的可靠性,因此在得到局部关键点后,需要通过S204-S208步骤获取得到更多的关键点,并且将离群的关键点筛除,然后再根据筛选后的密集关键点数集重构目标场景的实时场景模型图,从而得到更加完整、冗余度更低的实时场景模型图,能够极大程度的还原目标场景的实际情况,从而提高后续的模型配对精度,提高后续识别结果的可靠性,为精准的提供定制化照明体验提供基础。
其中,若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果,具体为:
若所述模型偏差率大于预设模型偏差率,则获取所述实时场景模型图与预设场景模型图的定位基准;其中,定位基准提前标定得到,如可以是房梁、房柱等固定物品;
构建三维坐标系,将所述实时场景模型图与预设场景模型图导入所述三维坐标系中,并使得所述实时场景模型图与预设场景模型图的定位基准相重合,以对实时场景模型图与预设场景模型图进行配准;
在所述三维坐标系将实时场景模型图与预设场景模型图相交叠的区域剔除,将实时场景模型图与预设场景模型图不相交叠的区域保存,以分离得到流动物体模型图;
构建知识图谱,并将预设物体模型导入所述知识图谱中;其中,所述预设物体模型为目标用户的三维模型图;
将所述流动物体模型图导入所述知识图谱中,并通过欧几里得距离算法计算所述流动物体模型图与预设物体模型之间的欧几里得距离值,根据所述欧几里得距离值确定出流动物体模型图与预设物体模型之间的相似度;
需要说明的是,欧几里得距离算法常用于模型间的相似性度量,欧几里得距离是指在欧几里得空间中两个点之间的直线距离,也称为直角三角形的斜边长度。欧几里得距离值越小,模型之间的相似度越高;
将所述相似度与预设相似度进行比较;若所述相似度不大于预设相似度,则生成第一识别结果,并不控制LED开启;若所述相似度大于预设相似度,则生成第二识别结果,并控制LED开启。
需要说明的是,当获取得到实时场景模型图后,通过将所述实时场景模型图与预设场景模型图,得到模型偏差率,然后将所述模型偏差率与预设模型偏差率进行比较;若所述模型偏差率不大于预设模型偏差率,说明实时场景模型图与预设场景模型图相重合度极高,说明在当前时间节点上目标用户并没有进入到目标场景中,此时不控制LED开启。
若所述模型偏差率大于预设模型偏差率,说明在当前时间节点上有流动物体进入到了目标场景中,但该流动物体不一定是目标用户,此时需要对进入到了目标场景中的流动物体进行进一步识别,以判断流动物体是否为目标用户。具体来说,通过将将实时场景模型图与预设场景模型图导入至三维坐标系中进行整合,并且将实时场景模型图与预设场景模型图相交叠的区域剔除,将实时场景模型图与预设场景模型图不相交叠的区域保存,以分离得到流动物体模型图;然后确定出流动物体模型图与预设物体模型之间的相似度,若所述相似度不大于预设相似度,说明在当前时间节点进入到了目标场景中的流动物体并不是目标用户,而可能是猫、狗等动物,此时不控制LED开启;反之,若所述相似度大于预设相似度,说明在当前时间节点进入到了目标场景中的流动物体并是目标用户,此时控制LED开启。
综上,通过以上步骤能够快速且精准的识别出是否有目标用户进入到目标场景中,实现了智能控制LED的功能,能够有效节约能源,并且能够提高用户体验感。
其中,若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息,具体为:
基于深度学习网络建立行为识别模型,并将各种行为类型视频帧信息导入所述行为识别模型中进行训练,得到训练好的行为识别模型;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,将所述动态视频帧信息导入所述练好的行为识别模型中,以将所述动态视频帧信息与各种行为类型视频帧信息进行配对,得到多个配对率;
构建第二排序表,将多个所述配对率导入所述第二排序表中进行大小排序,排序完成后,提取出最大配对率,获取与所述最大配对率对应的行为类型视频帧信息,根据与所述最大配对率对应的行为类型视频帧信息确定出当前用户的行为类型;
基于深度学习网络建立身份识别模型,获取不同用户的身份特征信息,并将不同用户的身份特征信息导入所述身份识别模型中进行训练,得到训练完成的身份识别模型;
将所述动态视频帧信息导入所述练好的身份识别模型中进行识别,得到当前用户的身份信息。
需要说明的是,所述行为类型视频帧信息包括休憩、工作、用膳、阅览书籍以及观赏视听等视频帧信息,这些视频帧信息可以直接在大数据网络中获取得到。动态视频帧信息为目标用户进入目标场景中的行为视频信息,该视频信息可以通过布局安装在目标场景中摄像机构获取得到。不同用户的身份特征信息提前录制得到,身份特征信息包括用户姓名、用户身高、用户体型特征、用户眼球特征、用户性别以及用户病史病历等。
通过以上步骤可以快速匹配得到进入到目标场景中用户的行为类型与身份信息。
其中,根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,如图3所示,具体为:
S302:获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值,基于深度学习网络建立配对模型,不同身份用户在进行各种行为类型所对应的灯光参数偏好值导入所述配对模型中进行训练,得到训练完成的配对模型;其中,所述灯光参数包括亮度与色彩;
S304:将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;
S306:获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域LED的实时灯光参数;将所述实时灯光参数与预设灯光参数偏好值进行比较,得到灯光参数差值;
S308:若所述灯光参数差值不大于预设灯光参数差值,则无需对LED的实时灯光参数进行调控;若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。
需要说明的是,不同身份用户在进行各种行为类型所对应的灯光参数偏好值提前获取得到,如用户黄某在进行用膳时其所喜好的灯光氛围、灯光色温、灯光亮度等;如用户李某在进行阅览书籍时其所喜好的灯光氛围、灯光色温、灯光亮度等;以上灯光参数偏好值可以通过访问用户得到,当然也可以不通过访问方式得到,如可以根据用户年龄、性别等条件厂家自行设计得到,在此不做限制。
在获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值之后,构建配对模型,然后将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;获取当前用户所在位置节点区域的LED工作参数,工作参数包括电流、电压等,从而确定出当前用户所在位置节点区域LED的实时灯光参数,若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。举例来说,若用户黄某在进行用膳时,其用膳区域的灯光亮度大于其所爱好的亮度,此时控制系统会自动将灯光亮度调低至其喜好亮度范围内。通过以上步骤能够精准的提供定制化照明体验,实现了智能化调控LED,提高用户体验感。
进一步地,本发明的一个较佳实施例中,还包括以下步骤:
判断当前用户所进行的行为类型是否为预设行为类型,若是,则获取当前用户的身份信息;
根据当前用户的身份信息确定出当前用户是否为预设用户类型,若是,则获取当前用户在进行预设行为类型的行为时间,将所述行为时间与预设阈值进行比较;
若所述行为时间大于预设阈值,则获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域的实时光谱成分;
判断所述实时光谱成分是否存在预设光谱成分,若存在,则根据所述预设光谱成分生成调控信息,基于所述调控信息对当前用户所在位置节点区域的实时光谱成分进行调整。
需要说明的是,预设行为类型包括工作、用膳、阅览书籍以及观赏视听;预设用户类型包括儿童、青少年、夜间工作者、非特异性光过敏患者等。预设光谱成分包括蓝光。
需要说明的是,LED光源中的蓝光成分可能会对某些人产生一定的影响,尤其是在长时间暴露于强光源下的情况下。以下是一些可能受到蓝光影响的特定人群:
夜间工作者:长期在夜间工作且处于强光照射下的人群,如医院值夜班、航空和交通控制人员,可能会受到蓝光的影响,导致睡眠障碍和生物钟紊乱。
儿童和青少年:由于儿童和青少年的眼睛还在发育阶段,较长时间的暴露于蓝光下可能对视力健康产生影响。过度使用电子设备如智能手机、平板电脑和电视等可能导致视疲劳和睡眠问题。
非特异性光过敏患者:某些人对光敏感或光过敏反应较强。光刺激,包括蓝光,可能导致皮肤炎症和过敏反应。
通过以上步骤能够判断出当前的LED灯源是否会对用户的健康造成伤害,并且能够通过调整LED灯源的方式来避免对用户的健康造成伤害,能够智能为用户提高保护措施,使得LED的调控更加智能,提高用户体验感。
此外,所述控制方法还包括以下步骤:
在所述实时场景模型图中检索出各LED灯源的安装位置节点,将各LED灯源的安装位置节点标定为射线源;
以各个射线源为射线起点,发射出若干条射线,并依次将每条射线与障碍物进行交叉判断,当射线撞击到障碍物时,射线衰减预设强度,直至射线强度衰减至预设阈值,射线截止;
模拟完毕后,统计预设区域内射线数量,根据所述射线数量确定出预设区域内的光照强度,将所述光照强度与预设光照强度进行比较,得到光照强度偏差值;
若所述光照强度偏差值大于预设偏差值,则基于所述预设区域内射线数量生成调控程序,根据所述调控程序对LED灯源进行调控,直至所述光照强度偏差值不大于预设偏差值。
需要说明的是,在实时场景中,可能由于临时堆放物品、障碍物等遮挡原因以及由于LED寿命下降等原因可能会导致场景中某些区域的光照强度不满足要求,通过利用射线追踪法对结合实时场景模型图与LED灯源对管线光线进行模拟分析,从而判断出预设区域的光照强度是否满足要求,若不满足,则对该区域的光照进行调控,如可以通过增加电压、增加光源等方式进行,通过本方法能够确保预设区域内光照强度在预设范围内,提高调控精度,使得用户体验更佳。
此外,所述控制方法还包括以下步骤:
判断当前用户所进行的行为类型是否为第二预设行为类型,若是,则获取当前用户所处的位置区域,并获取当前用户所处的位置区域的子模型图信息;其中,第二预设行为类型为通讯行为;
构建通讯信号通道传输模型,将当前用户所处的位置区域的子模型图信息导入所述通讯信号通道传输模型得到若干条通讯信号通道;
通过大数据网络获取在不同环境参数组合下各条通讯信号通道的历史传送特性;构建第二数据库,将在不同环境参数组合下各条通讯信号通道的历史传送特性导入所述第二数据库中;
获取当前用户所处的位置区域的实时环境参数,将所述实时环境参数导入所述第二数据库,通过灰色关联分析法计算所述实时环境参数与各环境参数组合之下的关联度,得到多个关联度;
在多个关联度中提取出最大关联度,获取与最大关联度对应的环境参数组合,根据与最大关联度对应的环境参数组合确定出各条通讯信号通道的实时传送特性;
获取最大实时传送特性所对应的通讯信号通道,并将最大实时传送特性所对应的通讯信号通道标定为当前用户在进行通讯行为的预设通讯信号通道;
其中,传送特性包括传送速率、响应频率以及传送功率。
需要说明的是,现有一部分LED既能够提供光照,又能够用于光通信,使得LED具有信号传送增益功能。当用户在进行通讯通话行为时,可以通过以上步骤筛选出最大的信号通道使得用户的无线通讯设备与区域内的通讯基站之间的最佳通讯信号通道,以提高用户的通讯信号传送质量,实现高质量通信的需求,提高用户体验度。
如图4所示,本发明第二方面提供了一种基于物联网的LED智能控制系统,所述LED智能控制系统包括存储器41与处理器42,所述存储器41中存储有LED智能控制方法程序,当所述LED智能控制方法程序被所述处理器42执行时,实现如下步骤:
获取目标场景的预设场景模型图,构建数据库,并将所述预设场景模型图导入所述数据库中,得到特性数据库;
获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率;并将所述模型偏差率与预设模型偏差率进行比较;
若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果;其中,若识别结果为第一识别结果,则不控制LED开启;若识别结果为第二识别结果,则控制LED开启;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;其中,所述行为类型包括休憩、工作、用膳、通讯、阅览书籍以及观赏视听;
根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。
进一步地,本发明的一个较佳实施例中,根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,具体为:
获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值,基于深度学习网络建立配对模型,不同身份用户在进行各种行为类型所对应的灯光参数偏好值导入所述配对模型中进行训练,得到训练完成的配对模型;其中,所述灯光参数包括亮度与色彩;
将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;
获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域LED的实时灯光参数;将所述实时灯光参数与预设灯光参数偏好值进行比较,得到灯光参数差值;
若所述灯光参数差值不大于预设灯光参数差值,则无需对LED的实时灯光参数进行调控;若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。
进一步地,本发明的一个较佳实施例中,还包括以下步骤:
判断当前用户所进行的行为类型是否为预设行为类型,若是,则获取当前用户的身份信息;
根据当前用户的身份信息确定出当前用户是否为预设用户类型,若是,则获取当前用户在进行预设行为类型的行为时间,将所述行为时间与预设阈值进行比较;
若所述行为时间大于预设阈值,则获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域的实时光谱成分;
判断所述实时光谱成分是否存在预设光谱成分,若存在,则根据所述预设光谱成分生成调控信息,基于所述调控信息对当前用户所在位置节点区域的实时光谱成分进行调整。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括LED智能控制方法程序,当所述LED智能控制方法程序被所述处理器42执行时,实现任一项所述的LED智能控制方法的步骤。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于物联网的LED智能控制方法,其特征在于,包括以下步骤:
S102:获取目标场景的预设场景模型图,构建数据库,并将所述预设场景模型图导入所述数据库中,得到特性数据库;
S104:获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图对比,得到模型偏差率;并将所述模型偏差率与预设模型偏差率进行比较;
S106:若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果;其中,若识别结果为第一识别结果,则不控制LED开启;若识别结果为第二识别结果,则控制LED开启;
S108:若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;其中,所述行为类型包括休憩、工作、用膳、通讯、阅览书籍以及观赏视听;
S110:根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。
2.根据权利要求1所述的一种基于物联网的LED智能控制方法,其特征在于,获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图,具体为:
S202:获取目标场景的实时场景图像,通过加速稳健特征法对所述实时场景图像进行特征匹配处理,得到与实时场景图像对应的若干个局部关键点,并在若干个局部关键点中挑选其中一个局部关键点作为基准点,根据所述基准点建立空间坐标系;
S204:在所述空间坐标系中获取所有局部关键点的坐标信息,根据所述坐标信息计算各局部关键点与其余局部关键点之间的欧式距离;构建第一排序表,将各局部关键点与其余局部关键点之间的欧式距离导入所述第一排序表中进行大小排序,排序完成后,提取出最小欧式距离,将与最小欧式距离对应的局部关键点标定为局部关键点对;
S206:重复S204步骤,直至所有的局部关键点均完成配对,得到若干对局部关键点对;获取各局部关键点对的中点坐标值,并将各局部关键点对的中点坐标值对应的点标定为补充关键点;
S208:将所有局部关键点与补充关键点进行汇聚,得到若干密集关键点;对若干密集关键点进行汇集,得到密集关键点数集;通过LOF算法计算密集关键点数集中各密集关键点的局部离群因子值,将局部离群因子值大于预设局部离群因子值的密集关键点在所述密集关键点数集中剔除,得到筛选后的密集关键点数集;
S210:获取所述筛选后的密集关键点数集中所有密集关键点的三维点云数据,对所述三维点云数据进行对齐处理,以各三维点云数据均以统一的坐标系表示,再对所述三维点云数据进行网格化处理,直至生成若干模型曲面,将若干模型曲面进行组合,得到目标场景的实时场景模型图。
3.根据权利要求1所述的一种基于物联网的LED智能控制方法,其特征在于,若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果,具体为:
若所述模型偏差率大于预设模型偏差率,则获取所述实时场景模型图与预设场景模型图的定位基准;
构建三维坐标系,将所述实时场景模型图与预设场景模型图导入所述三维坐标系中,并使得所述实时场景模型图与预设场景模型图的定位基准相重合,以对实时场景模型图与预设场景模型图进行配准;
在所述三维坐标系将实时场景模型图与预设场景模型图相交叠的区域剔除,将实时场景模型图与预设场景模型图不相交叠的区域保存,以分离得到流动物体模型图;
构建知识图谱,并将预设物体模型导入所述知识图谱中;
将所述流动物体模型图导入所述知识图谱中,并通过欧几里得距离算法计算所述流动物体模型图与预设物体模型之间的欧几里得距离值,根据所述欧几里得距离值确定出流动物体模型图与预设物体模型之间的相似度;
将所述相似度与预设相似度进行比较;若所述相似度不大于预设相似度,则生成第一识别结果,并不控制LED开启;若所述相似度大于预设相似度,则生成第二识别结果,并控制LED开启。
4.根据权利要求1所述的一种基于物联网的LED智能控制方法,其特征在于,若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息,具体为:
基于深度学习网络建立行为识别模型,并将各种行为类型视频帧信息导入所述行为识别模型中进行训练,得到训练好的行为识别模型;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,将所述动态视频帧信息导入所述练好的行为识别模型中,以将所述动态视频帧信息与各种行为类型视频帧信息进行配对,得到多个配对率;
构建第二排序表,将多个所述配对率导入所述第二排序表中进行大小排序,排序完成后,提取出最大配对率,获取与所述最大配对率对应的行为类型视频帧信息,根据与所述最大配对率对应的行为类型视频帧信息确定出当前用户的行为类型;
基于深度学习网络建立身份识别模型,获取不同用户的身份特征信息,并将不同用户的身份特征信息导入所述身份识别模型中进行训练,得到训练完成的身份识别模型;
将所述动态视频帧信息导入所述练好的身份识别模型中进行识别,得到当前用户的身份信息。
5.根据权利要求1所述的一种基于物联网的LED智能控制方法,其特征在于,根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,具体为:
S302:获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值,基于深度学习网络建立配对模型,不同身份用户在进行各种行为类型所对应的灯光参数偏好值导入所述配对模型中进行训练,得到训练完成的配对模型;其中,所述灯光参数包括亮度与色彩;
S304:将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;
S306:获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域LED的实时灯光参数;将所述实时灯光参数与预设灯光参数偏好值进行比较,得到灯光参数差值;
S308:若所述灯光参数差值不大于预设灯光参数差值,则无需对LED的实时灯光参数进行调控;若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。
6.根据权利要求5所述的一种基于物联网的LED智能控制方法,其特征在于,还包括以下步骤:
判断当前用户所进行的行为类型是否为预设行为类型,若是,则获取当前用户的身份信息;
根据当前用户的身份信息确定出当前用户是否为预设用户类型,若是,则获取当前用户在进行预设行为类型的行为时间,将所述行为时间与预设阈值进行比较;
若所述行为时间大于预设阈值,则获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域的实时光谱成分;
判断所述实时光谱成分是否存在预设光谱成分,若存在,则根据所述预设光谱成分生成调控信息,基于所述调控信息对当前用户所在位置节点区域的实时光谱成分进行调整。
7.一种基于物联网的LED智能控制系统,其特征在于,所述LED智能控制系统包括存储器与处理器,所述存储器中存储有LED智能控制方法程序,当所述LED智能控制方法程序被所述处理器执行时,实现如下步骤:
获取目标场景的预设场景模型图,构建数据库,并将所述预设场景模型图导入所述数据库中,得到特性数据库;
获取目标场景的实时场景图像,根据所述实时场景图像建立目标场景的实时场景模型图;将所述实时场景模型图与预设场景模型图,得到模型偏差率;并将所述模型偏差率与预设模型偏差率进行比较;
若所述模型偏差率不大于预设模型偏差率,则生成第一识别结果;若所述模型偏差率大于预设模型偏差率,则基于所述实时场景模型图与预设场景模型图得到流动物体模型图,并对所述流动物体模型图进行识别,得到第一识别结果或第二识别结果;其中,若识别结果为第一识别结果,则不控制LED开启;若识别结果为第二识别结果,则控制LED开启;
若识别结果为第二识别结果,则在预设时间段内获取用户的动态视频帧信息,根据所述动态视频帧信息进行识别,得到当前用户的行为类型与身份信息;其中,所述行为类型包括休憩、工作、用膳、通讯、阅览书籍以及观赏视听;
根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控。
8.根据权利要求7所述的一种基于物联网的LED智能控制系统,其特征在于,根据所述身份信息与行为类型确定出当前用户的灯光参数偏好值,根据所述灯光参数偏好值对当前用户所在位置节点区域LED的实时灯光参数进行调控,具体为:
获取不同身份用户在进行各种行为类型所对应的灯光参数偏好值,基于深度学习网络建立配对模型,不同身份用户在进行各种行为类型所对应的灯光参数偏好值导入所述配对模型中进行训练,得到训练完成的配对模型;其中,所述灯光参数包括亮度与色彩;
将当前用户的行为类型与身份信息导入所述训练完成的配对模型中进行配对,得到当前用户在当前行为类型之下的预设灯光参数偏好值;
获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域LED的实时灯光参数;将所述实时灯光参数与预设灯光参数偏好值进行比较,得到灯光参数差值;
若所述灯光参数差值不大于预设灯光参数差值,则无需对LED的实时灯光参数进行调控;若所述灯光参数差值大于预设灯光参数差值,则根据所述灯光参数差值生成调控参数,基于所述调控参数对当前用户所在位置节点区域LED的实时灯光参数进行调控。
9.根据权利要求7所述的一种基于物联网的LED智能控制系统,其特征在于,还包括以下步骤:
判断当前用户所进行的行为类型是否为预设行为类型,若是,则获取当前用户的身份信息;
根据当前用户的身份信息确定出当前用户是否为预设用户类型,若是,则获取当前用户在进行预设行为类型的行为时间,将所述行为时间与预设阈值进行比较;
若所述行为时间大于预设阈值,则获取当前用户所在位置节点区域的LED工作参数,根据所述工作参数确定出当前用户所在位置节点区域的实时光谱成分;
判断所述实时光谱成分是否存在预设光谱成分,若存在,则根据所述预设光谱成分生成调控信息,基于所述调控信息对当前用户所在位置节点区域的实时光谱成分进行调整。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括LED智能控制方法程序,当所述LED智能控制方法程序被处理器执行时,实现如权利要求1-6任一项所述的LED智能控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310920553.8A CN116634622B (zh) | 2023-07-26 | 2023-07-26 | 一种基于物联网的led智能控制方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310920553.8A CN116634622B (zh) | 2023-07-26 | 2023-07-26 | 一种基于物联网的led智能控制方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116634622A CN116634622A (zh) | 2023-08-22 |
CN116634622B true CN116634622B (zh) | 2023-09-15 |
Family
ID=87610325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310920553.8A Active CN116634622B (zh) | 2023-07-26 | 2023-07-26 | 一种基于物联网的led智能控制方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116634622B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882790B (zh) * | 2023-09-06 | 2023-11-21 | 北京建工环境修复股份有限公司 | 一种矿山生态修复区域的碳排放设备管理方法及系统 |
CN117032048A (zh) * | 2023-09-06 | 2023-11-10 | 东莞市粤广创照明有限公司 | 一种物联网的智能家居照明控制系统 |
CN116963357B (zh) * | 2023-09-20 | 2023-12-01 | 深圳市靓科光电有限公司 | 一种灯具的智能配置控制方法、系统及介质 |
CN117255451B (zh) * | 2023-10-24 | 2024-05-03 | 快住智能科技(苏州)有限公司 | 用于酒店客房管理的智慧生活客控方法及系统 |
CN117202432B (zh) * | 2023-11-06 | 2024-03-12 | 深圳北极之光科技有限公司 | 一种智能调控led灯珠的方法和装置 |
CN117459877B (zh) * | 2023-12-25 | 2024-03-15 | 一兆声学科技(深圳)有限公司 | 一种基于智能感知的耳机音效调控方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2748984A1 (en) * | 2009-01-07 | 2010-07-15 | Koninklijke Philips Electronics N.V. | Intelligent controllable lighting networks and schemata therefore |
CN106604508A (zh) * | 2017-02-23 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 基于自学习的灯光环境控制方法和控制系统 |
CN109917662A (zh) * | 2019-03-22 | 2019-06-21 | 深圳市沃特沃德股份有限公司 | 智能设备的控制方法、装置、计算机设备及存储介质 |
CN111541961A (zh) * | 2020-04-20 | 2020-08-14 | 浙江德方智能科技有限公司 | 一种感应式灯光音响管理系统和方法 |
CN111869330A (zh) * | 2018-02-27 | 2020-10-30 | 昕诺飞控股有限公司 | 基于一种或多种灯光设置渲染动态灯光场景 |
CN112118659A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种灯光调节方法及智能装置 |
CN112925217A (zh) * | 2021-01-25 | 2021-06-08 | 珠海格力电器股份有限公司 | 智能家居系统及智能家居控制方法 |
CN113347753A (zh) * | 2021-08-06 | 2021-09-03 | 深圳特朗达照明股份有限公司 | 一种led自适应控制方法、系统和可读存储介质 |
CN114698201A (zh) * | 2022-04-27 | 2022-07-01 | 杭州涂鸦信息技术有限公司 | 基于人因照明的照明控制方法以及相关设备 |
-
2023
- 2023-07-26 CN CN202310920553.8A patent/CN116634622B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2748984A1 (en) * | 2009-01-07 | 2010-07-15 | Koninklijke Philips Electronics N.V. | Intelligent controllable lighting networks and schemata therefore |
CN106604508A (zh) * | 2017-02-23 | 2017-04-26 | 上海斐讯数据通信技术有限公司 | 基于自学习的灯光环境控制方法和控制系统 |
CN111869330A (zh) * | 2018-02-27 | 2020-10-30 | 昕诺飞控股有限公司 | 基于一种或多种灯光设置渲染动态灯光场景 |
CN109917662A (zh) * | 2019-03-22 | 2019-06-21 | 深圳市沃特沃德股份有限公司 | 智能设备的控制方法、装置、计算机设备及存储介质 |
CN112118659A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种灯光调节方法及智能装置 |
CN111541961A (zh) * | 2020-04-20 | 2020-08-14 | 浙江德方智能科技有限公司 | 一种感应式灯光音响管理系统和方法 |
CN112925217A (zh) * | 2021-01-25 | 2021-06-08 | 珠海格力电器股份有限公司 | 智能家居系统及智能家居控制方法 |
CN113347753A (zh) * | 2021-08-06 | 2021-09-03 | 深圳特朗达照明股份有限公司 | 一种led自适应控制方法、系统和可读存储介质 |
CN114698201A (zh) * | 2022-04-27 | 2022-07-01 | 杭州涂鸦信息技术有限公司 | 基于人因照明的照明控制方法以及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116634622A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116634622B (zh) | 一种基于物联网的led智能控制方法、系统及介质 | |
US11265994B2 (en) | Dynamic lighting states based on context | |
US10769909B1 (en) | Using sensor data to detect events | |
CN106664773B (zh) | 借助于照明设备使用数据的灯光场景创建或修改 | |
US10708992B2 (en) | Methods and apparatus for image analysis for lighting control | |
CN111914742A (zh) | 基于多模态生物特征的考勤方法、系统、终端设备及介质 | |
US11483451B2 (en) | Methods and systems for colorizing infrared images | |
US10791607B1 (en) | Configuring and controlling light emitters | |
CN105530436A (zh) | 拍摄参数调节方法和拍摄终端 | |
CN112867210B (zh) | 个体识别照明控制方法、装置及照明控制系统 | |
CN107360066A (zh) | 一种家居服务机器人及智能家居系统 | |
Han et al. | Improved visual background extractor using an adaptive distance threshold | |
CN113923839A (zh) | 一种灯光调节方法及系统 | |
CN107883520B (zh) | 基于空调设备的提醒方法及装置、终端 | |
JP2021125876A (ja) | スマート画像キャプチャのためのシステム及び方法 | |
US11423762B1 (en) | Providing device power-level notifications | |
US10991130B2 (en) | Systems and methods for implementing a sensor based real time tracking system | |
CN114009148A (zh) | 亮度分布确定 | |
CN108650455B (zh) | 一种智能家居照明数据采集终端 | |
CN115968077A (zh) | 一种基于运行数据的智慧社区灯光使用推荐方法和装置 | |
US20230270593A1 (en) | Assistive smart glasses for visual impairment, and system and control method thereof | |
CN114594692A (zh) | 一种基于手机端与物联网的智能家居控制系统 | |
Zaikina et al. | Luminance-based measures of shape and detail distinctness of 3D objects as important predictors of light modeling concept. Results of a full-scale study pairing proposed measures with subjective responses | |
CN114298973A (zh) | 一种基于红外图像分割的智能供热监测方法 | |
CN115798401B (zh) | 一种基于物联网的mini-LED智能调控方法 |
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 |