CN116685031A - 隧道进出口光暗调节方法及其系统 - Google Patents

隧道进出口光暗调节方法及其系统 Download PDF

Info

Publication number
CN116685031A
CN116685031A CN202310437145.7A CN202310437145A CN116685031A CN 116685031 A CN116685031 A CN 116685031A CN 202310437145 A CN202310437145 A CN 202310437145A CN 116685031 A CN116685031 A CN 116685031A
Authority
CN
China
Prior art keywords
tunnel
feature vector
vector
luminance
brightness
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.)
Pending
Application number
CN202310437145.7A
Other languages
English (en)
Inventor
李丽华
黄友华
江雪锋
晏农芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangxi Zhongchang Engineering Consultation And Supervision Co ltd
Original Assignee
Jiangxi Zhongchang Engineering Consultation And Supervision Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangxi Zhongchang Engineering Consultation And Supervision Co ltd filed Critical Jiangxi Zhongchang Engineering Consultation And Supervision Co ltd
Priority to CN202310437145.7A priority Critical patent/CN116685031A/zh
Publication of CN116685031A publication Critical patent/CN116685031A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V23/00—Arrangement of electric circuit elements in or on lighting devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V23/00—Arrangement of electric circuit elements in or on lighting devices
    • F21V23/04—Arrangement of electric circuit elements in or on lighting devices the elements being switches
    • F21V23/0442—Arrangement of electric circuit elements in or on lighting devices the elements being switches activated by means of a sensor, e.g. motion or photodetectors
    • F21V23/0464—Arrangement of electric circuit elements in or on lighting devices the elements being switches activated by means of a sensor, e.g. motion or photodetectors the sensor sensing the level of ambient illumination, e.g. dawn or dusk sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • 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
    • H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient 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
    • H05B47/14—Controlling the light source in response to determined parameters by determining electrical parameters of the light source
    • 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]
    • 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
    • H05B47/175—Controlling the light source by remote control
    • 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)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

公开了一种隧道进出口光暗调节方法及其系统。其首先将多个预定时间点的隧道外亮度值和隧道入口亮度值分别排列为隧道外亮度输入向量和隧道入口亮度输入向量后通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，接着，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，然后，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，最后，将所述优化差分特征向量通过分类器以得到用于表示当前时间点的照明设施的功率值应增大或应减小的分类结果。这样，可以自适应地调控照明设施的功率值，增加隧道通行的安全性。

Description

隧道进出口光暗调节方法及其系统
技术领域
本申请涉及智能控制领域，且更为具体地，涉及一种隧道进出口光暗调节方法及其系统。
背景技术
隧道建设是实现高速公路的重要方法和手段，有效的隧道照明是保证行车安全的关键。隧道灯光的合理分布可以使行车更加安全舒适，提高灯具照射效率，节能环保。公路隧道进出口亮度的急剧变化会造成驾驶员视觉适应困难，严重时甚至会导致交通事故。
在白天时，由于隧道外部的光照亮度，高于隧道内部的亮度，此时当车辆由隧道外驶向内部时，考虑到人的眼睛调节“滞后”的原因，也就是眼睛的瞳孔还没来得及变大，光线就变暗了，此时驾驶的司机就会看不清前方的情况(也就是我们常说的视觉盲区)，导致车祸的发生。
因此，期望一种优化的隧道进出口光暗智能调节方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种隧道进出口光暗调节方法及其系统。其首先将多个预定时间点的隧道外亮度值和隧道入口亮度值分别排列为隧道外亮度输入向量和隧道入口亮度输入向量后通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，接着，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，然后，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，最后，将所述优化差分特征向量通过分类器以得到用于表示当前时间点的照明设施的功率值应增大或应减小的分类结果。这样，可以自适应地调控照明设施的功率值，增加隧道通行的安全性。
根据本申请的一个方面，提供了一种隧道进出口光暗调节方法，其包括：
获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；
将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；
将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；
计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；
基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；以及
将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
在上述的隧道进出口光暗调节方法中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
在上述的隧道进出口光暗调节方法中，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，包括：
使用所述多尺度邻域特征提取模块的所述第一卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第一尺度隧道外亮度时序特征向量；
其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；
使用所述多尺度邻域特征提取模块的所述第二卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第二尺度隧道外亮度时序特征向量；
其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；以及，
使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度隧道外亮度时序特征向量和所述第二尺度隧道外亮度时序特征向量进行级联以得到所述隧道外亮度时序特征向量。
在上述的隧道进出口光暗调节方法中，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，包括：
以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的所述差分特征向量；
其中，所述公式为：
其中，V1表示所述隧道外亮度时序特征向量，V2表示所述隧道入口亮度时序特征向量，Vc表示所述差分特征向量，表示按位置减法。
在上述的隧道进出口光暗调节方法中，基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，包括：
计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量；以及
融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量。
在上述的隧道进出口光暗调节方法中，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量，包括：
以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到所述向量级响应性融合修正特征向量；
其中，所述公式为：
其中，V1、V2和V3分别表示所述隧道外亮度时序特征向量、所述隧道入口亮度时序特征向量和所述向量级响应性融合修正特征向量，||·||1和||·||2分别表示向量的一范数和二范数，L为向量的长度，(·)T表示向量的转置向量，和⊙分别表示向量乘积和向量点乘，且所有向量均为行向量形式。
在上述的隧道进出口光暗调节方法中，融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量，包括：
以如下公式来融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量；
其中，所述公式为：
Vd＝Concat[V3，Vc]
其中，V3表示所述向量级响应性融合修正特征向量，Vc表示所述差分特征向量，Vd表示所述优化差分特征向量，Concat[·]表示级联函数。
在上述的隧道进出口光暗调节方法中，将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小，包括：
使用所述分类器的全连接层对所述优化差分特征向量进行全连接编码以得到编码分类特征向量；以及
将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
根据本申请的另一个方面，提供了一种隧道进出口光暗调节系统，其包括：
数据获取模块，用于获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；
输入向量排列模块，用于将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；
多尺度编码模块，用于将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；
差分计算模块，用于计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；
特征分布优化模块，用于基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；以及
分类模块，用于将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
在上述的隧道进出口光暗调节系统中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
与现有技术相比，本申请提供的隧道进出口光暗调节方法及其系统，其首先将多个预定时间点的隧道外亮度值和隧道入口亮度值分别排列为隧道外亮度输入向量和隧道入口亮度输入向量后通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，接着，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，然后，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，最后，将所述优化差分特征向量通过分类器以得到用于表示当前时间点的照明设施的功率值应增大或应减小的分类结果。这样，可以自适应地调控照明设施的功率值，增加隧道通行的安全性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员而言，在没有做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。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。
图1为根据本申请实施例的隧道进出口光暗调节方法的场景示意图。
图2为根据本申请实施例的隧道进出口光暗调节方法的流程图。
图3为根据本申请实施例的隧道进出口光暗调节方法的架构示意图。
图4为根据本申请实施例的隧道进出口光暗调节方法的子步骤S150的流程图。
图5为根据本申请实施例的隧道进出口光暗调节方法的子步骤S160的流程图。
图6为根据本申请实施例的隧道进出口光暗调节系统的框图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，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，也属于本申请保护的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅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。
如上所述，在白天时，由于隧道外部的光照亮度，高于隧道内部的亮度，此时当车辆由隧道外驶向内部时，考虑到人的眼睛调节“滞后”的原因，也就是眼睛的瞳孔还没来得及变大，光线就变暗了，此时驾驶的司机就会看不清前方的情况(也就是我们常说的视觉盲区)，导致车祸的发生。因此，期望一种优化的隧道进出口光暗智能调节方案。
相应地，考虑到在隧道入口处，为了避免公路隧道进出口亮度的急剧变化而导致驾驶员的视觉适应困难，需要开启照明设备进行补光，但是，如果补光过度，则会延长用户暗适应的时间，而如果补光不足，则无法为驾驶者提供足够的隧道内环境照明，增大车祸发生的几率。因此，对于隧道进出口的补光应适配于环境的亮度值变化情况，也就是说，基于隧道进出口的亮度差异特征来进行实际补光功率的自适应控制。在此过程中，难点在于如何充分且准确地挖掘出所述隧道外亮度时序变化与所述隧道入口亮度时序变化之间的映射关系，以基于所述隧道进出口的亮度差异情况来自适应地调控照明设施的功率值，避免因驾驶员的视觉适应困难而导致车祸的发生，增加隧道通行的安全性。
近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
深度学习以及神经网络的发展为挖掘所述隧道外亮度时序变化与所述隧道入口亮度时序变化之间的复杂映射关系提供了新的解决思路和方案。本领域普通技术人员应知晓，基于深度学习的深度神经网络模型可以通过适当的训练策略，例如通过梯度下降的反向传播算法来调整所述深度神经网络模型的参数以使之能够模拟事物之间的复杂的非线性关联，而这显然适合于模拟并建立所述隧道外亮度时序变化与所述隧道入口亮度时序变化之间的复杂映射关系。
具体地，在本申请的技术方案中，首先，获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值。接着，考虑到由于所述隧道外亮度值和所述隧道入口亮度值在时间维度上都具有着动态性的变化规律，为了能够提取出这两者之间在时序上的映射关联关系，需要对于所述隧道外亮度值和所述隧道入口亮度值在时序上的动态变化特征信息进行提取。因此，在本申请的技术方案中，首先，需要将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量，以此来整合所述隧道外亮度值和所述隧道入口亮度值分别在时间维度上的分布信息。
然后，考虑到由于所述隧道外亮度值和所述隧道入口亮度值在时间维度上具有着波动性和不确定性，其在所述预定时间段内的不同时间周期跨度下具有着不同的变化特性。因此，若想能够充分地提取出所述隧道外亮度值和所述隧道入口亮度值分别在时间维度上的动态变化特征信息，在本申请的技术方案中，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块中进行特征挖掘，以分别提取出所述隧道外亮度值和所述隧道入口亮度值在预定时间段内不同时间跨度下的动态多尺度邻域关联特征，从而得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量。
进一步地，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，以此来表示所述隧道外亮度的时序变化特征和所述隧道入口亮度的时序变化特征间的差异性特征分布信息，并将所述差分特征向量作为分类特征向量进行分类，从而进行照明设施的功率值的实时控制。也就是，具体地，将所述分类特征向量通过分类器以得到用于表示当前时间点的照明设施的功率值应增大或应减小的分类结果。也就是，在本申请的技术方案中，所述分类器的标签包括当前时间点的照明设施的功率值应增大(第一标签)，以及，当前时间点的照明设施的功率值应减小(第二标签)，其中，所述分类器通过软最大值函数来确定所述分类特征向量属于哪个分类标签。应可以理解，在本申请的技术方案中，所述分类器的分类标签为所述当前时间点的照明设施的功率值控制策略标签，因此，在得到所述分类结果后，可基于所述分类结果来自适应地调整所述当前时间点的照明设施的功率值，以此来避免因驾驶员的视觉适应困难而导致车祸的发生，增加隧道通行的安全性。
特别地，在本申请的技术方案中，在计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的所述差分特征向量时，由于所述差分特征向量表达的是所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的逐位置差分，因此可以得到所述隧道入口亮度时序特征向量相对于所述隧道外亮度时序特征向量的特征值粒度的差分响应，相应地，如果可以进一步得到并结合所述隧道入口亮度时序特征向量相对于所述隧道外亮度时序特征向量的特征向量粒度的差分响应，显然可以提升所述差分特征向量的分类结果的准确性。
因此，本申请的申请人进一步将所述隧道外亮度时序特征向量，例如记为V1作为源向量，将所述隧道入口亮度时序特征向量，例如记为V2作为响应向量，计算其非相干稀疏响应式融合以获得向量级响应性融合修正特征向量，例如记为V3，表示为：
其中||·||1和||·||2表示向量的一范数和二范数，L为向量的长度，和⊙分别表示向量乘积和向量点乘，且所有向量均为行向量形式。
这里，所述非相干稀疏响应融合在以源向量作为特征域间响应性融合的真实性分布(ground-truth distribution)的情况下，通过一范数表示的向量差异的模糊性位分布响应性，以及基于差分向量的模约束的真实差分嵌入响应性，来获得向量之间的非相干稀疏性融合表示，以提取特征向量融合后的概率分布描述度的响应关系，从而实现作为非相干稀疏响应式融合的所述向量级响应性融合修正特征向量V3对于具有响应关系的源向量和响应向量的向量级融合表达效果。这样，再将所述向量级响应性融合修正特征向量V3与所述差分特征向量进行融合，例如，为了充分利用特征值粒度和向量粒度的差分响应信息，直接将所述向量级响应性融合修正特征向量V3与所述差分特征向量级联以优化所述差分特征向量，就可以提升所述差分特征向量的分类结果的准确性。这样，能够实时准确地基于隧道进出口的亮度差异情况来自适应地调控照明设施的功率值，避免因驾驶员的视觉适应困难而导致车祸的发生，增加隧道通行的安全性。
图1为根据本申请实施例的隧道进出口光暗调节方法的应用场景图。如图1所示，在该应用场景中，首先，获取预定时间段内多个预定时间点的隧道外亮度值(例如，图1中所示意的D1)和隧道入口亮度值(例如，图1中所示意的D2)，然后，将所述多个预定时间点的隧道外亮度值和隧道入口亮度值输入至部署有隧道进出口光暗调节算法的服务器中(例如，图1中所示意的S)，其中，所述服务器能够使用所述隧道进出口光暗调节算法对所述多个预定时间点的隧道外亮度值和隧道入口亮度值进行处理以得到用于表示当前时间点的照明设施的功率值应增大或应减小的分类结果。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
图2为根据本申请实施例的隧道进出口光暗调节方法的流程图。如图2所示，根据本申请实施例的隧道进出口光暗调节方法，包括步骤：S110，获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；S120，将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；S130，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；S140，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；S150，基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；以及，S160，将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
图3为根据本申请实施例的隧道进出口光暗调节方法的架构示意图。如图3所示，在该网络架构中，首先，获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；接着，将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；然后，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；接着，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；然后，基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；最后，将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
更具体地，在步骤S110中，获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值。到在隧道入口处，为了避免公路隧道进出口亮度的急剧变化而导致驾驶员的视觉适应困难，需要开启照明设备进行补光，但是，如果补光过度，则会延长用户暗适应的时间，而如果补光不足，则无法为驾驶者提供足够的隧道内环境照明，增大车祸发生的几率。因此，对于隧道进出口的补光应适配于环境的亮度值变化情况，也就是说，基于隧道进出口的亮度差异特征来进行实际补光功率的自适应控制。在本申请的技术方案中，通过挖掘所述隧道外亮度时序变化与所述隧道入口亮度时序变化之间的映射关系，以基于所述隧道进出口的亮度差异情况来自适应地调控照明设施的功率值，避免因驾驶员的视觉适应困难而导致车祸的发生，增加隧道通行的安全性。
更具体地，在步骤S120中，将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量。由于所述隧道外亮度值和所述隧道入口亮度值在时间维度上都具有着动态性的变化规律，为了能够提取出这两者之间在时序上的映射关联关系，需要对于所述隧道外亮度值和所述隧道入口亮度值在时序上的动态变化特征信息进行提取。因此，在本申请的技术方案中，首先，需要将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量，以此来整合所述隧道外亮度值和所述隧道入口亮度值分别在时间维度上的分布信息。
更具体地，在步骤S130中，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量。由于所述隧道外亮度值和所述隧道入口亮度值在时间维度上具有着波动性和不确定性，其在所述预定时间段内的不同时间周期跨度下具有着不同的变化特性。因此，若想能够充分地提取出所述隧道外亮度值和所述隧道入口亮度值分别在时间维度上的动态变化特征信息，在本申请的技术方案中，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块中进行特征挖掘，以分别提取出所述隧道外亮度值和所述隧道入口亮度值在预定时间段内不同时间跨度下的动态多尺度邻域关联特征，从而得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量。
相应地，在一个具体示例中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
相应地，在一个具体示例中，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，包括：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第一尺度隧道外亮度时序特征向量；其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第二尺度隧道外亮度时序特征向量；其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；以及，使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度隧道外亮度时序特征向量和所述第二尺度隧道外亮度时序特征向量进行级联以得到所述隧道外亮度时序特征向量。
相应地，在一个具体示例中，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，包括：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述隧道入口亮度输入向量进行一维卷积编码以得到第一尺度隧道入口亮度时序特征向量；其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X2表示所述隧道入口亮度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述隧道入口亮度输入向量进行一维卷积编码以得到第二尺度隧道入口亮度时序特征向量；其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X2表示所述隧道入口亮度输入向量；以及，使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度隧道入口亮度时序特征向量和所述第二尺度隧道入口亮度时序特征向量进行级联以得到所述隧道入口亮度时序特征向量。
更具体地，在步骤S140中，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量。以此来表示所述隧道外亮度的时序变化特征和所述隧道入口亮度的时序变化特征间的差异性特征分布信息，并将所述差分特征向量作为分类特征向量进行分类，从而进行照明设施的功率值的实时控制。
相应地，在一个具体示例中，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，包括：以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的所述差分特征向量；其中，所述公式为：
其中，V1表示所述隧道外亮度时序特征向量，V2表示所述隧道入口亮度时序特征向量，Vc表示所述差分特征向量，表示按位置减法。
更具体地，在步骤S150中，基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量。
相应地，在一个具体示例中，如图4所示，基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，包括：S151，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量；以及，S152融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量。
特别地，在本申请的技术方案中，在计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的所述差分特征向量时，由于所述差分特征向量表达的是所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的逐位置差分，因此可以得到所述隧道入口亮度时序特征向量相对于所述隧道外亮度时序特征向量的特征值粒度的差分响应，相应地，如果可以进一步得到并结合所述隧道入口亮度时序特征向量相对于所述隧道外亮度时序特征向量的特征向量粒度的差分响应，显然可以提升所述差分特征向量的分类结果的准确性。因此，本申请的申请人进一步将所述隧道外亮度时序特征向量，例如记为V1作为源向量，将所述隧道入口亮度时序特征向量，例如记为V2作为响应向量，计算其非相干稀疏响应式融合以获得向量级响应性融合修正特征向量，例如记为V3。
相应地，在一个具体示例中，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量，包括：以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到所述向量级响应性融合修正特征向量；其中，所述公式为：
其中，V1、V2和V3分别表示所述隧道外亮度时序特征向量、所述隧道入口亮度时序特征向量和所述向量级响应性融合修正特征向量，||·||1和||·||2分别表示向量的一范数和二范数，L为向量的长度，(·)T表示向量的转置向量，和⊙分别表示向量乘积和向量点乘，且所有向量均为行向量形式。
这里，所述非相干稀疏响应融合在以源向量作为特征域间响应性融合的真实性分布(ground-truth distribution)的情况下，通过一范数表示的向量差异的模糊性位分布响应性，以及基于差分向量的模约束的真实差分嵌入响应性，来获得向量之间的非相干稀疏性融合表示，以提取特征向量融合后的概率分布描述度的响应关系，从而实现作为非相干稀疏响应式融合的所述向量级响应性融合修正特征向量V3对于具有响应关系的源向量和响应向量的向量级融合表达效果。这样，再将所述向量级响应性融合修正特征向量V3与所述差分特征向量进行融合，例如，为了充分利用特征值粒度和向量粒度的差分响应信息，直接将所述向量级响应性融合修正特征向量V3与所述差分特征向量级联以优化所述差分特征向量，就可以提升所述差分特征向量的分类结果的准确性。这样，能够实时准确地基于隧道进出口的亮度差异情况来自适应地调控照明设施的功率值，避免因驾驶员的视觉适应困难而导致车祸的发生，增加隧道通行的安全性。
相应地，在一个具体示例中，融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量，包括：以如下公式来融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量；其中，所述公式为：
Vd＝Concat[V3，Vc]
其中，V3表示所述向量级响应性融合修正特征向量，Vc表示所述差分特征向量，Vd表示所述优化差分特征向量，Concat[·]表示级联函数。
更具体地，在步骤S160中，将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。也就是，在本申请的技术方案中，所述分类器的标签包括当前时间点的照明设施的功率值应增大(第一标签)，以及，当前时间点的照明设施的功率值应减小(第二标签)，其中，所述分类器通过软最大值函数来确定所述分类特征向量属于哪个分类标签。应可以理解，在本申请的技术方案中，所述分类器的分类标签为所述当前时间点的照明设施的功率值控制策略标签，因此，在得到所述分类结果后，可基于所述分类结果来自适应地调整所述当前时间点的照明设施的功率值，以此来避免因驾驶员的视觉适应困难而导致车祸的发生，增加隧道通行的安全性。
应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类(或预测)。逻辑回归(logistics)、SVM等常用于解决二分类问题，对于多分类问题(multi-class classification)，同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有Softmax分类函数。
相应地，在一个具体示例中，如图5所示，将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小，包括：S161，使用所述分类器的全连接层对所述优化差分特征向量进行全连接编码以得到编码分类特征向量；以及，S162，将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
综上，基于本申请实施例的隧道进出口光暗调节方法，其首先将多个预定时间点的隧道外亮度值和隧道入口亮度值分别排列为隧道外亮度输入向量和隧道入口亮度输入向量后通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，接着，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，然后，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，最后，将所述优化差分特征向量通过分类器以得到用于表示当前时间点的照明设施的功率值应增大或应减小的分类结果。这样，可以自适应地调控照明设施的功率值，增加隧道通行的安全性。
图6为根据本申请实施例的隧道进出口光暗调节系统100的框图。如图6所示，根据本申请实施例的隧道进出口光暗调节系统100，包括：数据获取模块110，用于获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；输入向量排列模块120，用于将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；多尺度编码模块130，用于将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；差分计算模块140，用于计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；特征分布优化模块150，用于基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；以及，分类模块160，用于将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
在一个示例中，在上述隧道进出口光暗调节系统100中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
在一个示例中，在上述隧道进出口光暗调节系统100中，所述多尺度编码模块130，用于：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第一尺度隧道外亮度时序特征向量；其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第二尺度隧道外亮度时序特征向量；其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；以及，使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度隧道外亮度时序特征向量和所述第二尺度隧道外亮度时序特征向量进行级联以得到所述隧道外亮度时序特征向量。
在一个示例中，在上述隧道进出口光暗调节系统100中，所述多尺度编码模块130，用于：使用所述多尺度邻域特征提取模块的所述第一卷积层对所述隧道入口亮度输入向量进行一维卷积编码以得到第一尺度隧道入口亮度时序特征向量；其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X2表示所述隧道入口亮度输入向量；使用所述多尺度邻域特征提取模块的所述第二卷积层对所述隧道入口亮度输入向量进行一维卷积编码以得到第二尺度隧道入口亮度时序特征向量；其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X2表示所述隧道入口亮度输入向量；以及，使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度隧道入口亮度时序特征向量和所述第二尺度隧道入口亮度时序特征向量进行级联以得到所述隧道入口亮度时序特征向量。
在一个示例中，在上述隧道进出口光暗调节系统100中，所述差分计算模块140，用于：以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的所述差分特征向量；其中，所述公式为：
其中，V1表示所述隧道外亮度时序特征向量，V2表示所述隧道入口亮度时序特征向量，Vc表示所述差分特征向量，表示按位置减法。
在一个示例中，在上述隧道进出口光暗调节系统100中，所述特征分布优化模块150，用于：计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量；以及，融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量。
在一个示例中，在上述隧道进出口光暗调节系统100中，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量，包括：以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到所述向量级响应性融合修正特征向量；其中，所述公式为：
其中，V1、V2和V3分别表示所述隧道外亮度时序特征向量、所述隧道入口亮度时序特征向量和所述向量级响应性融合修正特征向量，||·||1和||·||2分别表示向量的一范数和二范数，L为向量的长度，(·)T表示向量的转置向量，和⊙分别表示向量乘积和向量点乘，且所有向量均为行向量形式。
在一个示例中，在上述隧道进出口光暗调节系统100中，融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量，包括：以如下公式来融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量；其中，所述公式为：
Vd＝Concat[V3，Vc]
其中，V3表示所述向量级响应性融合修正特征向量，Vc表示所述差分特征向量，Vd表示所述优化差分特征向量，Concat[·]表示级联函数。
在一个示例中，在上述隧道进出口光暗调节系统100中，所述分类模块，用于：使用所述分类器的全连接层对所述优化差分特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
这里，本领域技术人员可以理解，上述隧道进出口光暗调节系统100中的各个单元和模块的具体功能和操作已经在上面参考图1到图5的隧道进出口光暗调节中砷的去除的方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本申请实施例的隧道进出口光暗调节中砷的去除的系统100可以实现在各种无线终端中，例如具有隧道进出口光暗调节中砷的去除的算法的服务器等。在一个示例中，根据本申请实施例的隧道进出口光暗调节中砷的去除的系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该隧道进出口光暗调节中砷的去除的系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该隧道进出口光暗调节中砷的去除的系统100同样可以是该无线终端的众多硬件模块之一。
替换地，在另一示例中，该隧道进出口光暗调节中砷的去除的系统100与该无线终端也可以是分立的设备，并且该隧道进出口光暗调节中砷的去除的系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。
根据本申请的另一方面，还提供了一种非易失性的计算机可读存储介质，其上存储有计算机可读的指令，当利用计算机执行所述指令时可以执行如前所述的方法。
技术中的程序部分可以被认为是以可执行的代码和/或相关数据的形式而存在的“产品”或“制品”，通过计算机可读的介质所参与或实现的。有形的、永久的储存介质可以包括任何计算机、处理器、或类似设备或相关的模块所用到的内存或存储器。例如，各种半导体存储器、磁带驱动器、磁盘驱动器或者类似任何能够为软件提供存储功能的设备。
所有软件或其中的一部分有时可能会通过网络进行通信，如互联网或其他通信网络。此类通信可以将软件从一个计算机设备或处理器加载到另一个。例如：从视频目标检测设备的一个服务器或主机计算机加载至一个计算机环境的硬件平台，或其他实现系统的计算机环境，或与提供目标检测所需要的信息相关的类似功能的系统。因此，另一种能够传递软件元素的介质也可以被用作局部设备之间的物理连接，例如光波、电波、电磁波等，通过电缆、光缆或者空气等实现传播。用来载波的物理介质如电缆、无线连接或光缆等类似设备，也可以被认为是承载软件的介质。在这里的用法除非限制了有形的“储存”介质，其他表示计算机或机器“可读介质”的术语都表示在处理器执行任何指令的过程中参与的介质。
本申请使用了特定词语来描述本申请的实施例。如“第一/第二实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

Claims (10)

1.一种隧道进出口光暗调节方法，其特征在于，包括：
获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；
将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；
将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；
计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；
基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；以及
将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
2.根据权利要求1所述的隧道进出口光暗调节方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
3.根据权利要求2所述的隧道进出口光暗调节方法，其特征在于，将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量，包括：
使用所述多尺度邻域特征提取模块的所述第一卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第一尺度隧道外亮度时序特征向量；
其中，所述公式为：
其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x-a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；
使用所述多尺度邻域特征提取模块的所述第二卷积层对所述隧道外亮度输入向量进行一维卷积编码以得到第二尺度隧道外亮度时序特征向量；
其中，所述公式为：
其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x-b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X1表示所述隧道外亮度输入向量；以及，
使用所述多尺度邻域特征提取模块的所述多尺度特征融合层对所述第一尺度隧道外亮度时序特征向量和所述第二尺度隧道外亮度时序特征向量进行级联以得到所述隧道外亮度时序特征向量。
4.根据权利要求3所述的隧道进出口光暗调节方法，其特征在于，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量，包括：
以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的所述差分特征向量；
其中，所述公式为：
其中，V1表示所述隧道外亮度时序特征向量，V2表示所述隧道入口亮度时序特征向量，Vc表示所述差分特征向量，表示按位置减法。
5.根据权利要求4所述的隧道进出口光暗调节方法，其特征在于，基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量，包括：
计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量；以及
融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量。
6.根据权利要求5所述的隧道进出口光暗调节方法，其特征在于，计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到向量级响应性融合修正特征向量，包括：
以如下公式计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量的非相干稀疏响应式融合以得到所述向量级响应性融合修正特征向量；
其中，所述公式为：
其中，V1、V2和V3分别表示所述隧道外亮度时序特征向量、所述隧道入口亮度时序特征向量和所述向量级响应性融合修正特征向量，‖·‖1和‖·‖2分别表示向量的一范数和二范数，L为向量的长度，(·)T表示向量的转置向量，和⊙分别表示向量乘积和向量点乘，且所有向量均为行向量形式。
7.根据权利要求6所述的隧道进出口光暗调节方法，其特征在于，融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量，包括：
以如下公式来融合所述向量级响应性融合修正特征向量和所述差分特征向量以得到所述优化差分特征向量；
其中，所述公式为：
Vd＝Concat[V3，Vc]
其中，V3表示所述向量级响应性融合修正特征向量，Vc表示所述差分特征向量，Vd表示所述优化差分特征向量，Concat[·]表示级联函数。
8.根据权利要求7所述的隧道进出口光暗调节方法，其特征在于，将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小，包括：
使用所述分类器的全连接层对所述优化差分特征向量进行全连接编码以得到编码分类特征向量；以及
将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
9.一种隧道进出口光暗调节系统，其特征在于，包括：
数据获取模块，用于获取预定时间段内多个预定时间点的隧道外亮度值和隧道入口亮度值；
输入向量排列模块，用于将所述多个预定时间点的隧道外亮度值和隧道入口亮度值分别按照时间维度排列为隧道外亮度输入向量和隧道入口亮度输入向量；
多尺度编码模块，用于将所述隧道外亮度输入向量和所述隧道入口亮度输入向量通过多尺度邻域特征提取模块以得到隧道外亮度时序特征向量和隧道入口亮度时序特征向量；
差分计算模块，用于计算所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量之间的差分特征向量；
特征分布优化模块，用于基于所述隧道外亮度时序特征向量和所述隧道入口亮度时序特征向量，对所述差分特征向量进行特征分布优化以得到优化差分特征向量；以及
分类模块，用于将所述优化差分特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的照明设施的功率值应增大或应减小。
10.根据权利要求9所述的隧道进出口光暗调节系统，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
CN202310437145.7A 2023-04-21 2023-04-21 隧道进出口光暗调节方法及其系统 Pending CN116685031A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310437145.7A CN116685031A (zh) 2023-04-21 2023-04-21 隧道进出口光暗调节方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310437145.7A CN116685031A (zh) 2023-04-21 2023-04-21 隧道进出口光暗调节方法及其系统

Publications (1)

Publication Number Publication Date
CN116685031A true CN116685031A (zh) 2023-09-01

Family

ID=87779820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310437145.7A Pending CN116685031A (zh) 2023-04-21 2023-04-21 隧道进出口光暗调节方法及其系统

Country Status (1)

Country Link
CN (1) CN116685031A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116963342A (zh) * 2023-09-21 2023-10-27 永林电子股份有限公司 一种红外led光源及其自适应光调节方法
CN117056866A (zh) * 2023-10-12 2023-11-14 贵州新思维科技有限责任公司 一种多源特征数据融合的隧道智能调光方法及系统
CN117202430A (zh) * 2023-09-20 2023-12-08 浙江炯达能源科技有限公司 用于智慧灯杆的节能控制方法及系统
CN117222069A (zh) * 2023-10-12 2023-12-12 深圳市诺文博科技有限公司 照明驱动电源的智能控制方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117202430A (zh) * 2023-09-20 2023-12-08 浙江炯达能源科技有限公司 用于智慧灯杆的节能控制方法及系统
CN117202430B (zh) * 2023-09-20 2024-03-19 浙江炯达能源科技有限公司 用于智慧灯杆的节能控制方法及系统
CN116963342A (zh) * 2023-09-21 2023-10-27 永林电子股份有限公司 一种红外led光源及其自适应光调节方法
CN116963342B (zh) * 2023-09-21 2023-12-01 永林电子股份有限公司 一种红外led光源及其自适应光调节方法
CN117056866A (zh) * 2023-10-12 2023-11-14 贵州新思维科技有限责任公司 一种多源特征数据融合的隧道智能调光方法及系统
CN117222069A (zh) * 2023-10-12 2023-12-12 深圳市诺文博科技有限公司 照明驱动电源的智能控制方法
CN117056866B (zh) * 2023-10-12 2024-01-30 贵州新思维科技有限责任公司 一种多源特征数据融合的隧道智能调光方法及系统
CN117222069B (zh) * 2023-10-12 2024-04-30 深圳市诺文博科技有限公司 照明驱动电源的智能控制方法

Similar Documents

Publication Publication Date Title
CN116685031A (zh) 隧道进出口光暗调节方法及其系统
CN108027899B (zh) 用于提高经训练的机器学习模型的性能的方法
US11816841B2 (en) Method and system for graph-based panoptic segmentation
CN108764281A (zh) 一种基于半监督自步学习跨任务深度网络的图像分类方法
EP4145345A1 (en) Data annotation method and device, and fine granularity identification method and device
CN113420731B (zh) 模型训练方法、电子设备及计算机可读存储介质
CN116844217B (zh) 用于生成人脸数据的图像处理系统及方法
CN116767204B (zh) 基于车辆载荷的车速控制方法及其系统
CN110909672A (zh) 一种基于双流卷积神经网络和svm的抽烟动作识别方法
CN116957315A (zh) 雨衣布的智能化加工方法及其系统
CN116788155A (zh) 汽车后视镜加热智能控制系统及其方法
CN111523361B (zh) 一种人体行为识别方法
CN116310563A (zh) 一种贵金属库存的管理方法及系统
CN116624903A (zh) 一种用于油烟管道的智能监测方法及系统
CN117993002A (zh) 一种基于人工智能的数据安全保护方法
CN117555355B (zh) 基于人工智能的无人机集群控制方法及其系统
CN116935293B (zh) 一种远程视频查勘定损自动化处理方法及系统
CN116992940A (zh) 通道剪枝与知识蒸馏相结合的sar图像多类型目标检测轻量化方法和装置
CN116246147A (zh) 基于跨层特征融合和线性注意力优化的跨物种目标检测方法
Toshniwal et al. Optimized Detection and Classification on GTRSB: Advancing Traffic Sign Recognition with Convolutional Neural Networks
CN114004992A (zh) 多标签分类模型的训练方法、图像的多标签分类方法
CN117066313B (zh) 边框铝材生产线的自动控制系统及其方法
CN117011506A (zh) 智能电子监控系统及其方法
CN114428858B (zh) 基于分类模型的文本难度分类方法、装置及存储介质
CN117334162B (zh) Led背光源控制系统及其方法

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