CN117279170B - 用于护眼灯的灯光调节方法及系统 - Google Patents

Abstract

一种用于护眼灯的灯光调节方法及系统，其通过部署于护眼灯的摄像头采集人眼状态监控视频；对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及，基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。这样，能够实现护眼灯更加智能化的护眼体验，提供更好的护眼效果。

Description

用于护眼灯的灯光调节方法及系统

技术领域

本申请涉及智能化调节技术领域，并且更具体地，涉及一种用于护眼灯的灯光调节方法及系统。

背景技术

眼睛是人体重要的感官器官之一，长时间暴露在强光、蓝光以及其他有害光线下可能导致眼睛疲劳、干涩、视力下降等问题。为了保护眼睛健康，护眼灯应运而生。护眼灯通过调节灯光的亮度、色温等参数，减少对眼睛的刺激，提供更加舒适的照明环境。

然而，传统的护眼灯调节方案通常是基于预设的模式或用户手动操作进行调节，它们无法主动感知用户的眼睛状况和环境变化。这意味着即使用户的眼睛疲劳或处于不适的状态，灯光仍然保持固定的亮度和色温，无法提供及时的护眼效果。

因此，期望一种优化的用于护眼灯的灯光调节方案。

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用于护眼灯的灯光调节方法及系统，通过部署于护眼灯的摄像头采集人眼状态监控视频；对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及，基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。这样，能够实现护眼灯更加智能化的护眼体验，提供更好的护眼效果。

第一方面，提供了一种用于护眼灯的灯光调节方法，其包括：

通过部署于护眼灯的摄像头采集人眼状态监控视频；

对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及

基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。

第二方面，提供了一种用于护眼灯的灯光调节系统，其包括：

监控视频采集模块，用于通过部署于护眼灯的摄像头采集人眼状态监控视频；

特征分析模块，用于对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及

护眼模式确定模块，用于基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。

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申请的一些实施例，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为根据本申请实施例的用于护眼灯的灯光调节方法的流程图。

图2为根据本申请实施例的用于护眼灯的灯光调节方法的架构示意图。

图3为根据本申请实施例的用于护眼灯的灯光调节方法中步骤120的子步骤的流程图。

图4为根据本申请实施例的用于护眼灯的灯光调节系统的框图。

图5为根据本申请实施例的用于护眼灯的灯光调节方法的场景示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。

在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

眼睛是人体重要的感官器官之一，长时间暴露在强光、蓝光以及其他有害光线下可能导致以下眼睛问题：

眼睛疲劳：强光、蓝光和其他有害光线会使眼睛长时间处于紧张状态，导致眼睛疲劳，这表现为眼睛干涩、沙眼感、眼睛酸痛、视力模糊等症状。

干眼症：长时间暴露在强光和蓝光下会使眼睛的泪液蒸发速度加快，造成眼睛表面缺乏足够的润滑，导致干眼症，干眼症的症状包括眼睛干燥、疼痛、红肿、视力模糊等。

视疲劳：过度接触强光和蓝光会使眼睛的调节能力受到影响，导致视疲劳，这表现为眼睛不适、视力下降、眼睛疲劳等症状，尤其在长时间盯着电子屏幕或其他光源时更为常见。

光敏性问题：强光和蓝光对眼睛的刺激可能导致光敏性问题，如光干扰、光晕、眩光等，这些问题会影响视觉的清晰度和舒适度。

睡眠质量下降：晚上长时间接触强光和蓝光，尤其是来自电子设备的光线，会抑制褪黑激素的分泌，干扰睡眠激素的正常释放，导致睡眠质量下降。

因此，为了保护眼睛健康，减少眼睛疲劳和其他眼睛问题的发生，适当控制强光、蓝光和其他有害光线的暴露是很重要的。护眼灯的设计就是为了减少这些有害光线对眼睛的影响，提供更舒适的照明环境，从而保护眼睛的健康。

护眼灯是一种专门设计用于保护眼睛健康的照明设备，通过调节灯光的亮度、色温等参数，减少对眼睛的刺激，提供更加舒适的照明环境。传统的照明设备通常使用白炽灯或荧光灯，它们的光线含有较多的蓝光成分，长时间暴露在强光、蓝光以及其他有害光线下可能导致眼睛疲劳、干涩、视力下降等问题。而护眼灯则采用了一些特殊的技术和设计，以减少这些不良影响。

护眼灯通常具备调节色温的功能，可以根据不同的需求调整灯光的色温，较暖色的光线有助于放松眼睛，适用于晚上或需要创造温馨氛围的场合；较冷色的光线有助于提升注意力和警觉性，适用于需要集中注意力的工作环境。

护眼灯通常具备亮度调节功能，可以根据个人需求和环境光线的明暗程度来调整灯光的亮度，这样可以避免过强或过弱的光线对眼睛造成不适。一些护眼灯还具备蓝光过滤功能，可以减少蓝光对眼睛的刺激，蓝光是一种高能量的光线，长时间暴露在蓝光下可能对眼睛造成损害，护眼灯通过降低蓝光的强度，减少对眼睛的伤害。护眼灯设计为提供均匀柔和的照明效果，避免出现强烈的光斑或阴影，以减轻眼睛的疲劳感。许多护眼灯采用LED技术，LED灯具有高效节能的特点，相比传统的白炽灯和荧光灯更加环保。

护眼灯适用于各种场合，包括家庭、办公室、学校等，可以提供更舒适的照明环境，减少眼睛疲劳，改善工作和学习效率，保护眼睛的健康。

传统的护眼灯通常采用以下调节方案来提供更舒适的照明环境：色温调节，护眼灯通常具备多档色温调节功能，常见的有冷白光、自然白光和暖白光等选项，用户可以根据自己的需求和环境来选择适合的色温；亮度调节，护眼灯一般具备多档亮度调节功能，用户可以根据自己的需求和环境光线的明暗程度来调整灯光的亮度，以避免过强或过弱的光线造成不适；蓝光过滤，一些护眼灯采用特殊的滤光片或技术来减少蓝光的输出，以降低对眼睛的刺激，有助于减少眼睛疲劳和干涩的发生；均匀照明，护眼灯的设计通常注重提供均匀柔和的照明效果，避免出现强烈的光斑或阴影，这样可以减轻眼睛的疲劳感，提供更舒适的照明体验。节能环保，许多护眼灯采用LED技术，LED灯具有高效节能的特点，相比传统的白炽灯和荧光灯更加环保，LED护眼灯不仅可以降低能源消耗，还具备较长的使用寿命。

这些调节方案的目的是为了提供更适宜的照明环境，减少对眼睛的刺激和负担，从而保护眼睛健康。然而，传统护眼灯在个性化调节、主动感知眼睛状况和适应环境变化等方面存在一定的局限性。

传统护眼灯通常只提供有限的调节选项，如色温和亮度调节，然而，每个人的眼睛对光线的敏感程度和需求不同，缺乏个性化的调节可能无法满足每个人的需求。传统护眼灯无法主动感知用户的眼睛状况，通常只是提供固定的光照模式，无法根据用户的眼睛疲劳程度、视觉需求等因素进行实时调整。传统护眼灯通常无法适应环境变化，例如，当周围光线强度发生变化时，护眼灯无法自动调整亮度或色温以保持合适的照明环境。传统护眼灯需要用户手动进行调节，这可能会给用户带来不便，用户需要根据自己的感觉和需求进行调节，而且可能需要经常进行调整以适应不同的使用场景。

为了克服这些弊端，可以考虑采用智能化的护眼灯技术，利用先进的传感器和算法来实现更精确、自适应的调节，即根据用户的眼睛状态和环境变化自动调节灯光，提供更好的护眼效果。

因此，在本申请中，提供一种优化的用于护眼灯的灯光调节方案。

图1为根据本申请实施例的用于护眼灯的灯光调节方法的流程图。图2为根据本申请实施例的用于护眼灯的灯光调节方法的架构示意图。如图1和图2所示，所述用于护眼灯的灯光调节方法，包括：110，通过部署于护眼灯的摄像头采集人眼状态监控视频；120，对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及，130，基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。

在所述步骤110中，在部署摄像头时，考虑用户的隐私和数据安全问题，确保用户的同意和合规性，并采取必要的安全措施来保护采集到的视频数据。通过摄像头采集人眼状态监控视频，可以实时获取用户的眼睛状况，如眼睛的开合程度、眨眼频率、注视点等信息，这为后续的特征分析提供了基础数据。

在所述步骤120中，特征分析需要对采集到的视频进行处理和分析，提取出有意义的眼睛状态特征，这可能涉及图像处理、计算机视觉和机器学习等技术。通过对人眼状态监控视频进行特征分析，可以得到人眼状态的语义时序关联特征，如眼睛疲劳程度、注意力集中度、视线移动模式等，这些特征可以反映用户的眼睛状况和注意力水平，为后续的护眼模式推荐提供依据。

在所述步骤130中，基于人眼状态语义时序关联特征确定是否推荐开启护眼模式时，考虑用户的个人喜好和需求，不同用户对护眼模式的需求可能有所差异，因此推荐策略应该考虑个性化因素。通过基于人眼状态语义时序关联特征确定是否推荐开启护眼模式，可以根据用户的眼睛状态和注意力水平来自动调节护眼灯的亮度、色温等参数，以提供更适合用户眼睛健康的照明环境，有助于减轻眼睛疲劳和不适感，提高使用者的舒适度和工作效率。

通过部署摄像头采集人眼状态监控视频、对视频进行特征分析，并基于这些特征确定是否推荐开启护眼模式，可以实现更智能化和个性化的护眼效果。这有助于提供更适合用户需求和眼睛健康的照明环境，提高使用者的舒适度和工作效率。同时，需要注意用户隐私和数据安全等问题，确保合规性和用户信任。

针对上述技术问题，本申请的技术构思为通过摄像头采集人眼状态监控视频，并在后端引入数据处理和分析算法来对于人眼状态监控视频进行人眼状态的时序变化分析，以根据人眼的状态变化来判断是否开启护眼模式，通过这样的方式，能够实现护眼灯更加智能化的护眼体验，提供更好的护眼效果。

具体地，在本申请的技术方案中，首先，获取由部署于护眼灯的摄像头采集的人眼状态监控视频。通过检测眼睛的开合程度，可以了解用户的眼睛是否处于闭合状态或者睁开状态，这对于判断用户是否在专注于某项任务或者是否处于休息状态具有重要意义。眨眼是眼睛的自然反应，而频繁的眨眼可能暗示眼睛疲劳或者注意力不集中，通过分析眨眼频率，可以评估用户的眼睛疲劳程度和注意力水平。摄像头可以捕捉到用户的注视点，即用户正在专注或者看向的特定区域，通过分析注视点的位置和变化，可以了解用户的注意力焦点和视线移动模式。眼球的运动模式可以提供关于用户的注意力和视觉活动的信息。例如，快速的眼球运动可能表示用户正在进行快速扫视或者阅读活动，而缓慢的眼球运动可能表示用户在注视某个特定的目标。通过分析眼睛疲劳相关的特征，如眼睛红血丝程度、眼袋程度等，可以评估用户的眼睛疲劳程度，从而确定是否需要推荐开启护眼模式。

摄像头可以实时采集用户的眼睛状况，如眼睛的开合程度、眨眼频率、注视点等，这些信息可以用于评估用户的眼睛疲劳程度和注意力水平。通过对采集到的眼睛状态视频进行特征分析，可以得到眼睛疲劳程度的相关特征。例如，可以检测眼睛的疲劳程度、眼睛的红血丝程度等，这些特征可以用来判断用户的眼睛疲劳程度是否高，从而推荐是否开启护眼模式。摄像头可以捕捉到用户的注视点和视线移动模式。通过分析这些特征，可以评估用户的注意力水平，如果用户的注意力水平较高，可能表示他们长时间集中注意力，可能需要护眼模式来减轻眼睛的压力。

通过部署摄像头采集人眼状态监控视频，可以获取关于眼睛状况、眼睛疲劳程度和注意力水平的信息，这些信息可以用来确定是否推荐开启护眼模式，以提供更合适的照明环境，减轻眼睛的疲劳和压力。

图3为根据本申请实施例的用于护眼灯的灯光调节方法中步骤120的子步骤的流程图。如图3所示，对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征，包括：121，对所述人眼状态监控视频进行视频切分以得到多个人眼状态监控视频片段；122，对所述多个人眼状态监控视频片段进行特征提取以得到多个人眼状态时序特征向量；以及，123，对所述多个人眼状态时序特征向量进行时序关联编码以得到上下文人眼状态语义时序关联特征向量作为所述人眼状态语义时序关联特征。

首先，将视频切分为片段可以获得更多的数据点，每个片段代表一个特定的时间段内的眼睛状态，这样可以更准确地捕捉到眼睛状态的变化和演变。通过切分视频片段，可以对每个片段进行更精细化的分析，不同片段可能对应不同的活动或任务，因此可以更好地理解眼睛状态与特定活动之间的关联。通过切分视频片段，可以获得连续的时间序列数据，可以进行时序分析，有助于观察眼睛状态的变化趋势和模式，并更好地理解眼睛状态的动态特征。

然后，从视频片段中提取特征可以将复杂的视频数据转化为更简洁的特征向量表示，这样可以减少数据的维度，方便后续处理和分析。通过特征提取，可以捕捉到眼睛状态的关键特征，如眼睛开合程度、眨眼频率、注视点等，这些特征向量可以用于后续的模式识别、分类和分析任务。通过提取特征向量，可以对不同片段的眼睛状态进行比较和关联，有助于发现眼睛状态之间的相似性、差异性和时序关联，从而推断用户的注意力水平和眼睛疲劳程度的变化。

接着，通过时序关联编码，可以捕捉到不同时间点眼睛状态之间的上下文信息，有助于理解眼睛状态的演变和变化趋势，以及眼睛状态与特定活动之间的关联。时序关联编码可以将眼睛状态的时序信息转化为语义上的特征向量，这样可以更好地表示眼睛状态的时序关联特征，从而提供更丰富的信息用于后续分析和推断。通过时序关联编码，可以进行更高级的分析任务，如序列模式挖掘、时间序列预测等，有助于揭示眼睛状态的潜在规律和趋势，进一步理解用户的注意力和眼睛疲劳状态。

视频切分、特征提取和时序关联编码对于人眼状态监控视频的处理有益处，可以提供更精细化的数据表示、捕捉上下文信息和语义时序关联特征，从而支持后续的分析和推断任务。

应可以理解，为了更好地分析和理解人眼的状态变化，在本申请的技术方案中，进一步对所述人眼状态监控视频进行视频切分以得到多个人眼状态监控视频片段，以便于后续对每个片段进行独立的分析，从而获取更准确的人眼状态信息。特别地，在本申请的一个具体示例中，视频切分可以根据时间、动作或其他特定的标志来进行。例如，可以根据用户的眨眼、注视点的变化或者时间间隔来切分视频。这样，每个视频片段都代表了一个特定的眼睛状态，例如眨眼、凝视或转移注意力等。有利于针对每个片段进行更深入的分析，例如检测眼睛疲劳、眼球运动轨迹分析、瞳孔大小变化等。这些分析结果可以用于更精确地进行人眼状态检测和护眼模式的开启，以确保有效的护眼效果。

视频切分是将一个完整的视频分割成多个较小的片段或段落的过程，对于人眼状态监控视频，视频切分可以将整个视频分割成多个短片段，每个片段代表一个特定的时间段内的眼睛状态。

视频切分方法包括：固定时间间隔切分，将视频按照固定的时间间隔进行切分，例如每隔几秒或几分钟切分一次，这种方法简单直观，适用于需要均匀分割视频的场景。

基于场景变化切分，根据视频中的场景变化或者动作变化进行切分，当视频中的场景发生显著变化时，可以将其作为切分点，将视频切分成多个片段。

基于动作检测切分，通过检测视频中的动作或者运动来进行切分，当视频中的眼睛状态发生变化或者眼睛运动较为剧烈时，可以将其作为切分点，将视频切分成多个片段。

基于关键帧切分，关键帧是视频中具有代表性的帧，通常包含了重要的信息，可以通过提取视频中的关键帧来进行切分，将关键帧之间的帧作为一个片段。

视频切分的目的是将整个视频分割成多个小片段，以便于后续对每个片段进行独立的分析。每个片段可以代表一个特定的时间段内的眼睛状态，这样可以更准确地捕捉到眼睛状态的变化和演变。切分后的片段可以用于提取特征、进行模式识别和分类，从而获取更准确的人眼状态信息。

在本申请的一个实施例中，对所述多个人眼状态监控视频片段进行特征提取以得到多个人眼状态时序特征向量，包括：分别对所述多个人眼状态监控视频片段进行稀疏化以得到多个人眼状态监控稀疏化视频片段；通过基于深度神经网络模型的人眼状态时序特征提取器分别对所述多个人眼状态监控稀疏化视频片段进行特征提取以得到所述多个人眼状态时序特征向量。

其中，所述深度神经网络模型为三维卷积神经网络模型。

应可以理解，稀疏化是一种数据处理技术，旨在减少数据的冗余性和维度，从而提取出数据中的关键信息。对于人眼状态监控视频片段，稀疏化可以用于减少视频数据的冗余性，提取出眼睛状态的关键特征，以便后续的分析和处理。

稀疏化方法包括：帧间差分是一种基于帧的方法，通过比较相邻帧之间的差异来提取关键帧，在人眼状态监控视频中，可以通过比较相邻帧的眼睛状态差异来确定关键帧，即具有显著变化的帧。光流法是一种基于像素级别的方法，用于估计相邻帧之间的运动信息，在人眼状态监控视频中，可以使用光流法来提取眼睛的运动信息，从而确定关键帧。通过提取视频片段中的特征，可以将视频数据稀疏化为更低维度的特征向量，在人眼状态监控视频中，可以提取眼睛状态的特征，如眼睛开合程度、眨眼频率、注视点等，从而减少数据的维度。压缩算法可以将视频数据进行有损或无损的压缩，减少数据的冗余性，在人眼状态监控视频中，可以使用压缩算法来减少视频数据的存储空间，同时保留关键的眼睛状态信息。

稀疏化的目的是减少数据的冗余性，提取出眼睛状态的关键信息，以便后续的分析和处理。稀疏化后的人眼状态监控视频片段可以用于特征提取、模式识别、分类和时序分析等任务，从而获得更精确和紧凑的人眼状态信息。

接着，考虑到在所述人眼状态监控视频中，每一帧都包含了大量的图像信息，包括眼睛的位置、瞳孔大小、眼球运动轨迹等。然而，并不是每一帧都对于人眼状态的识别是必要的，因为人眼状态的变化通常是相对缓慢的。因此，为了减少数据量和提取关键信息，以更高效地进行人眼状态分析和灯光调节，在本申请的技术方案中，进一步分别对所述多个人眼状态监控视频片段进行稀疏化以得到多个人眼状态监控稀疏化视频片段。通过对所述各个人眼状态监控视频片段进行稀疏化，可以选择性地保留一些关键帧，而忽略一些冗余或不太重要的帧。这样可以大大减少数据量，并提高后续处理的效率。

然后，再将所述多个人眼状态监控稀疏化视频片段分别通过基于三维卷积神经网络模型的人眼状态时序特征提取器中进行特征挖掘，以分别提取出所述各个人眼状态监控稀疏化视频片段中有关于人眼状态的时序变化特征信息，从而得到多个人眼状态时序特征向量。应可以理解，通过使用所述基于三维卷积神经网络的人眼状态时序特征提取器，可以对所述各个人眼状态监控稀疏化视频片段进行分析，并从中提取出关键的时序特征。这些时序特征可以包括眼睛位置的变化、瞳孔大小的变化、眼球运动轨迹的变化等。将这些特征组合成一个时序特征向量，可以更全面地描述眼睛状态的演变过程。

在本申请的一个实施例中，对所述多个人眼状态时序特征向量进行时序关联编码以得到上下文人眼状态语义时序关联特征向量作为所述人眼状态语义时序关联特征，包括：将所述多个人眼状态时序特征向量通过基于Bi-LSTM的上下文编码器以得到所述上下文人眼状态语义时序关联特征向量。

进一步地，还考虑到由于所述人眼状态在所述预定时间段内是不断变化的，也就是说，所述各个人眼状态监控视频片段内有关于人眼状态的时序特征信息在基于时序全局上具有着关联关系。因此，在本申请的技术方案中，进一步将所述多个人眼状态时序特征向量通过基于Bi-LSTM的上下文编码器中进行编码，以提取出所述各个人眼状态监控视频片段中有关于人眼状态的时序变化特征基于时序全局的上下文语义关联特征信息，从而得到上下文人眼状态语义时序关联特征向量，以此有利于捕捉各个监控片段中的人眼状态之间的时序关联和语义信息，以便更好地理解眼睛状态的演变过程。也就是说，通过使用所述基于Bi-LSTM的上下文编码器，可以对所述各个人眼状态时序特征向量进行上下文建模，即考虑前后时刻的关联信息，这样可以更好地理解人眼状态之间的时序关系，捕捉到状态变化的趋势和语义信息。

在本申请的一个实施例中，基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式，包括：将所述上下文人眼状态语义时序关联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人眼状态标签；以及，基于所述分类结果，确定是否推荐开启护眼模式。

继而，再将所述上下文人眼状态语义时序关联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人眼状态标签。也就是说，利用所述人眼状态的全时序语义关联特征信息来进行分类处理，从而对于人眼状态进行识别检测，并基于所述分类结果，确定是否推荐开启护眼模式。这样，能够根据人眼的状态变化来判断是否开启护眼模式，以实现护眼灯更加智能化的护眼体验。

在本申请的一个实施例中，所述用于护眼灯的灯光调节方法，还包括训练步骤：用于对所述基于三维卷积神经网络模型的人眼状态时序特征提取器、所述基于Bi-LSTM的上下文编码器和所述分类器进行训练。所述训练步骤，包括：获取训练数据，所述训练数据包括训练人眼状态监控视频，以及，所述人眼状态标签的真实值；对所述训练人眼状态监控视频进行视频切分以得到多个训练人眼状态监控视频片段；分别对所述多个训练人眼状态监控视频片段进行稀疏化以得到多个训练人眼状态监控稀疏化视频片段；将所述多个训练人眼状态监控稀疏化视频片段分别通过所述基于三维卷积神经网络模型的人眼状态时序特征提取器以得到多个训练人眼状态时序特征向量；将所述多个训练人眼状态时序特征向量通过所述基于Bi-LSTM的上下文编码器以得到训练上下文人眼状态语义时序关联特征向量；将所述训练上下文人眼状态语义时序关联特征向量通过所述分类器以得到分类损失函数值；基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于三维卷积神经网络模型的人眼状态时序特征提取器、所述基于Bi-LSTM的上下文编码器和所述分类器进行训练，其中，在所述训练过程的每一轮迭代中，对所述训练上下文人眼状态语义时序关联特征向量进行权重空间的细粒度密度预测搜索优化。

特别地，在本申请的技术方案中，将所述多个人眼状态监控稀疏化视频片段分别通过基于三维卷积神经网络模型的人眼状态时序特征提取器时，所述人眼状态时序特征提取器的三维卷积核会提取人眼状态监控稀疏化视频片段的图像帧在三维卷积核尺度下的局部时序关联的图像语义特征，由此使得所述多个人眼状态时序特征向量在其特征值粒度下具有遵循局部时序关联图像语义特征分布的超分辨率表达特性。而将所述多个人眼状态时序特征向量通过基于LSTM模型的序列编码器时，所述上下文人眼状态语义时序关联特征向量进一步表达各个人眼状态时序特征向量的近程-远程双向全时域上下文关联特征，由此使得所述上下文人眼状态语义时序关联特征向量除了所述多个人眼状态时序特征向量的特征值粒度的局部时序关联图像语义特征表达维度之外，还具有所述多个人眼状态时序特征向量的向量间近程-远程双向全时域上下文关联特征表达维度，也就是，所述上下文人眼状态语义时序关联特征向量具有多维度上下文下的超分辨率表达特性，这会影响其通过分类器进行分类时的训练效率。

因此，在将所述上下文人眼状态语义时序关联特征向量通过分类器进行分类器的训练时，在每次迭代中，对所述上下文人眼状态语义时序关联特征向量，例如记为V_c，进行权重空间的细粒度密度预测搜索优化，表示为：以如下优化公式对所述训练上下文人眼状态语义时序关联特征向量进行权重空间的细粒度密度预测搜索优化以得到优化训练上下文人眼状态语义时序关联特征向量；其中，所述优化公式为：

其中，是M₁和M₂分别是上次和本次迭代的权重矩阵，V_c是所述训练上下文人眼状态语义时序关联特征向量，和/>分别表示特征向量V₁和V₂的全局均值，且V_b是偏置向量，⊙表示按位置点乘，/>表示向量加法，/>表示矩阵乘法，min(·)表示最小值，V_c是所述优化训练上下文人眼状态语义时序关联特征向量。

这里，针对所述上下文人眼状态语义时序关联特征向量在多维度上下文下的超分辨率表达特性，所述权重空间的细粒度密度预测搜索优化可以通过所述上下文人眼状态语义时序关联特征向量的投影的向量空间的前馈序列化映射，在对于权重搜索空间内的密集预测任务提供相应的细粒度权重搜索策略的同时，降低权重搜索空间内的所述上下文人眼状态语义时序关联特征向量的表示的总序列复杂性(overall sequential complexity)，从而提升分类器的训练效率。这样，能够根据人眼的实时状态变化来判断是否开启护眼模式，通过这样的方式，能够实现护眼灯智能化的护眼体验，提供更好的护眼效果。

综上，基于本申请实施例的用于护眼灯的灯光调节方法100被阐明，通过摄像头采集人眼状态监控视频，并在后端引入数据处理和分析算法来对于人眼状态监控视频进行人眼状态的时序变化分析，以根据人眼的状态变化来判断是否开启护眼模式，通过这样的方式，能够实现护眼灯更加智能化的护眼体验，提供更好的护眼效果。

在本申请的一个实施例中，图4为根据本申请实施例的用于护眼灯的灯光调节系统的框图。如图4所示，根据本申请实施例的用于护眼灯的灯光调节系统200，包括：监控视频采集模块210，用于通过部署于护眼灯的摄像头采集人眼状态监控视频；特征分析模块220，用于对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及，护眼模式确定模块230，用于基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。

这里，本领域技术人员可以理解，上述用于护眼灯的灯光调节系统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3的用于护眼灯的灯光调节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用于护眼灯的灯光调节系统200可以实现在各种终端设备中，例如用于护眼灯的灯光调节的服务器等。在一个示例中，根据本申请实施例的用于护眼灯的灯光调节系统200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该用于护眼灯的灯光调节系统200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该用于护眼灯的灯光调节系统200同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该用于护眼灯的灯光调节系统200与该终端设备也可以是分立的设备，并且用于护眼灯的灯光调节系统200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

图5为根据本申请实施例的用于护眼灯的灯光调节方法的场景示意图。如图5所示，在该应用场景中，首先，通过部署于护眼灯的摄像头采集人眼状态监控视频(例如，如图5中所示意的C)；然后，将获取的人眼状态监控视频输入至部署有用于护眼灯的灯光调节算法的服务器(例如，如图5中所示意的S)中，其中所述服务器能够基于用于护眼灯的灯光调节算法对所述人眼状态监控视频进行处理，以确定是否推荐开启护眼模式。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (2)

1.一种用于护眼灯的灯光调节方法，其特征在于，包括：

通过部署于护眼灯的摄像头采集人眼状态监控视频；

对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及

基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式；

对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征，包括：

对所述人眼状态监控视频进行视频切分以得到多个人眼状态监控视频片段；

对所述多个人眼状态监控视频片段进行特征提取以得到多个人眼状态时序特征向量；以及

对所述多个人眼状态时序特征向量进行时序关联编码以得到上下文人眼状态语义时序关联特征向量作为所述人眼状态语义时序关联特征；

对所述多个人眼状态监控视频片段进行特征提取以得到多个人眼状态时序特征向量，包括：

分别对所述多个人眼状态监控视频片段进行稀疏化以得到多个人眼状态监控稀疏化视频片段；

通过基于深度神经网络模型的人眼状态时序特征提取器分别对所述多个人眼状态监控稀疏化视频片段进行特征提取以得到所述多个人眼状态时序特征向量；

所述深度神经网络模型为三维卷积神经网络模型；

对所述多个人眼状态时序特征向量进行时序关联编码以得到上下文人眼状态语义时序关联特征向量作为所述人眼状态语义时序关联特征，包括：将所述多个人眼状态时序特征向量通过基于Bi-LSTM的上下文编码器以得到所述上下文人眼状态语义时序关联特征向量；

基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式，包括：

将所述上下文人眼状态语义时序关联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人眼状态标签；以及

基于所述分类结果，确定是否推荐开启护眼模式；

灯光调节方法还包括训练步骤：用于对基于三维卷积神经网络模型的人眼状态时序特征提取器、所述基于Bi-LSTM的上下文编码器和所述分类器进行训练；

所述训练步骤，包括：

获取训练数据，所述训练数据包括训练人眼状态监控视频，以及，所述人眼状态标签的真实值；

对所述训练人眼状态监控视频进行视频切分以得到多个训练人眼状态监控视频片段；

分别对所述多个训练人眼状态监控视频片段进行稀疏化以得到多个训练人眼状态监控稀疏化视频片段；

将所述多个训练人眼状态监控稀疏化视频片段分别通过所述基于三维卷积神经网络模型的人眼状态时序特征提取器以得到多个训练人眼状态时序特征向量；

将所述多个训练人眼状态时序特征向量通过所述基于Bi-LSTM的上下文编码器以得到训练上下文人眼状态语义时序关联特征向量；

将所述训练上下文人眼状态语义时序关联特征向量通过所述分类器以得到分类损失函数值；

基于所述分类损失函数值并通过梯度下降的反向传播来对所述基于三维卷积神经网络模型的人眼状态时序特征提取器、所述基于Bi-LSTM的上下文编码器和所述分类器进行训练，其中，在所述训练过程的每一轮迭代中，对所述训练上下文人眼状态语义时序关联特征向量进行权重空间的细粒度密度预测搜索优化；

在所述训练过程的每一轮迭代中，以如下优化公式对所述训练上下文人眼状态语义时序关联特征向量进行权重空间的细粒度密度预测搜索优化以得到优化训练上下文人眼状态语义时序关联特征向量；

其中，所述优化公式为：

;

其中，是和/>分别是上次和本次迭代的权重矩阵，/>是所述训练上下文人眼状态语义时序关联特征向量，/>和/>分别表示特征向量/>和/>的全局均值，且/>是偏置向量，/>表示按位置点乘，/>表示向量加法，/>表示矩阵乘法，/>表示最小值，/>是所述优化训练上下文人眼状态语义时序关联特征向量。

2.一种实现如权利要求1所述的灯光调节方法的用于护眼灯的灯光调节系统，其特征在于，包括：

监控视频采集模块，用于通过部署于护眼灯的摄像头采集人眼状态监控视频；

特征分析模块，用于对所述人眼状态监控视频进行特征分析以得到人眼状态语义时序关联特征；以及

护眼模式确定模块，用于基于所述人眼状态语义时序关联特征，确定是否推荐开启护眼模式。