CN117355009A - 台灯照明亮度调节方法及系统 - Google Patents
台灯照明亮度调节方法及系统 Download PDFInfo
- Publication number
- CN117355009A CN117355009A CN202311316107.2A CN202311316107A CN117355009A CN 117355009 A CN117355009 A CN 117355009A CN 202311316107 A CN202311316107 A CN 202311316107A CN 117355009 A CN117355009 A CN 117355009A
- Authority
- CN
- China
- Prior art keywords
- user behavior
- behavior state
- feature
- time sequence
- matrix
- 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
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 73
- 238000012546 transfer Methods 0.000 claims description 52
- 239000013598 vector Substances 0.000 claims description 41
- 238000000605 extraction Methods 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000012098 association analyses Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 197
- 230000000694 effects Effects 0.000 description 25
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 3
- 241001465382 Physalis alkekengi Species 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000002040 relaxant effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000004393 visual impairment Effects 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
- 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
-
- 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
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
一种台灯照明亮度调节方法及系统,其通过摄像头采集用户行为状态监控视频;对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及,基于所述用户行为状态特征,调整所述台灯的照明亮度。这样,能够实现智能化、个性化的照明控制,提供更便捷、智能和舒适的照明体验。
Description
技术领域
本申请涉及智能化调节技术领域,并且更具体地,涉及一种台灯照明亮度调节方法及系统。
背景技术
台灯作为一种常见的照明设备,被广泛应用于居家、办公和学习等场所。台灯的照明亮度调节是指根据需要调整台灯的亮度水平,以满足不同活动和任务对照明亮度的不同需求。例如,在阅读时,需要较高的亮度以确保文字清晰可见;而在放松休息时,可能需要柔和的照明来营造舒适的氛围。并且,在台灯照明时,过强或过弱的照明亮度都可能对眼睛造成不良影响。过强的光线可能导致眼睛疲劳和不适,而过弱的光线则可能造成眼部紧张和视力下降。
然而,传统的台灯照明亮度调节方式通常是通过手动调节,这需要用户亲自操作开关或旋钮,在某些情况下可能会造成不便。并且,传统台灯缺乏智能化的功能,无法根据用户的行为和环境变化自动调节亮度。这意味着用户需要不断地手动调整台灯亮度以适应不同的活动和场景,缺乏智能化和个性化的照明体验。
因此,期望一种优化的台灯照明亮度调节系统。
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台灯照明亮度调节方法及系统,其通过摄像头采集用户行为状态监控视频;对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及,基于所述用户行为状态特征,调整所述台灯的照明亮度。这样,能够实现智能化、个性化的照明控制,提供更便捷、智能和舒适的照明体验。
第一方面,提供了一种台灯照明亮度调节系统,其包括:
用户行为监控视频采集模块,用于通过摄像头采集用户行为状态监控视频;
用户行为状态语义分析模块,用于对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及
台灯亮度调控模块,用于基于所述用户行为状态特征,调整所述台灯的照明亮度。
第二方面,提供了一种台灯照明亮度调节方法,其包括:
通过摄像头采集用户行为状态监控视频;
对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及
基于所述用户行为状态特征,调整所述台灯的照明亮度。
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台灯照明亮度调节系统的框图。
图2为根据本申请实施例的台灯照明亮度调节方法的流程图。
图3为根据本申请实施例的台灯照明亮度调节方法架构的示意图。
图4为根据本申请实施例的台灯照明亮度调节系统的应用场景图。
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。
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。
台灯是一种常见的照明设备,通常用于居家、办公和学习等场所,是一种小型的照明灯具,通常放置在桌面上,用来提供局部的照明。
台灯通常由以下几个部分组成:
灯罩:台灯的灯罩用于遮挡灯光,使其能够集中照射到需要的区域,灯罩的形状和材质各异,可以是圆形、方形、锥形或其他形状,常见的材质包括塑料、玻璃和布料等。
灯座:台灯的灯座是支撑灯罩和灯泡的部分,通常由金属或塑料制成,灯座上通常有一个开关或旋钮,用于控制台灯的开关和亮度调节。
灯泡:台灯的灯泡是发光的部分,产生照明效果,常见的灯泡类型包括白炽灯泡、荧光灯泡、LED灯泡等。LED灯泡因其高效节能和长寿命而越来越受欢迎。
支架:台灯的支架用于支撑整个灯具,使其能够稳固地放置在桌面上,支架的设计可以是简单的直杆式,也可以是可调节角度和高度的设计,以便用户根据需要调整灯具的照射方向和角度。
台灯的照明亮度调节通常可以通过手动控制开关或旋钮来实现,一些高级的台灯还可能具有智能化的功能,可以通过触摸控制、遥控器或手机应用等方式进行亮度和色温的调节。台灯作为一种常见的照明设备,具有灵活、便捷的局部照明功能,可以满足不同场景和需求下的照明要求。
台灯的照明亮度调节是指根据需要调整台灯的亮度水平,以满足不同活动和任务对照明亮度的不同需求,调节台灯的亮度可以让用户在不同的场景下获得合适的照明效果,提高视觉舒适度和工作效率。
传统的台灯照明亮度调节方式通常是通过手动调节,包括:
开关控制,这是最简单的调节方式。台灯上配备了一个开关,通过打开和关闭开关来控制台灯的亮度。通常,开关有两个档位,一个是开启状态,另一个是关闭状态。这种方式只能实现简单的开关控制,无法进行精确的亮度调节。
旋钮调节,有些台灯上配备了一个旋钮,用户可以通过旋转旋钮来调节台灯的亮度。旋钮通常具有连续的旋转范围,用户可以根据需要选择合适的亮度水平,旋钮的位置和旋转方向通常与亮度呈线性关系,即旋钮转动的角度越大,亮度越高,这种方式相对于开关控制更加灵活,可以实现一定程度的亮度调节。
多档调节,一些台灯设计了多个亮度档位,用户可以通过切换不同的档位来调节亮度。通常,台灯上会有一个按钮或开关,用户可以按下或切换不同的档位,每个档位对应不同的亮度水平,这种方式提供了一定的亮度选择,用户可以根据需要选择合适的档位。
变压器调节,一些台灯使用变压器来调节亮度。变压器可以通过调整电流的大小来控制灯泡的亮度。用户可以通过旋钮或滑块等方式调节变压器的输出电流,从而实现亮度调节,这种方式可以实现较为精确的亮度调节,但通常需要较为复杂的电路设计。
然而,传统台灯的照明亮度调节方式存在一些局限性。传统的台灯通常只提供有限的亮度档位,例如开关控制只有开和关两个档位,旋钮调节可能有几个档位,这限制了用户在不同环境和需求下的精确亮度调节。传统台灯的亮度调节方式通常无法实现细致的调节,用户只能在预设的档位中选择,无法根据具体需求微调亮度水平。手动开关或旋钮调节需要用户亲自操作,可能在某些情况下不够方便,例如,当用户在读书或工作时,频繁调节台灯亮度可能会打断注意力和工作流程。传统台灯通常缺乏智能化的功能,无法根据用户的行为和环境变化自动调节亮度,这意味着用户需要手动调整台灯亮度以适应不同的活动和场景。
传统台灯照明亮度调节方式的弊端包括有限的亮度档位、缺乏细致调节、不便的操作和缺乏智能化功能。随着科技的发展,现代台灯已经提供了更多先进的照明亮度调节方式来克服这些弊端。为了解决这些问题,现代台灯通常配备了更先进的照明亮度调节技术,例如:触摸控制,一些台灯采用了触摸控制面板,用户可以通过触摸面板上的按钮或滑动条来调节台灯的亮度,触摸控制可以实现更方便、精确的亮度调节。远程控制,一些台灯配备了遥控器,用户可以通过遥控器来调节台灯的亮度,无需直接接触台灯本身,这种方式提供了更大的灵活性和便利性。智能调光,一些智能台灯配备了光感器和环境传感器,可以根据光线强度和环境亮度自动调节台灯的亮度,智能台灯还可以通过手机应用程序进行远程控制和调节。
在本申请的一个实施例中,图1为根据本申请实施例的台灯照明亮度调节系统的框图。如图1所示,根据本申请实施例的台灯照明亮度调节系统100,包括:用户行为监控视频采集模块110,用于通过摄像头采集用户行为状态监控视频;用户行为状态语义分析模块120,用于对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及,台灯亮度调控模块130,用于基于所述用户行为状态特征,调整所述台灯的照明亮度。
在所述用户行为监控视频采集模块110中,确保良好的视频采集质量,包括摄像头的位置和角度选择,适当的光线条件以及适时的视频采集频率。通过监控用户的行为状态,可以获取关键信息,如用户的位置、姿态、活动等,为后续的行为状态分析提供数据基础。
在所述用户行为状态语义分析模块120中,开发有效的视频特征提取算法,以准确地分析用户行为状态特征,这可能涉及计算机视觉、图像处理和机器学习等技术。通过对用户行为状态特征的分析,可以识别用户的行为模式和需求,如静态或动态活动、专注或放松状态等,为台灯亮度调节提供依据。
在所述台灯亮度调控模块130中,设计智能的亮度调节算法,将用户行为状态特征与合适的亮度水平进行匹配,考虑到用户的个人偏好和环境需求,提供灵活的亮度调节选项。根据用户行为状态特征调整台灯的照明亮度,使其与用户的活动和需求相匹配。例如,在用户专注工作时提供适当的亮度,而在用户放松休息时提供柔和的亮度,这种智能调节可以提高用户体验和舒适度。
台灯照明亮度调节系统的注意点包括确保视频采集质量、有效的行为状态特征提取算法和智能的亮度调节算法,这些模块的协同工作可以实现基于用户行为状态的台灯照明亮度调节,提供更智能、个性化和舒适的照明体验。
针对上述技术问题,本申请的技术构思为通过摄像头采集用户行为状态监控视频,并在后端引入图像处理和分析算法来对于用户行为状态监控视频进行分析以判断用户的行为状态语义,以根据用户的实际需求和场景变化进行台灯亮度的自适应调节,通过这样的方式,能够实现智能化、个性化的照明控制,提供更便捷、智能和舒适的照明体验。
具体地,在本申请的技术方案中,首先,获取由摄像头采集的用户行为状态监控视频。通过视频中的图像分析,可以确定用户的位置和姿态,这可以帮助系统了解用户的位置偏好和活动范围,从而根据位置调整台灯的照明范围或方向。通过视频分析,可以判断用户当前的活动类型,例如工作、阅读、休息、娱乐等,有助于系统根据不同活动类型提供适合的照明模式和亮度水平。通过观察用户的眼神方向、面部表情和动作,可以推测用户的专注程度,系统可以根据用户的专注程度调整台灯的亮度,以提供更好的工作或学习环境。视频可以提供环境中的光线情况,包括自然光和其他光源的强度和方向,这些信息可以帮助系统根据光线条件调整台灯的亮度和色温,以提供适合的照明效果。通过分析视频中的行为模式,例如用户的动作频率、时间分布和变化趋势,可以了解用户的行为习惯和规律,这可以用于预测用户的照明需求,并在需要时自动调整台灯的亮度。
用户行为状态监控视频可以提取用户位置和姿态、活动类型、专注程度、光线条件和行为模式等有用信息。这些信息可以帮助系统实现智能的亮度调节,提供个性化和舒适的照明体验。
摄像头采集的视频可以实时捕捉用户的行为状态,例如用户的位置、姿态、活动等,这些信息可以帮助系统了解用户当前的活动和需求。通过对采集的视频进行分析,可以提取出用户行为状态的特征,这可能包括用户的静态或动态活动、专注或放松状态等。这些特征可以用于判断用户当前的需求和偏好。基于用户行为状态特征,系统可以根据用户的活动和需求调整台灯的照明亮度。例如,当用户处于专注工作状态时,系统可以增加台灯的亮度以提供更好的照明效果,而当用户处于放松休息状态时,系统可以降低台灯的亮度以创造舒适的氛围。通过根据用户行为状态调整台灯的照明亮度,系统可以提供更智能、个性化和符合用户需求的照明体验,这可以提升用户的舒适度和满意度,使用户更加愿意使用台灯。
通过摄像头采集的用户行为状态监控视频可以为最后调整台灯的照明亮度提供实时行为状态信息和用户行为状态特征,从而实现个性化的亮度调节,提升用户体验和舒适度。
在本申请的一个实施例中,所述用户行为状态语义分析模块120,包括:关键帧提取单元,用于从所述用户行为状态监控视频提取多个用户行为状态监控关键帧;用户行为状态语义特征提取单元,用于通过基于深度神经网络模型的行为状态特征提取器分别对所述多个用户行为状态监控关键帧进行特征提取以得到多个用户行为状态特征向量;用户行为状态语义时序转移关联编码单元,用于对所述多个用户行为状态特征向量进行相似度转移拓扑关联分析以得到用户行为时序转移拓扑特征矩阵;用户行为状态特征转移融合单元,用于对所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵进行基于图结构的关联编码以得到时序拓扑用户行为状态特征矩阵作为所述用户行为状态特征。
其中,所述深度神经网络模型为卷积神经网络模型。
首先,从用户行为状态监控视频中提取多个用户行为状态监控关键帧,有助于减少数据量和提取代表性的图像帧,使后续处理更高效。然后,使用深度神经网络模型的行为状态特征提取器,对提取的关键帧进行特征提取,这可以捕捉到关键帧中的语义信息,例如用户的姿态、表情、动作等,进一步提供有关用户行为状态的特征向量。接着,对多个用户行为状态特征向量进行相似度转移拓扑关联分析,得到用户行为时序转移拓扑特征矩阵。这可以揭示用户行为之间的时序关联性,例如用户从一个状态转移到另一个状态的概率或模式。最后,对多个用户行为状态特征向量和用户行为时序转移拓扑特征矩阵进行基于图结构的关联编码,得到时序拓扑用户行为状态特征矩阵。这可以将用户行为状态特征与时序拓扑关系相结合,提供更全面和综合的用户行为状态特征。
通过深度神经网络模型的特征提取器,可以从关键帧中提取更丰富、更有代表性的用户行为状态特征,提高特征的表达能力。通过相似度转移拓扑关联分析和时序拓扑关联编码,可以揭示用户行为之间的时序关联性,帮助了解用户行为的演变和转移模式。通过特征转移融合,将用户行为状态特征与时序拓扑关系相结合,得到更全面、更准确的用户行为状态特征,提供更丰富的信息用于后续的台灯亮度调控。
关键帧提取单元、用户行为状态语义特征提取单元、用户行为状态语义时序转移关联编码单元和用户行为状态特征转移融合单元在用户行为状态监控视频处理中具有有益的效果,可以提高特征表达能力、捕捉时序关联性并提供综合的用户行为状态特征。
接着,考虑到由于所述用户行为状态监控视频中存在有大量的信息量,而并不是视频中的每一帧都对于用户的行为状态语义识别有着重要作用的,这是因为相邻两个时间点的视频帧中的语义信息相似,会存在大量的冗余,增加计算量和处理的复杂度。因此,在本申请的技术方案中,进一步从所述用户行为状态监控视频提取多个用户行为状态监控关键帧,以此来从所述用户行为状态监控视频中提取出有助于识别用户行为状态语义的关键视频帧,以便于后续的用户行为状态语义分析和减少冗余。
然后,使用在图像的隐含特征提取方面具有优异表现的基于卷积神经网络模型的行为状态特征提取器分别对所述多个用户行为状态监控关键帧进行特征挖掘,以分别提取出所述各个用户行为状态监控关键帧中有关于用户行为状态的隐含特征信息,从而得到多个用户行为状态特征向量。
在本申请的一个实施例中,所述用户行为状态语义时序转移关联编码单元,包括:用户行为状态特征相似度计算子单元,用于计算所述多个用户行为状态特征向量中任意两个用户行为状态特征向量之间的余弦相似度以得到用户行为时序转移拓扑矩阵;用户行为时序转移拓扑特征提取子单元,用于将所述用户行为时序转移拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到所述用户行为时序转移拓扑特征矩阵。
进一步地,还考虑到由于所述各个用户行为状态监控关键帧中有关于用户的行为状态隐含特征之间具有着时序的关联关系。因此,为了能够对于用户的行为状态语义进行识别检测,在本申请的技术方案中,进一步计算所述多个用户行为状态特征向量中任意两个用户行为状态特征向量之间的余弦相似度以得到用户行为时序转移拓扑矩阵。继而,再将所述用户行为时序转移拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器中进行特征提取,以提取出所述各个用户行为状态监控关键帧中有关于用户行为状态特征之间的相似度时序转移拓扑关联特征信息,从而得到用户行为时序转移拓扑特征矩阵。
卷积神经网络模型可以有效地捕捉到拓扑关系,即用户行为之间的时序转移模式,可以提取到用户行为时序转移拓扑矩阵中的拓扑特征,例如节点之间的连接和传递模式,以及节点的重要性和影响力。卷积神经网络模型具有强大的特征提取能力,可以从用户行为时序转移拓扑矩阵中提取更丰富、更有代表性的特征,这些特征可以更好地描述用户行为之间的关系和模式,为后续的分析和决策提供更准确的信息。
卷积神经网络模型通过训练过程中的反向传播算法,可以自动学习到适合于用户行为时序转移拓扑矩阵的特征表示,这意味着模型可以根据数据的特点和模式进行调整和优化,从而提取到更具有区分性和判别性的特征。卷积神经网络模型具有并行计算的优势,可以高效地处理大规模的用户行为时序转移拓扑矩阵,有助于加快特征提取的速度,使系统能够实时响应和处理用户行为状态的变化。
通过基于卷积神经网络模型的拓扑特征提取器处理用户行为时序转移拓扑矩阵可以捕捉拓扑关系、提高特征表达能力、自动学习特征表示并提高计算效率。这些有益效果有助于更好地理解和分析用户行为状态,并为智能台灯的亮度调控提供更准确和可靠的依据。
在本申请的一个实施例中,所述用户行为状态特征转移融合单元,用于:将所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵通过图神经网络模型以得到所述时序拓扑用户行为状态特征矩阵。
进而,以所述各个用户行为状态特征向量作为节点的特征表示,而以所述用户行为时序转移拓扑特征矩阵作为节点与节点之间的边的特征表示,将由所述多个用户行为状态特征向量经二维排列得到的用户行为状态特征矩阵和所述用户行为时序转移拓扑特征矩阵通过图神经网络模型以得到时序拓扑用户行为状态特征矩阵。具体地,所述图神经网络模型通过可学习的神经网络参数对所述用户行为状态特征矩阵和所述用户行为时序转移拓扑特征矩阵进行图结构数据编码以得到包含不规则的用户行为时序转移拓扑关联特征和所述各个关键帧下的用户行为状态隐含特征信息的所述时序拓扑用户行为状态特征矩阵。
在本申请的一个实施例中,所述台灯亮度调控模块130,包括:特征增益单元,用于对所述时序拓扑用户行为状态特征矩阵进行基于概率密度特征模仿范式的分布增益以得到增益后时序拓扑用户行为状态特征矩阵;用户行为状态检测单元,用于将所述增益后时序拓扑用户行为状态特征矩阵通过分类器以得到分类结果,所述分类结果用于表示用户行为状态标签;以及,台灯照明亮度控制单元,用于基于所述分类结果,调整所述台灯的照明亮度。
特别地,在本申请的技术方案中,将所述多个用户行为状态监控关键帧分别通过基于卷积神经网络模型的行为状态特征提取器以得到多个用户行为状态特征向量时,每个所述用户行为状态特征向量可以表达相应的用户行为状态监控关键帧的局部关联图像语义特征,这样,将所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵通过图神经网络模型后,得到的所述时序拓扑用户行为状态特征矩阵可以进一步表达各个图像帧的图像语义特征在特征语义时序相似度拓扑下的拓扑关联表示。这样,相对于图像帧的图像语义特征作为前景对象特征,在进行时序拓扑关联表示时,也会引入与各个局部时序下的图像语义特征分布干涉相关的背景分布噪声,并且,所述时序拓扑用户行为状态特征矩阵也具有局部时序和全局时序下的时序空间分级拓扑图像特征语义表达,由此,期望基于所述时序拓扑用户行为状态特征矩阵的分布特性来增强其表达效果。
因此,本申请的申请人对所述时序拓扑用户行为状态特征矩阵进行基于概率密度特征模仿范式的分布增益,具体表示为:以如下优化公式对所述时序拓扑用户行为状态特征矩阵进行基于概率密度特征模仿范式的分布增益以得到所述增益后时序拓扑用户行为状态特征矩阵;其中,所述优化公式为:
其中,M是所述时序拓扑用户行为状态特征矩阵,mi,j是所述时序拓扑用户行为状态特征矩阵的第(i,j)位置的特征值,N是所述时序拓扑用户行为状态特征矩阵的尺度,表示所述时序拓扑用户行为状态特征矩阵的F范数的平方,且α是加权超参数,exp(·)表示指数运算,m′i,j是所述增益后时序拓扑用户行为状态特征矩阵的第(i,j)位置的特征值。
这里,基于标准柯西分布对于自然高斯分布在概率密度上的特征模仿范式,所述基于概率密度特征模仿范式的分布增益可以将特征尺度作为模仿掩码,在高维特征空间内区分前景对象特征和背景分布噪声,从而基于高维特征的空间分级语义来对高维空间进行特征空间映射的语义认知的分布软匹配,来获得高维特征分布的无约束的分布增益,提升所述时序拓扑用户行为状态特征矩阵基于特征分布特性的表达效果,也就提升了所述时序拓扑用户行为状态特征矩阵通过分类器得到的分类结果的准确性,从而提升了所述台灯的照明亮度的调整效果。这样,能够基于用户的实际需求和场景变化来进行台灯亮度的自适应调节,从而实现智能化、个性化的照明控制,以提供更便捷、智能和舒适的照明体验。
在本申请的一个实施例中,所述用户行为状态检测单元,包括:矩阵展开子单元,用于将所述增益后时序拓扑用户行为状态特征矩阵按照行向量或列向量展开为分类特征向量;全连接编码子单元,用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;以及,分类子单元,用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
接着,再将所述时序拓扑用户行为状态特征矩阵通过分类器以得到分类结果,所述分类结果用于表示用户行为状态标签。具体地,在本申请的技术方案中,所述分类器的分类标签为用户行为状态标签,因此,在得到所述分类结果后,可以基于所述分类结果来自适应调整所述台灯的照明亮度,以实现智能化、个性化的照明控制。
通过对用户行为状态进行分类,可以根据不同的行为状态为每个用户提供个性化的照明亮度调节,不同的行为状态可能需要不同的照明亮度,例如阅读时需要较亮的光线,而放松时可能需要较柔和的光线。通过根据分类结果进行调节,可以满足用户的个性化需求,提供更舒适和适宜的照明体验。
基于分类结果调整台灯的照明亮度可以实现智能化控制,通过对用户行为状态的监测和分类,系统可以自动识别用户的行为,并根据分类结果智能地调整照明亮度。这样的智能化控制可以提高用户的使用便利性,使台灯能够根据用户的需要自动适应照明环境。
根据分类结果调整台灯的照明亮度可以帮助节约能源并降低能耗,当用户处于较亮的环境或不需要高亮度照明时,系统可以自动降低台灯的亮度,从而减少能源的消耗。这有助于节能环保,降低对环境的影响。通过根据分类结果调整台灯的照明亮度,可以提升用户的照明体验。根据用户的行为状态提供合适的照明亮度,可以提供更加舒适和符合需求的照明效果,提升用户的使用满意度和体验质量。
综上,基于本申请实施例的台灯照明亮度调节系统100被阐明,其通过摄像头采集用户行为状态监控视频,并在后端引入图像处理和分析算法来对于用户行为状态监控视频进行分析以判断用户的行为状态语义,以根据用户的实际需求和场景变化进行台灯亮度的自适应调节,通过这样的方式,能够实现智能化、个性化的照明控制,提供更便捷、智能和舒适的照明体验。
如上所述,根据本申请实施例的台灯照明亮度调节系统100可以实现在各种终端设备中,例如用于台灯照明亮度调节的服务器等。在一个示例中,根据本申请实施例的台灯照明亮度调节系统100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,该台灯照明亮度调节系统100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,该台灯照明亮度调节系统100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,该台灯照明亮度调节系统100与该终端设备也可以是分立的设备,并且该台灯照明亮度调节系统100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。
在本申请的一个实施例中,图2为根据本申请实施例的台灯照明亮度调节方法的流程图。图3为根据本申请实施例的台灯照明亮度调节方法架构的示意图。如图2和图3所示,所述台灯照明亮度调节方法,包括:210,通过摄像头采集用户行为状态监控视频;220,对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及,230,基于所述用户行为状态特征,调整所述台灯的照明亮度。
在所述台灯照明亮度调节方法中,对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征,包括:从所述用户行为状态监控视频提取多个用户行为状态监控关键帧;通过基于深度神经网络模型的行为状态特征提取器分别对所述多个用户行为状态监控关键帧进行特征提取以得到多个用户行为状态特征向量;对所述多个用户行为状态特征向量进行相似度转移拓扑关联分析以得到用户行为时序转移拓扑特征矩阵;对所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵进行基于图结构的关联编码以得到时序拓扑用户行为状态特征矩阵作为所述用户行为状态特征。
本领域技术人员可以理解,上述台灯照明亮度调节方法中的各个步骤的具体操作已经在上面参考图1的台灯照明亮度调节系统的描述中得到了详细介绍,并因此,将省略其重复描述。
图4为根据本申请实施例的台灯照明亮度调节系统的应用场景图。如图4所示,在该应用场景中,首先,通过摄像头采集用户行为状态监控视频(例如,如图4中所示意的C);然后,将获取的用户行为状态监控视频输入至部署有台灯照明亮度调节算法的服务器(例如,如图4中所示意的S)中,其中所述服务器能够基于台灯照明亮度调节算法对所述用户行为状态监控视频进行处理,以调整所述台灯的照明亮度。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
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。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
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 (10)
1.一种台灯照明亮度调节系统,其特征在于,包括:
用户行为监控视频采集模块,用于通过摄像头采集用户行为状态监控视频;
用户行为状态语义分析模块,用于对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及
台灯亮度调控模块,用于基于所述用户行为状态特征,调整所述台灯的照明亮度。
2.根据权利要求1所述的台灯照明亮度调节系统,其特征在于,所述用户行为状态语义分析模块,包括:
关键帧提取单元,用于从所述用户行为状态监控视频提取多个用户行为状态监控关键帧;
用户行为状态语义特征提取单元,用于通过基于深度神经网络模型的行为状态特征提取器分别对所述多个用户行为状态监控关键帧进行特征提取以得到多个用户行为状态特征向量;
用户行为状态语义时序转移关联编码单元,用于对所述多个用户行为状态特征向量进行相似度转移拓扑关联分析以得到用户行为时序转移拓扑特征矩阵;
用户行为状态特征转移融合单元,用于对所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵进行基于图结构的关联编码以得到时序拓扑用户行为状态特征矩阵作为所述用户行为状态特征。
3.根据权利要求2所述的台灯照明亮度调节系统,其特征在于,所述深度神经网络模型为卷积神经网络模型。
4.根据权利要求3所述的台灯照明亮度调节系统,其特征在于,所述用户行为状态语义时序转移关联编码单元,包括:
用户行为状态特征相似度计算子单元,用于计算所述多个用户行为状态特征向量中任意两个用户行为状态特征向量之间的余弦相似度以得到用户行为时序转移拓扑矩阵;
用户行为时序转移拓扑特征提取子单元,用于将所述用户行为时序转移拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到所述用户行为时序转移拓扑特征矩阵。
5.根据权利要求4所述的台灯照明亮度调节系统,其特征在于,所述用户行为状态特征转移融合单元,用于:将所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵通过图神经网络模型以得到所述时序拓扑用户行为状态特征矩阵。
6.根据权利要求5所述的台灯照明亮度调节系统,其特征在于,所述台灯亮度调控模块,包括:
特征增益单元,用于对所述时序拓扑用户行为状态特征矩阵进行基于概率密度特征模仿范式的分布增益以得到增益后时序拓扑用户行为状态特征矩阵;
用户行为状态检测单元,用于将所述增益后时序拓扑用户行为状态特征矩阵通过分类器以得到分类结果,所述分类结果用于表示用户行为状态标签;以及
台灯照明亮度控制单元,用于基于所述分类结果,调整所述台灯的照明亮度。
7.根据权利要求6所述的台灯照明亮度调节系统,其特征在于,所述特征增益单元,用于:以如下优化公式对所述时序拓扑用户行为状态特征矩阵进行基于概率密度特征模仿范式的分布增益以得到所述增益后时序拓扑用户行为状态特征矩阵;
其中,所述优化公式为:
其中,M是所述时序拓扑用户行为状态特征矩阵,mi,j是所述时序拓扑用户行为状态特征矩阵的第(i,j)位置的特征值,N是所述时序拓扑用户行为状态特征矩阵的尺度,表示所述时序拓扑用户行为状态特征矩阵的F范数的平方,且α是加权超参数,exp(·)表示指数运算,m′i,j是所述增益后时序拓扑用户行为状态特征矩阵的第(i,j)位置的特征值。
8.根据权利要求7所述的台灯照明亮度调节系统,其特征在于,所述用户行为状态检测单元,包括:
矩阵展开子单元,用于将所述增益后时序拓扑用户行为状态特征矩阵按照行向量或列向量展开为分类特征向量;
全连接编码子单元,用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;以及
分类子单元,用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
9.一种台灯照明亮度调节方法,其特征在于,包括:
通过摄像头采集用户行为状态监控视频;
对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征;以及
基于所述用户行为状态特征,调整所述台灯的照明亮度。
10.根据权利要求9所述的台灯照明亮度调节方法,其特征在于,对所述用户行为状态监控视频进行视频特征分析以得到用户行为状态特征,包括:
从所述用户行为状态监控视频提取多个用户行为状态监控关键帧;
通过基于深度神经网络模型的行为状态特征提取器分别对所述多个用户行为状态监控关键帧进行特征提取以得到多个用户行为状态特征向量;
对所述多个用户行为状态特征向量进行相似度转移拓扑关联分析以得到用户行为时序转移拓扑特征矩阵;
对所述多个用户行为状态特征向量和所述用户行为时序转移拓扑特征矩阵进行基于图结构的关联编码以得到时序拓扑用户行为状态特征矩阵作为所述用户行为状态特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316107.2A CN117355009A (zh) | 2023-10-11 | 2023-10-11 | 台灯照明亮度调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316107.2A CN117355009A (zh) | 2023-10-11 | 2023-10-11 | 台灯照明亮度调节方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117355009A true CN117355009A (zh) | 2024-01-05 |
Family
ID=89356967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311316107.2A Pending CN117355009A (zh) | 2023-10-11 | 2023-10-11 | 台灯照明亮度调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117355009A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005259437A (ja) * | 2004-03-10 | 2005-09-22 | Mitsubishi Electric Corp | 電気スタンド |
CN104540290A (zh) * | 2014-12-30 | 2015-04-22 | 广州视声电子科技有限公司 | 一种智能台灯的控制方法及智能台灯 |
CN113840417A (zh) * | 2021-09-08 | 2021-12-24 | 宁波海特技术转移有限公司 | 照明亮度自适应调整系统及其调整方法 |
CN114845442A (zh) * | 2021-02-02 | 2022-08-02 | 深圳慧安康科技有限公司 | 一种基于台灯的智能照明方法、装置、台灯和存储介质 |
CN116645917A (zh) * | 2023-06-09 | 2023-08-25 | 浙江技加智能科技有限公司 | Led显示屏亮度调节系统及其方法 |
CN116744511A (zh) * | 2023-05-22 | 2023-09-12 | 杭州行至云起科技有限公司 | 智能调光调色照明系统及其方法 |
CN116832588A (zh) * | 2023-08-25 | 2023-10-03 | 湖北鼎信成套设备有限公司 | 酸再生烟气净化装置及其方法 |
-
2023
- 2023-10-11 CN CN202311316107.2A patent/CN117355009A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005259437A (ja) * | 2004-03-10 | 2005-09-22 | Mitsubishi Electric Corp | 電気スタンド |
CN104540290A (zh) * | 2014-12-30 | 2015-04-22 | 广州视声电子科技有限公司 | 一种智能台灯的控制方法及智能台灯 |
CN114845442A (zh) * | 2021-02-02 | 2022-08-02 | 深圳慧安康科技有限公司 | 一种基于台灯的智能照明方法、装置、台灯和存储介质 |
CN113840417A (zh) * | 2021-09-08 | 2021-12-24 | 宁波海特技术转移有限公司 | 照明亮度自适应调整系统及其调整方法 |
CN116744511A (zh) * | 2023-05-22 | 2023-09-12 | 杭州行至云起科技有限公司 | 智能调光调色照明系统及其方法 |
CN116645917A (zh) * | 2023-06-09 | 2023-08-25 | 浙江技加智能科技有限公司 | Led显示屏亮度调节系统及其方法 |
CN116832588A (zh) * | 2023-08-25 | 2023-10-03 | 湖北鼎信成套设备有限公司 | 酸再生烟气净化装置及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109542233B (zh) | 一种基于动态手势和人脸识别的灯具控制系统 | |
CN114189969B (zh) | 灯具控制方法、装置、电子设备及计算机可读存储介质 | |
CN117355013A (zh) | 一种基于视觉感知的led智能照明控制系统 | |
CN117222069B (zh) | 照明驱动电源的智能控制方法 | |
CN108629272A (zh) | 一种基于单目摄像头的嵌入式手势控制方法及系统 | |
CN116916497A (zh) | 基于嵌套态势识别的落地柱形氛围灯光照控制方法及系统 | |
CN110471301A (zh) | 一种基于用户行为的智能家居服务推荐系统及方法 | |
CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制系统及方法 | |
Khalili et al. | Hierarchical preference learning for light control from user feedback | |
CN111984124A (zh) | 一种舞台灯光控台的操作方法、介质及舞台灯光控台 | |
CN117545122B (zh) | 一种led灯阵控制方法、装置、存储介质及设备 | |
CN117355009A (zh) | 台灯照明亮度调节方法及系统 | |
CN117729672A (zh) | 基于人体节律的健康照明控制方法、装置、设备及介质 | |
WO2022267480A1 (zh) | 用于空调器的控制方法、装置、空调器及存储介质 | |
CN110594179A (zh) | 风扇及风扇控制方法 | |
CN117750593B (zh) | 一种基于人工智能的调光驱动及调光系统 | |
CN114942804A (zh) | 客户端的页面背景更新方法、装置、电子设备和存储介质 | |
CN117998712B (zh) | 台灯灯光的节能控制方法及系统 | |
CN118265207A (zh) | 一种书桌照明控制方法及装置 | |
Taban et al. | Smart Electronic Switching (ON/OFF) system based on real-time detection of hand location in the video frames | |
CN117279170B (zh) | 用于护眼灯的灯光调节方法及系统 | |
CN117241443A (zh) | 基于物联网的智能照明灯具及其智能控制方法 | |
Grigoryev et al. | Illuminance adjustment in a LED lighting system using a webcam | |
CN113655728A (zh) | 一种适用于客厅的智能背景墙 | |
CN118382182A (zh) | 一种基于物联网的台灯照明控制系统 |
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 |