CN117354986B - 一种多功能led灯珠的智能控制方法及系统 - Google Patents
一种多功能led灯珠的智能控制方法及系统 Download PDFInfo
- Publication number
- CN117354986B CN117354986B CN202311644775.8A CN202311644775A CN117354986B CN 117354986 B CN117354986 B CN 117354986B CN 202311644775 A CN202311644775 A CN 202311644775A CN 117354986 B CN117354986 B CN 117354986B
- Authority
- CN
- China
- Prior art keywords
- led lamp
- data
- lamp bead
- target user
- change
- 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
- 239000011324 bead Substances 0.000 title claims abstract description 313
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006399 behavior Effects 0.000 claims abstract description 97
- 230000007613 environmental effect Effects 0.000 claims abstract description 72
- 238000005286 illumination Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims description 157
- 239000011159 matrix material Substances 0.000 claims description 80
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000012417 linear regression Methods 0.000 claims description 34
- 238000003066 decision tree Methods 0.000 claims description 26
- 238000003709 image segmentation Methods 0.000 claims description 22
- 230000000737 periodic effect Effects 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 12
- 238000000692 Student's t-test Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012353 t test Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 26
- 230000001276 controlling effect Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 238000012827 research and development Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
-
- 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
Abstract
本发明公开了一种多功能LED灯珠的智能控制方法及系统,旨在解决现有照明系统不能智能适应用户需求的问题。该方法首先识别目标用户行为模式,并将其与LED灯珠运行参数相结合,得到目标用户的行为‑灯光运行参数。识别影响用户对灯光调控的环境因子,并据此得出用户所处环境‑灯光运行参数。构建目标用户灯光运行预测模型,预测未来LED灯珠的运行参数,并据此形成自动调节方案。最后,制定LED灯珠控制方案。该智能控制方法有效地根据用户行为及环境因子调节LED灯光,实现个性化、智能化照明,提升用户体验和节能效果。本发明方法为未来智能照明系统的发展提供了创新思路。
Description
技术领域
本发明涉及LED灯珠智能控制技术领域,特别涉及一种多功能LED灯珠的智能控制方法及系统。
背景技术
现有照明系统在满足用户基本照明需求方面取得了显著进展,但在适应个性化需求和智能控制方面仍存在挑战。传统的LED灯光控制方法通常依赖于手动设置或基本传感器反馈,未能全面了解用户行为和环境变化,缺乏智能化调节能力。这导致照明系统无法充分满足用户的个性化需求,也无法最大程度地提高能源利用效率。
目前,虽然一些智能照明系统使用了运动传感器或光线传感器进行灯光调节,但这些方法对于用户行为的深度理解和对复杂环境因素的综合分析仍有限。此外,目前尚缺乏能够自主预测用户行为及环境变化对灯光需求的系统。
因此,本发明旨在提供一种多功能LED灯珠的智能控制方法及系统,结合视频数据、环境变化数据以及历史预设时间段内LED灯珠运行参数,从而深度理解用户行为模式、环境因子及其对灯光需求的影响。通过预测模型和自动调节方案,本方法能够实现LED灯光的智能化自适应调节,提高用户体验,同时最大限度地提升能源利用效率。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种多功能LED灯珠的智能控制方法及系统。
本发明第一方面提供了一种多功能LED灯珠的智能控制方法,包括:
获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据;
根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数;
将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数;
基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果;
基于预测结果形成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案。
本方案中,所述获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据,具体为:
获取历史预设时间段内目标场所中多功能LED灯珠的运行变化参数,所述运行变化参数包括亮度变化、颜色变化;
通过深度摄像设备获取目标场所内的视频数据;
获取历史预设时间段内的环境变化数据,所述环境变化数据包括目标场所的光照强度、天气变化,所述天气变化包括温度、降水变化。
本方案中,所述根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数,具体为:
提取所述视频数据的视频帧图像数据,所述视频帧图像数据包括视频图像的深度信息和彩色图像信息、视频帧图像;
获取历史人体模型数据、人体行为标注数据,基于Mask R-CNN对所述人体模型数据、人体行为标注数据进行学习和训练,得到训练后的Mask R-CNN网络;
根据视频图像的深度信息得到目标场所的三维场景,基于训练后的Mask R-CNN网络对所述三维场景中的目标用户进行颜色渲染和目标分割,得到目标用户的掩模;
基于所述目标用户的掩模和三维场景中的点云数据对每一帧视频帧图像进行目标用户图像分割,得到目标用户图像分割结果;
基于Mask R-CNN网络对连续帧的目标用户图像分割结果进行识别,得到目标用户的行为模式,所述行为模式包括运动、睡觉、看书、休闲娱乐;
根据所述行为模式与所述LED灯珠运行变化参数进行时间戳对齐,判断在不同行为模式下LED灯珠运行参数的变化,得到目标用户的行为-灯光运行参数。
本方案中,所述将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数,具体为:
建立线性回归模型,将环境变化数据中的每项数据作为自变量,将LED灯珠运行变化参数中的每项数据作为因变量;
分别将环境变化数据中的每项数据的变化与LED灯珠运行变化参数中的每项数据的变化进行线性回归分析,将具有线性关系的每组数据进行线性标记;
计算所述线性标记的每组数据的线性回归系数,通过t检验对所述线性回归系数进行显著性分析,得到每组数据的显著性系数;
基于显著性系数判断影响目标用户对LED灯珠进行调控的环境影响因素,得到环境因子和环境因子变化引起的LED灯珠运行参数变化的对应参数项;
基于环境因子与对应参数项的线性回归系数和显著性系数进行数值分析,得到目标用户所处的环境-灯光运行参数。
本方案中,所述基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果,具体为:
基于决策树算法构建目标用户灯光运行预测模型;
将行为-灯光运行参数和环境-灯光运行参数导入目标用户灯光运行预测模型中进行学习和训练;
基于历史预设时间段内的目标场所的视频数据进行分析,得到目标用户的周期性行为模式;
获取未来预设时间段内的环境变化数据,将所述周期性行为模式和环境变化数据导入目标用户灯光运行预测模型中对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果。
本方案中,所述基于预测结果形成未来预设时间段内的LED灯珠自动调节方案,具体为:
基于预测结果生成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案对目标场所的LED灯珠进行控制。
本方案中,所述根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案,具体为:
收集目标场所的LED自动调节方案,获取目标场所基于所述LED自动调节方案对LED灯珠进行控制后的LED运行参数数据集;
基于KNN算法对LED运行参数数据集中的数据点进行遍历,形成数据点的向量矩阵,将当前遍历的数据点作为基准数据点;
选取与基准数据点最近的K个数据点作为近邻,得到N组K-近邻数据点;
计算K-近邻数据点中每个数据点与基准数据点的欧式距离,得到每个数据点与基准数据点的权重,将所述权重形成权重矩阵;
基于权重矩阵和向量矩阵构建邻接矩阵W和度矩阵D;
根据邻接矩阵W和度矩阵D计算出拉普拉斯矩阵L,并对所述拉普拉斯矩阵L进行标准化,得到标准化拉普拉斯矩阵;
计算标准化拉普拉斯矩阵中最小的X个特征值所对应的特征向量f,将特征向量F组成的矩阵按行进行标准化,最终得到多维矩阵F;
对F中的每一行作为一个X维样本,得到多个X维样本,对多个X维样本进行K-Means聚类,将样本相似度大于预设值的样本进行聚类,得到样本聚类数据;
将样本聚类数据进行解析,得到预设区域内的LED灯珠运行参数分类信息;
基于LED灯珠运行参数分类信息进行研究,分析在目标场所内不同区域的LED灯珠的控制需求,形成目标场所LED灯珠控制需求信息;
基于所述目标场所LED灯珠控制需求信息制定LED灯珠在目标场所内不同区域的LED灯珠控制方案。
本发明第二方面还提供了一种多功能LED灯珠的智能控制系统,该系统包括:存储器、处理器,所述存储器中包括多功能LED灯珠的智能控制方法程序,所述多功能LED灯珠的智能控制方法程序被所述处理器执行时,实现如下步骤:
获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据;
根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数;
将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数;
基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果;
基于预测结果形成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案。
本方案中,所述根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数,具体为:
提取所述视频数据的视频帧图像数据,所述视频帧图像数据包括视频图像的深度信息和彩色图像信息、视频帧图像;
获取历史人体模型数据、人体行为标注数据,基于Mask R-CNN对所述人体模型数据、人体行为标注数据进行学习和训练,得到训练后的Mask R-CNN网络;
根据视频图像的深度信息得到目标场所的三维场景,基于训练后的Mask R-CNN网络对所述三维场景中的目标用户进行颜色渲染和目标分割,得到目标用户的掩模;
基于所述目标用户的掩模和三维场景中的点云数据对每一帧视频帧图像进行目标用户图像分割,得到目标用户图像分割结果;
基于Mask R-CNN网络对连续帧的目标用户图像分割结果进行识别,得到目标用户的行为模式,所述行为模式包括运动、睡觉、看书、休闲娱乐;
根据所述行为模式与所述LED灯珠运行变化参数进行时间戳对齐,判断在不同行为模式下LED灯珠运行参数的变化,得到目标用户的行为-灯光运行参数。
本方案中,所述将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数,具体为:
建立线性回归模型,将环境变化数据中的每项数据作为自变量,将LED灯珠运行变化参数中的每项数据作为因变量;
分别将环境变化数据中的每项数据的变化与LED灯珠运行变化参数中的每项数据的变化进行线性回归分析,将具有线性关系的一组数据进行线性标记;
计算所述线性标记的每组数据的线性回归系数,通过t检验对所述线性回归系数进行显著性分析,得到每组数据的显著性系数;
基于显著性系数判断影响目标用户对LED灯珠进行调控的环境影响因素,得到环境因子和环境因子变化引起的LED灯珠运行参数变化的对应参数项;
基于环境因子与对应参数项的线性回归系数和显著性系数进行数值分析,得到目标用户所处的环境-灯光运行参数。
本发明公开了一种多功能LED灯珠的智能控制方法及系统,旨在解决现有照明系统不能智能适应用户需求的问题。该方法首先识别目标用户行为模式,并将其与LED灯珠运行参数相结合,得到目标用户的行为-灯光运行参数。识别影响用户对灯光调控的环境因子,并据此得出用户所处环境-灯光运行参数。构建目标用户灯光运行预测模型,预测未来LED灯珠的运行参数,并据此形成自动调节方案。最后,制定LED灯珠控制方案。该智能控制方法有效地根据用户行为及环境因子调节LED灯光,实现个性化、智能化照明,提升用户体验和节能效果。本发明方法为未来智能照明系统的发展提供了创新思路。
附图说明
图1示出了本发明一种多功能LED灯珠的智能控制方法的流程图;
图2示出了本发明得到目标用户的行为-灯光运行参数的流程图;
图3示出了本发明得到目标用户所处的环境-灯光运行参数的流程图;
图4示出了本发明一种多功能LED灯珠的智能控制系统的框图。
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。
图1示出了本发明一种多功能LED灯珠的智能控制方法的流程图。
如图1所示,本发明第一方面提供了一种多功能LED灯珠的智能控制方法,包括:
S102,获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据;
S104,根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数;
S106,将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数;
S108,基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果;
S110,基于预测结果形成未来预设时间段内的LED灯珠自动调节方案;
S112,根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案。
需要说明的是,通过对目标用户的行为-灯光运行参数和目标用户所处的环境-灯光运行参数的操作习惯进行分析和获取,并对未来预设时间段内目标场所的LED灯珠的运行参数进行预测,实现在未来预设时间段内,LED灯珠能够自动调整;最后根据LED自动调节方案分析目标场所的用灯需求,制定LED灯珠的控制方案;通过本发明实施例能够凭借深度行为分析和环境因子识别实现智能自适应,从而提供个性化的照明体验;其次,通过自动调节功能,成功降低了能源浪费,有效节约能源,达到了节能环保的目的;最后,通过根据目标场所用灯需求制定研发方案,为LED照明技术和研发方向和区域性的经营策略提供基础,提高了LED灯珠统一控制的有效性;所述目标场所包括酒店、家庭住宅、宿舍;所述行为-灯光运行参数和环境-灯光运行参数对目标用户灯光运行预测模型进行训练,通过用户行为与灯光运行参数的一一映射关系和环境参数与灯光运行参数的一一映射关系对目标用户灯光运行预测模型进行训练,能够更好的使模型学习映射关系的变化,使后续在预测过程中能够精准的预测不同目标用户行为和不同环境参数下所所对应的LED灯珠运行参数。
根据本发明实施例,所述获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据,具体为:
获取历史预设时间段内目标场所中多功能LED灯珠的运行变化参数,所述运行变化参数包括亮度变化、颜色变化;
通过深度摄像设备获取目标场所内的视频数据;
获取历史预设时间段内的环境变化数据,所述环境变化数据包括目标场所的光照强度、天气变化,所述天气变化包括温度、降水变化。
需要说明的是,所述深度摄像设备是指具备深度感知能力的摄像设备,设备能够感知场景中物体的距离、尺寸和形状。
图2示出了本发明得到目标用户的行为-灯光运行参数的流程图。
根据本发明实施例,所述根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数,具体为:
S202,提取所述视频数据的视频帧图像数据,所述视频帧图像数据包括视频图像的深度信息和彩色图像信息、视频帧图像;
S204,获取历史人体模型数据、人体行为标注数据,基于Mask R-CNN对所述人体模型数据、人体行为标注数据进行学习和训练,得到训练后的Mask R-CNN网络;
S206,根据视频图像的深度信息得到目标场所的三维场景,基于训练后的Mask R-CNN网络对所述三维场景中的目标用户进行颜色渲染和目标分割,得到目标用户的掩模;
S208,基于所述目标用户的掩模和三维场景中的点云数据对每一帧视频帧图像进行目标用户图像分割,得到目标用户图像分割结果;
S210,基于Mask R-CNN网络对连续帧的目标用户图像分割结果进行识别,得到目标用户的行为模式,所述行为模式包括运动、睡觉、看书、休闲娱乐;
S212,根据所述行为模式与所述LED灯珠运行变化参数进行时间戳对齐,判断在不同行为模式下LED灯珠运行参数的变化,得到目标用户的行为-灯光运行参数。
需要说明的是,通过Mask R-CNN网络对目标用户的行为模式进行识别,Mask R-CNN网络能够精准地识别用户行为模式,从而根据用户的不同活动状态,智能地调节LED灯光参数,例如亮度、颜色等,以更好地满足用户的照明需求;所述Mask R-CNN是一种用于目标检测和实例分割的深度学习模型;所述掩模为显示图像中特定区域的图形对象;所述目标用户图像分割结果为目标用户的图像数据,目标用户图像分割结果为去除了视频帧数据中无关的场景,仅保留目标用户的图像数据,避免了无关场景对目标用户提取的干扰;所述行为-灯光运行参数为目标用户不同的行为模式所对应的LED灯珠的运行参数;通过对目标场所构建三维场景,避免了因目标用户背对摄像设备,无法精确对目标用户的行为模式进行识别,提高了目标用户行为模式的识别效率和识别准确率。
图3示出了本发明得到目标用户所处的环境-灯光运行参数的流程图。
根据本发明实施例,所述将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数,具体为:
S302,建立线性回归模型,将环境变化数据中的每项数据作为自变量,将LED灯珠运行变化参数中的每项数据作为因变量;
S304,分别将环境变化数据中的每项数据的变化与LED灯珠运行变化参数中的每项数据的变化进行线性回归分析,将具有线性关系的每组数据进行线性标记;
S306,计算所述线性标记的每组数据的线性回归系数,通过t检验对所述线性回归系数进行显著性分析,得到每组数据的显著性系数;
S308,基于显著性系数判断影响目标用户对LED灯珠进行调控的环境影响因素,得到环境因子和环境因子变化引起的LED灯珠运行参数变化的对应参数项;
S310,基于环境因子与对应参数项的线性回归系数和显著性系数进行数值分析,得到目标用户所处的环境-灯光运行参数。
需要说明的是,通过建立线性回归模型对影响用户进行LED灯珠调控的环境因子识别,并分析LED灯珠参数随环境因子变化而变化的结果,得到目标用户所处的环境-灯光运行参数;通过线性回归模型,能够准确的分析出环境与LED灯珠调控之间的影响关系,提高分析效率和分析准确率;所述显著性系数是指环境变化数据对LED灯珠运行参数的影响的显著性水平,用于衡量统计显著性;所述环境-灯光运行参数为环境因子不同数值与LED灯珠运行参数的一一对应关系;所述t检验用于确定两个样本均值之间是否存在显著差异。
根据本发明实施例,所述基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果,具体为:
基于决策树算法构建目标用户灯光运行预测模型;
将行为-灯光运行参数和环境-灯光运行参数导入目标用户灯光运行预测模型中进行学习和训练;
基于历史预设时间段内的目标场所的视频数据进行分析,得到目标用户的周期性行为模式;
获取未来预设时间段内的环境变化数据,将所述周期性行为模式和环境变化数据导入目标用户灯光运行预测模型中对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果。
需要说明的是,通过决策树算法构建目标用户灯光运行预测模型能够准确的预测在未来预设时间段内目标用户对目标场所的灯光进行操作的最大可能性,通过决策树算法,提高了预测的准确性和鲁棒性;所述周期性行为模式是通过对历史预设时间段内目标用户形成的生活作息规律进行分析所得;所述决策树算法构建目标用户灯光运行预测模型首先将行为-灯光运行参数和环境-灯光运行参数按预设比例划分为训练数据和测试数据,然后确定决策树深度和决策树数量,数据在决策树中的不同深度表示预测的不同概率。
根据本发明实施例,所述基于预测结果形成未来预设时间段内的LED灯珠自动调节方案,具体为:
基于预测结果生成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案对目标场所的LED灯珠进行控制。
需要说明的是,根据预测结果形成LED灯珠的自动调节,实现了LED灯珠的智能化调控,最大程度满足了目标用户的用灯需求,提高目标用户的用灯满意度。
根据本发明实施例,所述根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案,具体为:
收集目标场所的LED自动调节方案,获取目标场所基于所述LED自动调节方案对LED灯珠进行控制后的LED运行参数数据集;
基于KNN算法对LED运行参数数据集中的数据点进行遍历,形成数据点的向量矩阵,将当前遍历的数据点作为基准数据点;
选取与基准数据点最近的K个数据点作为近邻,得到N组K-近邻数据点;
计算K-近邻数据点中每个数据点与基准数据点的欧式距离,得到每个数据点与基准数据点的权重,将所述权重形成权重矩阵;
基于权重矩阵和向量矩阵构建邻接矩阵W和度矩阵D;
根据邻接矩阵W和度矩阵D计算出拉普拉斯矩阵L,并对所述拉普拉斯矩阵L进行标准化,得到标准化拉普拉斯矩阵;
计算标准化拉普拉斯矩阵中最小的X个特征值所对应的特征向量f,将特征向量F组成的矩阵按行进行标准化,最终得到多维矩阵F;
对F中的每一行作为一个X维样本,得到多个X维样本,对多个X维样本进行K-Means聚类,将样本相似度大于预设值的样本进行聚类,得到样本聚类数据;
将样本聚类数据进行解析,得到预设区域内的LED灯珠运行参数分类信息;
基于LED灯珠运行参数分类信息进行研究,分析在目标场所内不同区域的LED灯珠的控制需求,形成目标场所LED灯珠控制需求信息;
基于所述目标场所LED灯珠控制需求信息制定LED灯珠在目标场所内不同区域的LED灯珠控制方案。
需要说明的是,通过对目标场所内的LED自动调节方案通过K-近邻算法对数据进行降维处理,然后对数据进行聚类,将具有相似的用灯需求的区域进行归为同一类别;通过K-近邻算法进行降维处理,大大提高了数据处理的效率,节省资源消耗;对目标场所内的区域进行聚类处理,能够更好的针对目标场所内的用户的LED灯珠控制需求进行了解,进而形成区域性LED灯珠控制方案;所述KNN算法即为K-近邻算法,是一种常见的监督学习算法,用于分类问题;所述邻接矩阵是图论中描述图结构的一种方式。在计算机科学中,图(Graph)是由节点(Vertex)和连接节点的边(Edge)组成的数据结构;所述度矩阵是描述图中节点度数的矩阵;所述拉普拉斯矩阵是一个在数值分析中使用的矩阵;所述LED灯珠控制方案包括对具有相似用灯需求的区域进行统一控制。
根据本发明实施例,还包括:
获取目标场所的LED灯珠的初始信息,所述初始信息包括初始亮度值、初始颜色可调节范围,周期性获取LED灯珠的亮度变化信息和颜色可调节范围变化信息,得到周期性LED灯珠信息;
根据所述初始信息和周期性LED灯珠信息计算在每个周期内LED灯珠的光衰,得到每个周期的光衰数据;
对每个周期的光衰数据进行分析,判断LED灯珠光衰的周期性趋势,得到LED灯珠光衰周期性特征;
获取当前LED灯珠的亮度信息和颜色可调节范围信息、目标场所各区域内的光照条件;
基于所述LED灯珠光衰周期性特征和当前LED灯珠的亮度信息和颜色可调节范围信息、目标场所各区域内的光照条件,预测当前区域的LED灯珠低于光照条件的到达时间;
根据所述到达时间形成LED灯珠更换方案,所述LED灯珠更换方案包括对当前区域更换更高光照条件的LED灯珠、匹配当前LED灯珠光照条件适宜使用的区域。
需要说明的是,随着LED灯珠的使用时间的加长,LED灯珠会出现光衰的情况,通过判断LED灯珠的光衰周期性特征,预测当前区域的LED灯珠低于光照条件的到达时间,形成LED灯珠更换方案;所述LED灯珠更换方案包括更换适宜光照条件的LED灯珠,将更换下来的LED灯珠匹配其它区域中适宜使用的区域中继续使用;例如,在酒店大堂内,照明条件需要更好,而酒店的仓库的照明条件相对较低,所以可以将酒店大堂内更换下的LED灯珠继续安装至仓库中继续使用,大大节省了LED灯珠的资源消耗,降低了目标场所的运营成本。
根据本发明实施例,还包括:
基于物联网技术将目标场所内的LED灯珠和监控设备进行构建应急网络;
对应急网络中的每个LED灯珠和监控设备进行位置标记和数字编码,得到应急网络设备标记信息;
根据监控设备实时获取目标场所内的视频数据,基于异常检测算法对视频数据进行异常事件检测,得到异常事件检测结果,所述异常事件检测结果包括异常事件类型和异常事件紧急程度;
若异常事件紧急程度低于预设等级,基于异常事件检测结果中的监控设备的位置,对异常事件进行定位,对异常事件位置进行LED灯光警示;
若异常事件紧急程度补低于预设等级,获取目标场所中的应急逃生路线,基于应急逃生路线和目标场所中的LED灯珠位置,形成应急指示LED灯珠工作方案。
需要说明的是,在目标场所内可能会发生应急事件,通过物联网技术构建目标场所的应急网络,识别异常事件后形成应急指示LED灯珠工作方案;所述应急指示LED灯珠工作方案能够对应急事件进行灯光警示,还包括在需要疏散人群的时候,通过LED灯珠形成疏散路线的指引作用,在指引的过程中,LED灯珠增强亮度,并显示为红色闪烁光,提高人群疏散的效率;通过本发明实施例,能够快速的定位至发生异常事件的位置,并形成警示作用,能够保障目标场所中人员的安全,提高应急处理能力。
图4示出了本发明一种多功能LED灯珠的智能控制系统的框图。
本发明第二方面还提供了一种多功能LED灯珠的智能控制系统4,该系统包括:存储器41、处理器42,所述存储器中包括多功能LED灯珠的智能控制方法程序,所述多功能LED灯珠的智能控制方法程序被所述处理器执行时,实现如下步骤:
获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据;
根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数;
将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数;
基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果;
基于预测结果形成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案。
需要说明的是,通过对目标用户的行为-灯光运行参数和目标用户所处的环境-灯光运行参数的操作习惯进行分析和获取,并对未来预设时间段内目标场所的LED灯珠的运行参数进行预测,实现在未来预设时间段内,LED灯珠能够自动调整;最后根据LED自动调节方案分析目标场所的用灯需求,制定LED灯珠的控制方案;通过本发明实施例能够凭借深度行为分析和环境因子识别实现智能自适应,从而提供个性化的照明体验;其次,通过自动调节功能,成功降低了能源浪费,有效节约能源,达到了节能环保的目的;最后,通过根据目标场所用灯需求制定研发方案,为LED照明技术和研发方向和区域性的经营策略提供基础,提高了LED灯珠统一控制的有效性;所述目标场所包括酒店、家庭住宅、宿舍;所述行为-灯光运行参数和环境-灯光运行参数对目标用户灯光运行预测模型进行训练,通过用户行为与灯光运行参数的一一映射关系和环境参数与灯光运行参数的一一映射关系对目标用户灯光运行预测模型进行训练,能够更好的使模型学习映射关系的变化,使后续在预测过程中能够精准的预测不同目标用户行为和不同环境参数下所所对应的LED灯珠运行参数。
根据本发明实施例,所述获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据,具体为:
获取历史预设时间段内目标场所中多功能LED灯珠的运行变化参数,所述运行变化参数包括亮度变化、颜色变化;
通过深度摄像设备获取目标场所内的视频数据;
获取历史预设时间段内的环境变化数据,所述环境变化数据包括目标场所的光照强度、天气变化,所述天气变化包括温度、降水变化。
需要说明的是,所述深度摄像设备是指具备深度感知能力的摄像设备,设备能够感知场景中物体的距离、尺寸和形状。
根据本发明实施例,所述根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数,具体为:
提取所述视频数据的视频帧图像数据,所述视频帧图像数据包括视频图像的深度信息和彩色图像信息、视频帧图像;
获取历史人体模型数据、人体行为标注数据,基于Mask R-CNN对所述人体模型数据、人体行为标注数据进行学习和训练,得到训练后的Mask R-CNN网络;
根据视频图像的深度信息得到目标场所的三维场景,基于训练后的Mask R-CNN网络对所述三维场景中的目标用户进行颜色渲染和目标分割,得到目标用户的掩模;
基于所述目标用户的掩模和三维场景中的点云数据对每一帧视频帧图像进行目标用户图像分割,得到目标用户图像分割结果;
基于Mask R-CNN网络对连续帧的目标用户图像分割结果进行识别,得到目标用户的行为模式,所述行为模式包括运动、睡觉、看书、休闲娱乐;
根据所述行为模式与所述LED灯珠运行变化参数进行时间戳对齐,判断在不同行为模式下LED灯珠运行参数的变化,得到目标用户的行为-灯光运行参数。
需要说明的是,通过Mask R-CNN网络对目标用户的行为模式进行识别,Mask R-CNN网络能够精准地识别用户行为模式,从而根据用户的不同活动状态,智能地调节LED灯光参数,例如亮度、颜色等,以更好地满足用户的照明需求;所述Mask R-CNN是一种用于目标检测和实例分割的深度学习模型;所述掩模为显示图像中特定区域的图形对象;所述目标用户图像分割结果为目标用户的图像数据,目标用户图像分割结果为去除了视频帧数据中无关的场景,仅保留目标用户的图像数据,避免了无关场景对目标用户提取的干扰;所述行为-灯光运行参数为目标用户不同的行为模式所对应的LED灯珠的运行参数;通过对目标场所构建三维场景,避免了因目标用户背对摄像设备,无法精确对目标用户的行为模式进行识别,提高了目标用户行为模式的识别效率和识别准确率。
根据本发明实施例,所述将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数,具体为:
建立线性回归模型,将环境变化数据中的每项数据作为自变量,将LED灯珠运行变化参数中的每项数据作为因变量;
分别将环境变化数据中的每项数据的变化与LED灯珠运行变化参数中的每项数据的变化进行线性回归分析,将具有线性关系的每组数据进行线性标记;
计算所述线性标记的每组数据的线性回归系数,通过t检验对所述线性回归系数进行显著性分析,得到每组数据的显著性系数;
基于显著性系数判断影响目标用户对LED灯珠进行调控的环境影响因素,得到环境因子和环境因子变化引起的LED灯珠运行参数变化的对应参数项;
基于环境因子与对应参数项的线性回归系数和显著性系数进行数值分析,得到目标用户所处的环境-灯光运行参数。
需要说明的是,通过建立线性回归模型对影响用户进行LED灯珠调控的环境因子识别,并分析LED灯珠参数随环境因子变化而变化的结果,得到目标用户所处的环境-灯光运行参数;通过线性回归模型,能够准确的分析出环境与LED灯珠调控之间的影响关系,提高分析效率和分析准确率;所述显著性系数是指环境变化数据对LED灯珠运行参数的影响的显著性水平,用于衡量统计显著性;所述环境-灯光运行参数为环境因子不同数值与LED灯珠运行参数的一一对应关系;所述t检验用于确定两个样本均值之间是否存在显著差异。
根据本发明实施例,所述基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果,具体为:
基于决策树算法构建目标用户灯光运行预测模型;
将行为-灯光运行参数和环境-灯光运行参数导入目标用户灯光运行预测模型中进行学习和训练;
基于历史预设时间段内的目标场所的视频数据进行分析,得到目标用户的周期性行为模式;
获取未来预设时间段内的环境变化数据,将所述周期性行为模式和环境变化数据导入目标用户灯光运行预测模型中对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果。
需要说明的是,通过决策树算法构建目标用户灯光运行预测模型能够准确的预测在未来预设时间段内目标用户对目标场所的灯光进行操作的最大可能性,通过决策树算法,提高了预测的准确性和鲁棒性;所述周期性行为模式是通过对历史预设时间段内目标用户形成的生活作息规律进行分析所得;所述决策树算法构建目标用户灯光运行预测模型首先将行为-灯光运行参数和环境-灯光运行参数按预设比例划分为训练数据和测试数据,然后确定决策树深度和决策树数量,数据在决策树中的不同深度表示预测的不同概率。
根据本发明实施例,所述基于预测结果形成未来预设时间段内的LED灯珠自动调节方案,具体为:
基于预测结果生成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案对目标场所的LED灯珠进行控制。
需要说明的是,根据预测结果形成LED灯珠的自动调节,实现了LED灯珠的智能化调控,最大程度满足了目标用户的用灯需求,提高目标用户的用灯满意度。
根据本发明实施例,所述根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案,具体为:
收集目标场所的LED自动调节方案,获取目标场所基于所述LED自动调节方案对LED灯珠进行控制后的LED运行参数数据集;
基于KNN算法对LED运行参数数据集中的数据点进行遍历,形成数据点的向量矩阵,将当前遍历的数据点作为基准数据点;
选取与基准数据点最近的K个数据点作为近邻,得到N组K-近邻数据点;
计算K-近邻数据点中每个数据点与基准数据点的欧式距离,得到每个数据点与基准数据点的权重,将所述权重形成权重矩阵;
基于权重矩阵和向量矩阵构建邻接矩阵W和度矩阵D;
根据邻接矩阵W和度矩阵D计算出拉普拉斯矩阵L,并对所述拉普拉斯矩阵L进行标准化,得到标准化拉普拉斯矩阵;
计算标准化拉普拉斯矩阵中最小的X个特征值所对应的特征向量f,将特征向量F组成的矩阵按行进行标准化,最终得到多维矩阵F;
对F中的每一行作为一个X维样本,得到多个X维样本,对多个X维样本进行K-Means聚类,将样本相似度大于预设值的样本进行聚类,得到样本聚类数据;
将样本聚类数据进行解析,得到预设区域内的LED灯珠运行参数分类信息;
基于LED灯珠运行参数分类信息进行研究,分析在目标场所内不同区域的LED灯珠的控制需求,形成目标场所LED灯珠控制需求信息;
基于所述目标场所LED灯珠控制需求信息制定LED灯珠在目标场所内不同区域的LED灯珠控制方案。
需要说明的是,通过对目标场所内的LED自动调节方案通过K-近邻算法对数据进行降维处理,然后对数据进行聚类,将具有相似的用灯需求的区域进行归为同一类别;通过K-近邻算法进行降维处理,大大提高了数据处理的效率,节省资源消耗;对目标场所内的区域进行聚类处理,能够更好的针对目标场所内的用户的LED灯珠控制需求进行了解,进而形成区域性LED灯珠控制方案;所述KNN算法即为K-近邻算法,是一种常见的监督学习算法,用于分类问题;所述邻接矩阵是图论中描述图结构的一种方式。在计算机科学中,图(Graph)是由节点(Vertex)和连接节点的边(Edge)组成的数据结构;所述度矩阵是描述图中节点度数的矩阵;所述拉普拉斯矩阵是一个在数值分析中使用的矩阵;所述LED灯珠控制方案包括对具有相似用灯需求的区域进行统一控制。
根据本发明实施例,还包括:
获取目标场所的LED灯珠的初始信息,所述初始信息包括初始亮度值、初始颜色可调节范围,周期性获取LED灯珠的亮度变化信息和颜色可调节范围变化信息,得到周期性LED灯珠信息;
根据所述初始信息和周期性LED灯珠信息计算在每个周期内LED灯珠的光衰,得到每个周期的光衰数据;
对每个周期的光衰数据进行分析,判断LED灯珠光衰的周期性趋势,得到LED灯珠光衰周期性特征;
获取当前LED灯珠的亮度信息和颜色可调节范围信息、目标场所各区域内的光照条件;
基于所述LED灯珠光衰周期性特征和当前LED灯珠的亮度信息和颜色可调节范围信息、目标场所各区域内的光照条件,预测当前区域的LED灯珠低于光照条件的到达时间;
根据所述到达时间形成LED灯珠更换方案,所述LED灯珠更换方案包括对当前区域更换更高光照条件的LED灯珠、匹配当前LED灯珠光照条件适宜使用的区域。
需要说明的是,随着LED灯珠的使用时间的加长,LED灯珠会出现光衰的情况,通过判断LED灯珠的光衰周期性特征,预测当前区域的LED灯珠低于光照条件的到达时间,形成LED灯珠更换方案;所述LED灯珠更换方案包括更换适宜光照条件的LED灯珠,将更换下来的LED灯珠匹配其它区域中适宜使用的区域中继续使用;例如,在酒店大堂内,照明条件需要更好,而酒店的仓库的照明条件相对较低,所以可以将酒店大堂内更换下的LED灯珠继续安装至仓库中继续使用,大大节省了LED灯珠的资源消耗,降低了目标场所的运营成本。
根据本发明实施例,还包括:
基于物联网技术将目标场所内的LED灯珠和监控设备进行构建应急网络;
对应急网络中的每个LED灯珠和监控设备进行位置标记和数字编码,得到应急网络设备标记信息;
根据监控设备实时获取目标场所内的视频数据,基于异常检测算法对视频数据进行异常事件检测,得到异常事件检测结果,所述异常事件检测结果包括异常事件类型和异常事件紧急程度;
若异常事件紧急程度低于预设等级,基于异常事件检测结果中的监控设备的位置,对异常事件进行定位,对异常事件位置进行LED灯光警示;
若异常事件紧急程度补低于预设等级,获取目标场所中的应急逃生路线,基于应急逃生路线和目标场所中的LED灯珠位置,形成应急指示LED灯珠工作方案。
需要说明的是,在目标场所内可能会发生应急事件,通过物联网技术构建目标场所的应急网络,识别异常事件后形成应急指示LED灯珠工作方案;所述应急指示LED灯珠工作方案能够对应急事件进行灯光警示,还包括在需要疏散人群的时候,通过LED灯珠形成疏散路线的指引作用,在指引的过程中,LED灯珠增强亮度,并显示为红色闪烁光,提高人群疏散的效率;通过本发明实施例,能够快速的定位至发生异常事件的位置,并形成警示作用,能够保障目标场所中人员的安全,提高应急处理能力。
以上所述,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所述权利要求的保护范围为准。
Claims (9)
1.一种多功能LED灯珠的智能控制方法,其特征在于,包括以下步骤:
获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据;
根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数;
将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数;
基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果;
基于预测结果形成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案;
所述根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案,具体为:
收集目标场所的LED自动调节方案,获取目标场所基于所述LED自动调节方案对LED灯珠进行控制后的LED运行参数数据集;
基于KNN算法对LED运行参数数据集中的数据点进行遍历,形成数据点的向量矩阵,将当前遍历的数据点作为基准数据点;
选取与基准数据点最近的K个数据点作为近邻,得到N组K-近邻数据点;
计算K-近邻数据点中每个数据点与基准数据点的欧式距离,得到每个数据点与基准数据点的权重,将所述权重形成权重矩阵;
基于权重矩阵和向量矩阵构建邻接矩阵W和度矩阵D;
根据邻接矩阵W和度矩阵D计算出拉普拉斯矩阵L,并对所述拉普拉斯矩阵L进行标准化,得到标准化拉普拉斯矩阵;
计算标准化拉普拉斯矩阵中最小的X个特征值所对应的特征向量f,将特征向量F组成的矩阵按行进行标准化,最终得到多维矩阵F;
对F中的每一行作为一个X维样本,得到多个X维样本,对多个X维样本进行K-Means聚类,将样本相似度大于预设值的样本进行聚类,得到样本聚类数据;
将样本聚类数据进行解析,得到预设区域内的LED灯珠运行参数分类信息;
基于LED灯珠运行参数分类信息进行研究,分析在目标场所内不同区域的LED灯珠的控制需求,形成目标场所的LED灯珠控制需求信息;
基于所述目标场所LED灯珠控制需求信息制定LED灯珠在目标场所内不同区域的LED灯珠控制方案。
2.根据权利要求1所述的一种多功能LED灯珠的智能控制方法,其特征在于,所述获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据,具体为:
获取历史预设时间段内目标场所中多功能LED灯珠的运行变化参数,所述运行变化参数包括亮度变化、颜色变化;
通过深度摄像设备获取目标场所内的视频数据;
获取历史预设时间段内的环境变化数据,所述环境变化数据包括目标场所的光照强度、天气变化,所述天气变化包括温度、降水变化。
3.根据权利要求1所述的一种多功能LED灯珠的智能控制方法,其特征在于,所述根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数,具体为:
提取所述视频数据的视频帧图像数据,所述视频帧图像数据包括视频图像的深度信息和彩色图像信息、视频帧图像;
获取历史人体模型数据、人体行为标注数据,基于Mask R-CNN对所述人体模型数据、人体行为标注数据进行学习和训练,得到训练后的Mask R-CNN网络;
根据视频图像的深度信息得到目标场所的三维场景,基于训练后的Mask R-CNN网络对所述三维场景中的目标用户进行颜色渲染和目标分割,得到目标用户的掩模;
基于所述目标用户的掩模和三维场景中的点云数据对每一帧视频帧图像进行目标用户图像分割,得到目标用户图像分割结果;
基于Mask R-CNN网络对连续帧的目标用户图像分割结果进行识别,得到目标用户的行为模式,所述行为模式包括运动、睡觉、看书、休闲娱乐;
根据所述行为模式与所述LED灯珠运行变化参数进行时间戳对齐,判断在不同行为模式下LED灯珠运行参数的变化,得到目标用户的行为-灯光运行参数。
4.根据权利要求1所述的一种多功能LED灯珠的智能控制方法,其特征在于,所述将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数,具体为:
建立线性回归模型,将环境变化数据中的每项数据作为自变量,将LED灯珠运行变化参数中的每项数据作为因变量;
分别将环境变化数据中的每项数据的变化与LED灯珠运行变化参数中的每项数据的变化进行线性回归分析,将具有线性关系的每组数据进行线性标记;
计算所述线性标记的每组数据的线性回归系数,通过t检验对所述线性回归系数进行显著性分析,得到每组数据的显著性系数;
基于显著性系数判断影响目标用户对LED灯珠进行调控的环境影响因素,得到环境因子和环境因子变化引起的LED灯珠运行参数变化的对应参数项;
基于环境因子与对应参数项的线性回归系数和显著性系数进行数值分析,得到目标用户所处的环境-灯光运行参数。
5.根据权利要求1所述的一种多功能LED灯珠的智能控制方法,其特征在于,所述基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果,具体为:
基于决策树算法构建目标用户灯光运行预测模型;
将行为-灯光运行参数和环境-灯光运行参数导入目标用户灯光运行预测模型中进行学习和训练;
基于历史预设时间段内的目标场所的视频数据进行分析,得到目标用户的周期性行为模式;
获取未来预设时间段内的环境变化数据,将所述周期性行为模式和环境变化数据导入目标用户灯光运行预测模型中对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果。
6.根据权利要求1所述的一种多功能LED灯珠的智能控制方法,其特征在于,所述基于预测结果形成未来预设时间段内的LED灯珠自动调节方案,具体为:
基于预测结果生成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案对目标场所的LED灯珠进行控制。
7.一种多功能LED灯珠的智能控制系统,其特征在于,所述多功能LED灯珠的智能控制系统包括储存器以及处理器,所述储存器包括多功能LED灯珠的智能控制方法程序,所述多功能LED灯珠的智能控制方法程序被所述处理器执行时,实现如下步骤:
获取历史预设时间段内目标场所多功能LED灯珠运行变化参数、视频数据、环境变化数据;
根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数;
将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数;
基于决策树构建目标用户灯光运行预测模型,对未来预设时间段内的LED灯珠的运行参数进行预测,得到预测结果;
基于预测结果形成未来预设时间段内的LED灯珠自动调节方案;
根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案;
所述根据LED灯珠自动调节方案分析目标场所的灯光控制需求,基于所述灯光控制需求制定LED灯珠控制方案,具体为:
收集目标场所的LED自动调节方案,获取目标场所基于所述LED自动调节方案对LED灯珠进行控制后的LED运行参数数据集;
基于KNN算法对LED运行参数数据集中的数据点进行遍历,形成数据点的向量矩阵,将当前遍历的数据点作为基准数据点;
选取与基准数据点最近的K个数据点作为近邻,得到N组K-近邻数据点;
计算K-近邻数据点中每个数据点与基准数据点的欧式距离,得到每个数据点与基准数据点的权重,将所述权重形成权重矩阵;
基于权重矩阵和向量矩阵构建邻接矩阵W和度矩阵D;
根据邻接矩阵W和度矩阵D计算出拉普拉斯矩阵L,并对所述拉普拉斯矩阵L进行标准化,得到标准化拉普拉斯矩阵;
计算标准化拉普拉斯矩阵中最小的X个特征值所对应的特征向量f,将特征向量F组成的矩阵按行进行标准化,最终得到多维矩阵F;
对F中的每一行作为一个X维样本,得到多个X维样本,对多个X维样本进行K-Means聚类,将样本相似度大于预设值的样本进行聚类,得到样本聚类数据;
将样本聚类数据进行解析,得到预设区域内的LED灯珠运行参数分类信息;
基于LED灯珠运行参数分类信息进行研究,分析在目标场所内不同区域的LED灯珠的控制需求,形成目标场所的LED灯珠控制需求信息;
基于所述目标场所LED灯珠控制需求信息制定LED灯珠在目标场所内不同区域的LED灯珠控制方案。
8.根据权利要求7所述的一种多功能LED灯珠的智能控制系统,其特征在于,所述根据所述视频数据识别目标用户的行为模式,将所述行为模式与所述LED灯珠运行变化参数进行分析,得到目标用户的行为-灯光运行参数,具体为:
提取所述视频数据的视频帧图像数据,所述视频帧图像数据包括视频图像的深度信息和彩色图像信息、视频帧图像;
获取历史人体模型数据、人体行为标注数据,基于Mask R-CNN对所述人体模型数据、人体行为标注数据进行学习和训练,得到训练后的Mask R-CNN网络;
根据视频图像的深度信息得到目标场所的三维场景,基于训练后的Mask R-CNN网络对所述三维场景中的目标用户进行颜色渲染和目标分割,得到目标用户的掩模;
基于所述目标用户的掩模和三维场景中的点云数据对每一帧视频帧图像进行目标用户图像分割,得到目标用户图像分割结果;
基于Mask R-CNN网络对连续帧的目标用户图像分割结果进行识别,得到目标用户的行为模式,所述行为模式包括运动、睡觉、看书、休闲娱乐;
根据所述行为模式与所述LED灯珠运行变化参数进行时间戳对齐,判断在不同行为模式下LED灯珠运行参数的变化,得到目标用户的行为-灯光运行参数。
9.根据权利要求7所述的一种多功能LED灯珠的智能控制系统,其特征在于,所述将环境变化数据和所述LED灯珠运行变化参数进行同步分析,得到影响目标用户对LED灯珠进行调控的环境因子,分析所述环境因子在不同条件下对应的LED灯珠运行参数,得到目标用户所处的环境-灯光运行参数,具体为:
建立线性回归模型,将环境变化数据中的每项数据作为自变量,将LED灯珠运行变化参数中的每项数据作为因变量;
分别将环境变化数据中的每项数据的变化与LED灯珠运行变化参数中的每项数据的变化进行线性回归分析,将具有线性关系的一组数据进行线性标记;
计算所述线性标记的每组数据的线性回归系数,通过t检验对所述线性回归系数进行显著性分析,得到每组数据的显著性系数;
基于显著性系数判断影响目标用户对LED灯珠进行调控的环境影响因素,得到环境因子和环境因子变化引起的LED灯珠运行参数变化的对应参数项;
基于环境因子与对应参数项的线性回归系数和显著性系数进行数值分析,得到目标用户所处的环境-灯光运行参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311644775.8A CN117354986B (zh) | 2023-12-04 | 2023-12-04 | 一种多功能led灯珠的智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311644775.8A CN117354986B (zh) | 2023-12-04 | 2023-12-04 | 一种多功能led灯珠的智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117354986A CN117354986A (zh) | 2024-01-05 |
CN117354986B true CN117354986B (zh) | 2024-03-22 |
Family
ID=89365291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311644775.8A Active CN117354986B (zh) | 2023-12-04 | 2023-12-04 | 一种多功能led灯珠的智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117354986B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117711309B (zh) * | 2024-02-06 | 2024-05-07 | 深圳市东陆科技有限公司 | 基于mcu控制器的led显示控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108419453A (zh) * | 2017-10-27 | 2018-08-17 | 深圳和而泰智能控制股份有限公司 | 一种照明灯控制方法及其装置、照明灯 |
CN108495434A (zh) * | 2018-03-29 | 2018-09-04 | 四川斐讯信息技术有限公司 | 一种室内光强控制方法及系统 |
CN109661856A (zh) * | 2016-08-25 | 2019-04-19 | 昕诺飞控股有限公司 | 光照控制 |
CN113543430A (zh) * | 2021-07-23 | 2021-10-22 | 广东交通职业技术学院 | 基于用户行为识别的灯光控制系统及其控制方法 |
CN114222407A (zh) * | 2021-12-10 | 2022-03-22 | 北京翌光科技有限公司 | 配合生物节律的灯光动态调节系统装置、方法及应用 |
JP2022092619A (ja) * | 2020-12-10 | 2022-06-22 | モビリティー・アジア・スマート・テクノロジー・カンパニー・リミテッド | ライト制御方法および装置 |
CN114969946A (zh) * | 2022-06-21 | 2022-08-30 | 广东爱奇光电科技有限公司 | 一种灯具灯珠排布设计方法、装置、设备及可读存储介质 |
CN117098270A (zh) * | 2023-10-17 | 2023-11-21 | 深圳市天成照明有限公司 | Led节能灯的智能控制方法、装置、设备及存储介质 |
CN117119650A (zh) * | 2023-09-01 | 2023-11-24 | 诚峰智能光环境科技(江苏)有限公司 | 一种智能灯具调光控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180132328A1 (en) * | 2011-01-31 | 2018-05-10 | Industrial Technology Research Institute | Multi-function lighting system |
-
2023
- 2023-12-04 CN CN202311644775.8A patent/CN117354986B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109661856A (zh) * | 2016-08-25 | 2019-04-19 | 昕诺飞控股有限公司 | 光照控制 |
CN108419453A (zh) * | 2017-10-27 | 2018-08-17 | 深圳和而泰智能控制股份有限公司 | 一种照明灯控制方法及其装置、照明灯 |
CN108495434A (zh) * | 2018-03-29 | 2018-09-04 | 四川斐讯信息技术有限公司 | 一种室内光强控制方法及系统 |
JP2022092619A (ja) * | 2020-12-10 | 2022-06-22 | モビリティー・アジア・スマート・テクノロジー・カンパニー・リミテッド | ライト制御方法および装置 |
CN113543430A (zh) * | 2021-07-23 | 2021-10-22 | 广东交通职业技术学院 | 基于用户行为识别的灯光控制系统及其控制方法 |
CN114222407A (zh) * | 2021-12-10 | 2022-03-22 | 北京翌光科技有限公司 | 配合生物节律的灯光动态调节系统装置、方法及应用 |
CN114969946A (zh) * | 2022-06-21 | 2022-08-30 | 广东爱奇光电科技有限公司 | 一种灯具灯珠排布设计方法、装置、设备及可读存储介质 |
CN117119650A (zh) * | 2023-09-01 | 2023-11-24 | 诚峰智能光环境科技(江苏)有限公司 | 一种智能灯具调光控制方法及系统 |
CN117098270A (zh) * | 2023-10-17 | 2023-11-21 | 深圳市天成照明有限公司 | Led节能灯的智能控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117354986A (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117354986B (zh) | 一种多功能led灯珠的智能控制方法及系统 | |
WO2019114191A1 (zh) | 一种基于物联网的楼宇运营设备状态监测与可视化分析系统 | |
WO2012137046A1 (en) | Adaptive illumination | |
CN102201146A (zh) | 基于主动红外视频的零照度环境火灾烟雾识别方法 | |
CN110057820B (zh) | 在线检测氯化氢合成炉氯氢配比的方法、系统及存储介质 | |
CN111340843A (zh) | 基于环境自适应和小样本学习的电力场景视频检测方法 | |
CN111223263A (zh) | 一种全自动综合型火灾预警响应系统 | |
CN117098270B (zh) | Led节能灯的智能控制方法、装置、设备及存储介质 | |
CN117355013A (zh) | 一种基于视觉感知的led智能照明控制系统 | |
CN109740527B (zh) | 一种视频帧中图像处理方法 | |
CN117500118B (zh) | 照明灯塔设备的智能控制方法、装置、设备及存储介质 | |
CN116761049B (zh) | 一种家用智能安防监控方法及系统 | |
CN113990017A (zh) | 基于pnn神经网络的森林草原火灾预警系统及方法 | |
CN116206208B (zh) | 一种基于人工智能的林业病虫害快速分析系统 | |
CN115796390A (zh) | 一种数据驱动的建筑能耗异常诊断方法及系统 | |
Wu et al. | Computer vision-based intelligent elevator information system for efficient demand-based operation and optimization | |
CN114283367B (zh) | 用于园区火灾预警的人工智能明火探测方法及系统 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN114298973A (zh) | 一种基于红外图像分割的智能供热监测方法 | |
KR101739847B1 (ko) | 비정형 데이터의 패턴분석을 통한 자기학습 엔진 시스템 및 그 방법 | |
CN114764420B (zh) | 一种实验室集成照明管理系统 | |
CN116523845B (zh) | 一种基于电缆隧道的缺陷检测方法和系统 | |
CN117500127B (zh) | 基于无线通信的灯光控制方法及系统 | |
CN117611015B (zh) | 一种建筑工程质量实时监测系统 | |
CN116740472B (zh) | 电力开关柜开关状态的识别方法、装置、设备及存储介质 |
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 |