CN117500118B - 照明灯塔设备的智能控制方法、装置、设备及存储介质 - Google Patents
照明灯塔设备的智能控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117500118B CN117500118B CN202410002146.3A CN202410002146A CN117500118B CN 117500118 B CN117500118 B CN 117500118B CN 202410002146 A CN202410002146 A CN 202410002146A CN 117500118 B CN117500118 B CN 117500118B
- Authority
- CN
- China
- Prior art keywords
- data
- lighting
- equipment
- lighthouse
- environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000005286 illumination Methods 0.000 claims abstract description 80
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000003891 environmental analysis Methods 0.000 claims abstract description 30
- 230000008447 perception Effects 0.000 claims abstract description 24
- 238000010223 real-time analysis Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 41
- 230000004927 fusion Effects 0.000 claims description 35
- 230000009466 transformation Effects 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000001953 sensory effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000009826 distribution Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010011469 Crying Diseases 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 238000006424 Flood reaction Methods 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect 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
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
- H05B45/10—Controlling the intensity of the light
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/175—Controlling the light source by remote control
Abstract
本发明提供了一种照明灯塔设备的智能控制方法、装置、设备及存储介质，该方法包括：通过照明灯塔设备上安装的传感器，对照明灯塔设备周围环境进行环境感知，得到感知数据；根据感知数据对照明灯塔设备周围环境进行实时分析，得到照明灯塔设备所处的环境分析数据；基于环境分析数据结合预设的节能策略，确定照明灯塔设备需提供的指挥信号，并控制照明灯塔设备发出指挥信号；实时检测照明灯塔设备对应的遥控设备是否发远程控制信号；若是，则根据远程控制信号，控制照明灯塔对指挥信号进行调整。本方法通过获取感知数据进行环境分析从而实现了基于实际情况确定指挥信号的能力，可以更准确地判断所处环境，从而生成适应性更强的指挥信号。
Description
技术领域
本发明涉及应急照明领域，尤其涉及一种照明灯塔设备的智能控制方法、装置、设备及存储介质。
背景技术
在应急场景下，例如地震、洪水、火灾、停电等情况，照明设备一般被用来提供紧急照明。这些设备通常需要快速部署、易于移动和耐用可靠，便于应对灾难现场的复杂环境。而“照明灯塔”是其中一种高大形状的照明设备，通常由多个照明灯组成，可以通过远距离和360度角度提供光照，从而在灾难现场提供更加强大的照明效果。这些照明灯塔通常由柱子，可以通过自动升降装置进行高度调节。它们通常使用LED光源，通过透镜或者反射器来控制光线的方向和强度。通常通过定时器或自动化系统来控制发出的报警信号和照明信号，这些信号统称为指挥信号。自动化系统通常配备了应用程序、驱动程序和操作系统等软件，以便用户可以通过计算机对灯塔进行控制和监控。用户可以通过应用程序对发光模式、频率、强度等参数进行设置，并将设置上传到自动化系统中。一旦自动化系统接收到用户的设置，它会将相应的指令传递给灯塔，以便控制光束的强度和报警模式。然而，这些方式通常只能根据用户预设的设置发出固定模式的指挥信号，无法根据照明灯塔的所处环境进行适应性调整，导致人力资源浪费，以及无法得到最适合的指挥信号，从而影响其安全性和效率。
发明内容
本发明的主要目的在于解决现有的灯塔设备仅用于现场照明，需要人工手动操作控制灯塔设备，不能根据现场使用环境实现更人性化的智慧型管理，自动化系统需用户设置导致无法准确发出合适的指挥信号的技术问题。
本发明第一方面提供了一种照明灯塔设备的智能控制方法，所述照明灯塔设备的智能控制方法包括：
通过照明灯塔设备上安装的传感器，对所述照明灯塔设备周围环境进行环境感知，得到感知数据；
根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据；
基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号；
获取所述照明灯塔设备对应的遥控设备的远程控制信号，并根据所述远程控制信号，控制所述照明灯塔对所述指挥信号进行调整。
可选的，在本发明第一方面的第一种实现方式中，所述环境分析数据包括环境数据，所述传感器包括气象传感器，所述感知数据包括气象数据；
所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据包括：
将所述气象数据输入预设的环境分析模型中，通过所述环境分析模型对所述气象数据进行数据预处理，得到预处理数据；
对所述预处理数据进行特征提取和特征融合，得到环境特征向量；
根据所述环境特征向量对照明灯塔设备所处的环境进行分类，得到对应的环境类别，并将所述环境类别作为照明灯塔设备所处的环境数据。
可选的，在本发明第一方面的第二种实现方式中，所述环境分析数据还包括能见度数据，所述传感器还包括相机设备，所述感知数据包括所述相机设备拍摄的所述照明灯塔设备所在场景的多张实时监控图像；
所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据包括：
将所述多个实时监控图像和所述气象数据输入预设的能见度检测模型中，其中，所述能见度检测模型为多模态模型，所述多模态模型包括输入层、注意力机制层、特征融合层、分类层和输出层；
通过所述输入层对所述气象数据进行数据预处理以及数据特征提取，得到数据特征，并对所述多个实时监控图像进行图像特征提取，得到图像特征；
通过所述注意力机制层分别计算所述数据特征和所述图像特征的注意力权重向量；
通过所述特征融合层根据所述权重向量对所述数据特征和所述图像特征进行加权融合，得到融合特征向量；
通过所述分类层根据所述融合特征向量计算所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据。
可选的，在本发明第一方面的第三种实现方式中，所述通过所述分类层根据所述融合特征向量计算所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据包括：
通过所述分类层将所述融合特征向量线性变换映射至高维特征空间，得到线性变换结果；
通过预设的激活函数对所述线性变换结果进行非线性变换，得到非线性变换结果；
通过所述分类层中的全连接层根据所述非线性变换结果计算所述照明灯塔设备所处的环境对应不同能见度区间的能见度数据的概率；
将概率最高的能见度区间的能见度数据作为所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据。
可选的，在本发明第一方面的第四种实现方式中，所述传感器包括相机设备；所述感知数据包括所述相机设备拍摄的所述照明灯塔设备所在场景的实时监控视频；
在所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据之后，还包括：
对所述实时监控视频进行分帧处理，并对分帧处理后的当前帧图像进行人员检测，确定所述当前帧图像中是否存在人员；
若存在，则将所述当前帧图像中的人员作为目标人员，并在所述当前帧图像的后续帧图像中对所述目标人员进行位置跟踪，得到所述目标人员的跟踪轨迹；
在所述当前帧图像的后续帧图像中对所述目标人员进行行为识别，得到行为数据，并基于所述跟踪轨迹和所述行为数据判断所述目标人员是否为待救援人员。
可选的，在本发明第一方面的第五种实现方式中，所述指挥信号包括照明信号，所述基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号包括：
基于所述节能策略获取对应的适应度函数，并随机生成一组候选照明信号作为种群，所述种群中的各个个体分别对应一个照明信号；
根据所述环境分析数据计算所述种群中的每个个体的适应度值，并根据所述适应度值从所述种群中筛选父母个体；
分别对所述父母个体进行交叉操作和变异操作，得到所述种群的新个体，并返回所述根据所述环境分析数据计算所述种群中的每个个体的适应度值的步骤，进行循环处理，直至满足预设的停止条件；
将所述循环处理过程中适应度值最高的个体对应的照明信号作为所述照明灯塔设备需提供的照明信号，并控制所述照明灯塔设备发出所述照明信号。
可选的，在本发明第一方面的第六种实现方式中，所述获取所述照明灯塔设备对应的遥控设备的远程控制信号，并根据所述远程控制信号，控制所述照明灯塔对所述照明信号进行调整包括：
获取所述照明灯塔设备的实时状态数据，并将所述实时状态数据显示在所述照明灯塔设备对应的遥控设备的显示页面；
响应于针对所述遥控设备的点选操作，确定所述点选操作对应的控制选项和/或控制参数；
基于所述控制选项和/或控制参数生成远程控制信号，并基于所述远程控制信号对所述照明灯塔设备的指挥信号和实时状态数据进行调整。
本发明第二方面提供了一种照明灯塔设备的智能控制装置，所述照明灯塔设备的智能控制装置包括：
通过照明灯塔设备上安装的传感器，对所述照明灯塔设备周围环境进行环境感知，得到感知数据；
根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据；
基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号；
获取所述照明灯塔设备对应的遥控设备的远程控制信号，并根据所述远程控制信号，控制所述照明灯塔对所述指挥信号进行调整。
本发明第三方面提供了一种照明灯塔设备的智能控制装置，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述照明灯塔设备的智能控制设备执行上述的照明灯塔设备的智能控制方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的照明灯塔设备的智能控制方法的步骤。
上述照明灯塔设备的智能控制方法、装置、设备及存储介质，通过照明灯塔设备上安装的传感器，对照明灯塔设备周围环境进行环境感知，得到感知数据；根据感知数据对照明灯塔设备周围环境进行实时分析，得到照明灯塔设备所处的环境分析数据；基于环境分析数据结合预设的节能策略，确定照明灯塔设备需提供的指挥信号，并控制照明灯塔设备发出指挥信号；实时检测照明灯塔设备对应的遥控设备是否发远程控制信号；若是，则根据远程控制信号，控制照明灯塔对指挥信号进行调整。本方法通过获取感知数据进行环境分析从而实现了基于实际情况确定指挥信号的能力，可以更准确地判断所处环境，从而生成适应性更强的指挥信号。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例中照明灯塔设备的智能控制方法的一个实施例示意图；
图2为本发明实施例中照明灯塔设备的智能控制装置的一个实施例示意图；
图3为本发明实施例中照明灯塔设备的智能控制设备的一个实施例示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种照明灯塔设备的智能控制方法进行详细介绍。如图1所示，该照明灯塔设备的智能控制的方法，本方法包括如下步骤：
101、通过照明灯塔设备上安装的传感器，对照明灯塔设备周围环境进行环境感知，得到感知数据；
在本发明的一个实施例中，通过在照明灯塔设备上安装的传感器，如气象传感器、相机设备、热成像设备、温度计、照度仪设备、音频设备、定位设备等等，这些传感器可以对照明灯塔设备周围的环境进行全面的环境感知，从而获取详细的感知数据。气象传感器可以监测气象条件，包括温度、湿度、气压等参数，以及风速和风向等气象信息。这些数据有助于了解周围环境的气候特征，帮助调节照明设备以适应不同的气象条件，提高设备的适应性和可靠性。相机设备能够实时捕捉照明灯塔周围的视觉信息，通过拍摄作为图像进行能见度分析，热成像设备（如热像仪）通过使用红外传感器和光学系统来捕获红外辐射，并将其转化为可见的热图像。这些设备可以检测和显示不同物体表面的热量差异，从而提供有关温度分布的信息。热成像设备通常具有高灵敏度和分辨率，能够提供准确的温度测量。温度计是一种常见的电子仪器，用于测量物体或环境的温度。传统的温度计基于热膨胀原理，例如水银温度计或酒精温度计。这些温度计通过测量物质的膨胀或收缩来反映温度变化，并将其与已知的温度刻度进行比较以获得温度读数，照度仪是一种用于测量环境光照强度的仪器，也被称为光照度计或光度计。它能够感知周围环境的光照水平，并提供相应的数据。照度仪通过使用光敏元件（例如光电二极管或光敏电阻）来测量光的强度。这些光敏元件对光具有感应能力，能够将光信号转换为电信号。照度仪会测量光敏元件上产生的电信号的大小，从而确定光照的强度。为了进行环境感知并获取所处环境的数据，照度仪需要被放置在要测量的位置上。它会感知周围的光照强度，并将其转换为数字或模拟信号输出。这些输出数据可以用于监测和记录光照水平，以便进行后续分析或控制。音频设备通常使用麦克风来感知环境。麦克风是一种将声音转换为电信号的传感器，可以捕捉到周围的声波数据。然后音频设备使用信号处理技术来分析声波数据，以获取关于环境的信息。例如，通过对声音的频率、强度和时间等方面的分析，音频设备可以确定所处的环境噪声水平、声源的位置和类型等信息。此外，音频设备还可以识别特定的声音模式，例如人类语音、动物叫声等，从而判断出环境中可能存在的人或动物类型。通过上述传感器获取的传感器数据进行环境感知，得到环境感知数据，也就是传感器数据，通过对这些感知数据可以进行分析，可以对指挥信号，包括照明信号和报警信号进行调节，照明灯塔设备可以更加智能化地应对不同的环境情况，从而实现更高效的能源利用和更安全的照明管理，实现多种照明和指挥等的智慧化管理功能，包括自动调节照明运行方案、智能灯光节能控制、现场作业异常报警、现场数据收集共享从而达到科学高效的节能运行、设备精细化把控、现场指挥决策、资源调度过程留痕，此外还可以设置其他传感器，本发明不做限定。
102、根据感知数据对照明灯塔设备周围环境进行实时分析，得到照明灯塔设备所处的环境分析数据；
在本发明的一个实施例中，所述环境分析数据包括环境数据，所述传感器包括气象传感器，所述感知数据包括气象数据；所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据包括：将所述气象数据输入预设的环境分析模型中，通过所述环境分析模型对所述气象数据进行数据预处理，得到预处理数据；对所述预处理数据进行特征提取和特征融合，得到环境特征向量；根据所述环境特征向量对照明灯塔设备所处的环境进行分类，得到对应的环境类别，并将所述环境类别作为照明灯塔设备所处的环境数据。
具体的，当获取到照明灯塔设备上安装的传感器上传的感知数据时，其中包括气象传感器获取的气象数据。这些气象数据可能包括温度、湿度、风速、风向等与天气和环境相关的信息。接下来，可以将所述气象数据输入预设的环境分析模型中。该环境分析模型可以采用卷积神经网络（CNN）作为示例。首先，对输入的气象数据进行预处理，例如进行数据归一化，将数据范围控制在统一的区间内。然后，通过卷积层、池化层等操作，提取气象数据中的空间特征和时间特征。接下来，通过全连接层将提取到的特征转化为环境特征向量。这个向量可以被看作是对气象数据的抽象表示，其中包含了与环境相关的关键特征。随后，根据所得到的环境特征向量，可以使用分类器对照明灯塔设备所处的环境进行分类。分类器可以是支持向量机（SVM）、逻辑回归（Logistic Regression）或者其他分类算法。通过训练这个分类器，使其能够将环境特征向量映射到预定义的环境类别，例如晴天、雨天、大风天等。最终，系统可以根据分类结果得到照明灯塔设备所处的环境数据，也就是环境类别。这个环境类别可以用来指导照明灯塔调整照明信号，以适应不同的天气和环境条件。
进一步的，所述环境数据还包括能见度数据，所述环境分析数据还包括能见度数据，所述传感器还包括相机设备，所述感知数据包括所述相机设备拍摄的所述照明灯塔设备所在场景的多张实时监控图像；
所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据包括：将所述多个实时监控图像和所述气象数据输入预设的能见度检测模型中，其中，所述能见度检测模型为多模态模型，所述多模态模型包括输入层、注意力机制层、特征融合层、分类层和输出层；通过所述输入层对所述气象数据进行数据预处理以及数据特征提取，得到数据特征，并对所述多个实时监控图像进行图像特征提取，得到图像特征；通过所述注意力机制层分别计算所述数据特征和所述图像特征的注意力权重向量；通过所述特征融合层根据所述权重向量对所述数据特征和所述图像特征进行加权融合，得到融合特征向量；通过所述分类层根据所述融合特征向量计算所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据。
具体的，在实际应用中，因为气象数据等数据都是数值数据，而实时监控图像是图像数据，因此可以使用融合多种类型特征的神经网络模型对数值数据和多个实时监控图像进行处理，融合多种类型特征的神经网络模型可以使用多输入模型、深度融合模型或注意力融合模型，其中，多输入模型可以将数值数据和图像数据分别作为不同的输入层，并通过连接层将它们合并为一个模型。这种方法可以使用常见的卷积神经网络，如ResNet、EfficientNet等，或视觉Transformer来处理图像数据，并使用全连接层来处理数值数据。深度融合模型可以将数值数据和图像数据分别送入各自的神经网络中进行特征提取和分类预测，并将它们的输出连接到全连接层中进行综合学习和分类预测。这种方法可以使用多个神经网络模型，例如一个卷积神经网络和一个全连接神经网络，以处理不同类型的特征。而本实施例主要使用注意力融合模型，其使用注意力机制来加权融合不同类型的特征。这种方法可以对数值数据和图像数据分别进行特征提取。
具体的，通过所述输入层对数值数据进行数据预处理以及数据特征提取，得到数据特征，并对所述多个实时监控图像进行图像特征提取，得到图像特征，其中，对于数值数据，将数值数据作为输入层的神经元，通过一些全连接层进行特征提取和转换，得到了一个维度为d的数值特征向量，图像特征提取可以使用视觉Transformer（如ViT）来处理图像数据，提取图像特征。假设得到了一个维度为d的图像特征向量，然后在注意力机制层使用注意力机制来加权融合数值特征和图像特征。可以使用自注意力机制（self-attention）来计算每个特征的重要性权重，得到了数值特征和图像特征的注意力权重向量，然后将数值特征向量和图像特征向量按照注意力权重进行加权融合，得到最终的融合特征向量，最后将融合特征向量输入到全连接层进行分类预测。这个层可以包括多个全连接层、激活函数和损失函数，用于模型的训练和优化。
进一步的，所述通过所述分类层根据所述融合特征向量计算所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据包括：通过所述分类层将所述融合特征向量线性变换映射至高维特征空间，得到线性变换结果；通过预设的激活函数对所述线性变换结果进行非线性变换，得到非线性变换结果；通过所述分类层中的全连接层根据所述非线性变换结果计算所述照明灯塔设备所处的环境对应不同能见度区间的能见度数据的概率；将概率最高的能见度区间的能见度数据作为所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据。
具体的，将得到的融合特征向量作为全连接层的输入，将融合特征向量通过线性变换映射到一个更高维度的特征空间。这个线性变换通常是一个全连接层，其中包含多个神经元（节点），每个神经元与融合特征向量的每个元素相连。对线性变换的结果进行非线性变换，引入非线性关系以增加模型的表达能力。常用的激活函数包括ReLU、sigmoid、tanh等。激活函数的选择取决于具体的任务和模型设计。根据任务的不同，输出层的设计也会有所差异。例如，对于二分类任务，可以使用一个神经元并应用sigmoid激活函数来输出一个0到1之间的概率值；对于多分类任务，可以使用多个神经元，并应用softmax激活函数来输出每个类别的概率分布。根据输出层的结果，可以根据预先定义的阈值或者选择概率最高的类别来进行最终的分类预测，得到照明灯塔设备所处的环境的能见度数据。
具体的，上述内容主要为用于对指挥信号中的照明信号相关的环境分析数据进行获取的过程，此外，还可以对指挥信号中的报警信号相关的环境分析数据进行获取，例如根据获取到的传感器数据还可以进行高温报警、危险报警、现场人员未佩戴安全帽报警、漏电报警等等，其中高温报警，通过选用具有高精度、高灵敏度和稳定性的温度传感器。例如，热电偶、热敏电阻或红外温度传感器等，根据实际需求，设定一个温度阈值，超过该温度就会触发警报。这个温度阈值可以根据环境、设备和人员的安全需求进行调整。或者进行现场人员未佩戴安全帽报警，对相机设备对采集到的图像进行预处理，以提高图像质量和增强关键信息，并利用物体检测算法对预处理后的图像进行处理，以检测出图像中的人员和安全帽。常用的物体检测算法包括基于深度学习的目标检测算法，如YOLO（You Only LookOnce）、Faster R-CNN（Region-based Convolutional Neural Networks）等。在检测到的人员和安全帽区域上应用特征提取算法，将其转化为数字特征向量。这些特征向量将用于后续的分类任务。使用分类器对提取到的特征向量进行分类，判断每个区域是否是安全帽区域，根据分类结果，判断人员是否佩戴安全帽，该分类结果即为环境分析数据，根据不同的传感器的感知数据进行分析，可以使用多种报警机制，保证灾害场景的安全。
在本发明的一个实施例中，所述传感器包括相机设备；所述感知数据包括所述相机设备拍摄的所述照明灯塔设备所在场景的实时监控视频；在所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据之后，还包括：对所述实时监控视频进行分帧处理，并对分帧处理后的当前帧图像进行人员检测，确定所述当前帧图像中是否存在人员；若存在，则将所述当前帧图像中的人员作为目标人员，并在所述当前帧图像的后续帧图像中对所述目标人员进行位置跟踪，得到所述目标人员的跟踪轨迹；在所述当前帧图像的后续帧图像中对所述目标人员进行行为识别，得到行为数据，并基于所述跟踪轨迹和所述行为数据判断所述目标人员是否为待救援人员。
具体的，针对每一帧图像，可以进行人员检测。通过使用计算机视觉技术，例如目标检测算法（如基于深度学习的物体检测算法，如YOLO、Faster R-CNN等），对分帧处理后的当前帧图像进行分析，以确定是否存在人员。这些算法可以识别图像中的人员，并给出其位置和边界框信息。如果在当前帧图像中检测到人员，则将该人员作为目标人员。然后，在当前帧图像的后续帧图像中进行目标人员的位置跟踪。跟踪算法可以采用基于特征点匹配、光流估计或者深度学习的视觉跟踪算法，如卡尔曼滤波、优化跟踪器等。通过跟踪算法，可以实时更新目标人员的位置，并获得其在后续帧图像中的跟踪轨迹。
具体的，基于目标人员的跟踪轨迹，可以判断目标人员的行踪，在自然灾害的场景中，待救援人员的行踪和救援人员的行踪是不一样的，待救援人员一般由于掩埋和受伤等因素，会在原地等待救援，而救援人员需要在救援范围内进行移动，方便进行搜救，并且，两者的行为方式也不相同，当检测到检测范围内存在目标人员时，可以通过高分辨率的相机设备，放大拍摄的视频图片，通过放大的视频图片对该目标人员进行行为分析，包括标人员在视频中的运动速度，目标人员移动的方向，目标人员的身体姿势，如站立、跪着、躺着等，目标人员在视频序列中的姿态变化，如弯曲、伸展等，目标人员的身体姿态是否稳定，如摇晃、颤抖等，甚至于目标人员的面部特征，包括目标人员的面部表情，如笑、哭、惊讶等，目标人员的眼睛运动，如注视、眨眼等，通过上述分析，进而判断该目标人员是否为待救援人员。
进一步的， 所述将所述当前帧图像中的人员作为目标人员，并在所述当前帧图像的后续帧图像中对所述目标人员进行位置跟踪，得到所述目标人员的跟踪轨迹包括：将所述当前帧图像作为第一帧图像，并将所述当前帧图像的下一帧图像作为第二帧图像；生成所述第一帧图像和所述第二帧图像之间的热度分布图和前景框选图，并将所述热度分布图和所述前景框选图进行图像融合，生成融合热度图；根据所述融合热度图确定所述当前帧图像中目标人物的跟踪轨迹；分别将所述第二帧图像更新为第一帧图像，将所述二帧图像的下一帧图像更新为第二帧图像，并返回至生成所述第一帧图像和所述第二帧图像之间的热度分布图和前景框选图的步骤，直至满足预设的停止条件。
为了实现目标人物的跟踪，首先将当前帧图像定义为第一帧图像，并将当前帧图像的下一帧图像定义为第二帧图像。接下来，需要生成第一帧图像和第二帧图像之间的热度分布图和前景框选图，并将它们进行图像融合，生成融合热度图。生成热度分布图的过程中，系统会根据图像中各个区域的像素值计算出相应的热度值。热度值表示了该区域内目标人物可能存在的程度。同时，系统还会进行前景框选，将可能是目标人物的区域框选出来，以便更准确地跟踪目标人物。在生成了热度分布图和前景框选图之后，系统会将它们进行图像融合，生成融合热度图。图像融合可以通过加权平均、叠加等方式实现，以保留热度分布和前景框选的信息。接下来，根据融合热度图确定当前帧图像中目标人物的跟踪轨迹。系统会根据热度值的高低以及前景框选的位置来确定目标人物所在的区域。这个位置信息可以用于后续的目标跟踪和分析。然后，将第二帧图像更新为第一帧图像，将第二帧图像的下一帧图像更新为第二帧图像。这样可以进行下一轮的热度分布图和前景框选图的生成和融合。重复以上步骤，直到满足预设的停止条件为止。停止条件可以是目标人物跟踪的精度达到一定阈值，或者达到预设的时间或帧数等。通过将当前帧图像和下一帧图像生成热度分布图和前景框选图，并进行图像融合和目标人物跟踪，实现了对目标人物的连续跟踪。
103、基于环境分析数据结合预设的节能策略，确定照明灯塔设备需提供的照明信号，并控制照明灯塔设备发出指挥信号；
在本发明的一个实施例中，所述指挥信号包括照明信号，可以据环境数据中的天气和能见度信息，确定当前的照明需求。例如，如果能见度较低或天气恶劣，可能需要更强的照明信号以提高可见性。此外通过已获取的检测结果，识别待救援人员的位置和数量。根据待救援人员的位置和数量，判断紧急救援的程度。如果有多个待救援人员且位置分散，紧急程度可能更高，此时需要更明显的照明信号。此外根据照明需求和紧急程度，确定适合的照明信号类型。例如，当发现待救援人员时，可以选择闪烁的照明信号，以吸引救援人员的注意，最后将确定的照明信号类型和参数信息传送给照明灯塔设备，控制其发出相应的照明信号。
进一步的，所述基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号包括：基于所述节能策略获取对应的适应度函数，并随机生成一组候选照明信号作为种群，所述种群中的各个个体分别对应一个照明信号；根据所述环境分析数据计算所述种群中的每个个体的适应度值，并根据所述适应度值从所述种群中筛选父母个体；分别对所述父母个体进行交叉操作和变异操作，得到所述种群的新个体，并返回所述根据所述环境分析数据计算所述种群中的每个个体的适应度值的步骤，进行循环处理，直至满足预设的停止条件；将所述循环处理过程中适应度值最高的个体对应的照明信号作为所述照明灯塔设备需提供的照明信号，并控制所述照明灯塔设备发出所述照明信号。
具体的，在本实施例中，使用遗传算法来搜索最有效的照明信号组合，可以将环境分析数据和节能策略作为适应度函数的输入，从而指导遗传算法搜索最优解。首先，需要定义照明信号的基因编码方式，例如可以将照明信号的亮度、颜色等参数编码为基因序列。然后随机生成初始种群，每个个体代表一个可能的照明信号组合，即一组基因序列。对于每个个体，使用环境分析数据和节能策略来计算其适应度值。适应度值可以根据节能效果来评估，例如根据照明效果和能耗来进行评估。根据适应度值，采用选择操作选择出适应度较高的个体，作为下一代种群的父母个体。对所选出的父母个体进行交叉操作，产生新的个体。对新产生的个体进行变异操作，以增加种群的多样性。经过选择、交叉、变异等操作，迭代地更新种群，直到达到停止条件，在遗传算法迭代结束后，选择适应度最高的个体作为最终的照明信号组合，该组合可以应用于实际的节能策略中。
具体的，所述指挥信号还包括报警信号，通过上面的根据感知数据对照明灯塔设备周围环境进行分析，得到的环境分析数据，可以实现对预设的报警机制的报警，例如如高温报警、危险报警、现场人员未佩戴安全帽报警、漏电报警等等，对应不同报警机制，可以设置不同的报警信号，以方便现场人员进行识别，并及时采取对应的应对措施。例如照明灯塔可以通过闪烁、变色或者变亮变暗等方式发出光信号，用于吸引人们的注意力。例如，高温报警时，灯塔可以发出红色闪光信号；危险报警时，灯塔可以发出警示黄色光信号，照明灯塔可以配备声音发生器，通过发出不同频率或者不同音调的声音信号来进行报警。例如，高温报警时，灯塔可以发出持续而刺耳的警报声；漏电报警时，灯塔可以发出间歇性的警示声。照明灯塔可以在其身上设置标志或标识，以直观地传达不同的报警信息。例如，现场人员未佩戴安全帽时，灯塔可以展示一个红色的安全帽图标；漏电报警时，灯塔可以展示一个闪电符号。此外照明灯塔的外部可以配备显示屏，通过显示文字或数字来传达报警信息。例如，温度超过阈值时，灯塔的显示屏可以显示"高温警报！"；危险报警时，灯塔的显示屏可以显示"危险，请迅速撤离！"。
104、获取照明灯塔设备对应的遥控设备的远程控制信号，并根据远程控制信号，控制照明灯塔对指挥信号进行调整。
进一步的，所述获取所述照明灯塔设备对应的遥控设备的远程控制信号，并根据所述远程控制信号，控制所述照明灯塔对所述指挥信号进行调整包括：获取所述照明灯塔设备的实时状态数据，并将所述实时状态数据显示在所述照明灯塔设备对应的遥控设备的显示页面；响应于针对所述遥控设备的点选操作，确定所述点选操作对应的控制选项和/或控制参数；基于所述控制选项和/或控制参数生成远程控制信号，并基于所述远程控制信号对所述照明灯塔设备的指挥信号和实时状态数据进行调整。
具体的，为了实现照明信号和实时状态数据的调整，首先需要获取照明灯塔设备的实时状态数据，并将这些数据显示在遥控设备的显示页面上。这可以通过远程监测系统来实现，该系统能够实时获取照明灯塔的各种状态信息，如灯光亮度、颜色、闪烁频率等。一旦实时状态数据显示在遥控设备上，操作人员可以通过点选操作与遥控设备进行交互。当操作人员进行点选操作时，系统会相应地确定所选操作对应的控制选项和/或控制参数。这可能涉及调整灯光的亮度、颜色、闪烁频率、以及特定的照明信号模式等。基于确定的控制选项和/或控制参数，系统会对照明灯塔设备的照明信号和实时状态数据进行调整。例如，如果操作人员选择增加灯光亮度，系统会相应地增加照明灯塔的灯光亮度。如果操作人员选择改变照明信号模式，系统会相应地调整照明灯塔发出的照明信号模式。这一过程中，遥控设备起到了操作接口的作用，使操作人员能够方便地通过点选操作来控制照明灯塔设备的照明信号和实时状态数据。系统则根据操作人员的选择来调整照明灯塔的参数，确保它能够提供合适的状态信息。通过获取实时状态数据、响应点选操作并调整照明信号和实时状态数据，该系统能够实现对照明灯塔设备的远程控制和监控，以便根据实际需要及时调整照明信号，提高人员的安全性。同时，这种智能化的远程控制系统也为照明灯塔的维护和管理提供了便利，提高了运维效率。
在本实施例中，通过照明灯塔设备上安装的传感器，对照明灯塔设备周围环境进行环境感知，得到感知数据；根据感知数据对照明灯塔设备周围环境进行实时分析，得到照明灯塔设备所处的环境分析数据；基于环境分析数据结合预设的节能策略，确定照明灯塔设备需提供的指挥信号，并控制照明灯塔设备发出指挥信号；实时检测照明灯塔设备对应的遥控设备是否发远程控制信号；若是，则根据远程控制信号，控制照明灯塔对指挥信号进行调整。本方法通过获取感知数据进行环境分析从而实现了基于实际情况确定指挥信号的能力，可以更准确地判断所处环境，从而生成适应性更强的指挥信号。
上面对本发明实施例中照明灯塔设备的智能控制方法进行了描述，下面对本发明实施例中照明灯塔设备的智能控制装置进行描述，请参阅图2，本发明实施例中照明灯塔设备的智能控制装置一个实施例包括：
感知模块201，用于通过照明灯塔设备上安装的传感器，对所述照明灯塔设备周围环境进行环境感知，得到感知数据；
环境分析模块202，用于根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据；
信号确定模块203，用于基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号；
远程控制模块204，用于获取所述照明灯塔设备对应的遥控设备的远程控制信号，并根据所述远程控制信号，控制所述照明灯塔对所述指挥信号进行调整。
本发明实施例中，所述照明灯塔设备的智能控制装置运行上述照明灯塔设备的智能控制方法，所述照明灯塔设备的智能控制装置通过照明灯塔设备上安装的传感器，对照明灯塔设备周围环境进行环境感知，得到感知数据；根据感知数据对照明灯塔设备周围环境进行实时分析，得到照明灯塔设备所处的环境分析数据；基于环境分析数据结合预设的节能策略，确定照明灯塔设备需提供的指挥信号，并控制照明灯塔设备发出指挥信号；实时检测照明灯塔设备对应的遥控设备是否发远程控制信号；若是，则根据远程控制信号，控制照明灯塔对指挥信号进行调整。本方法通过获取感知数据进行环境分析从而实现了基于实际情况确定指挥信号的能力，可以更准确地判断所处环境，从而生成适应性更强的指挥信号。
上面图2从模块化功能实体的角度对本发明实施例中的中照明灯塔设备的智能控制装置进行详细描述，下面从硬件处理的角度对本发明实施例中照明灯塔设备的智能控制设备进行详细描述。
图3是本发明实施例提供的一种照明灯塔设备的智能控制设备的结构示意图，该照明灯塔设备的智能控制设备300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）310（例如，一个或一个以上处理器）和存储器320，一个或一个以上存储应用程序333或数据332的存储介质330（例如一个或一个以上海量存储设备）。其中，存储器320和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对照明灯塔设备的智能控制设备300中的一系列指令操作。更进一步地，处理器310可以设置为与存储介质330通信，在照明灯塔设备的智能控制设备300上执行存储介质330中的一系列指令操作，以实现上述照明灯塔设备的智能控制方法的步骤。
照明灯塔设备的智能控制设备300还可以包括一个或一个以上电源340，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口360，和/或，一个或一个以上操作系统331，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图3示出的照明灯塔设备的智能控制设备结构并不构成对本发明提供的照明灯塔设备的智能控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述照明灯塔设备的智能控制方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种照明灯塔设备的智能控制方法，其特征在于，所述照明灯塔设备的智能控制方法包括：
通过照明灯塔设备上安装的传感器，对所述照明灯塔设备周围环境进行环境感知，得到感知数据；
根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据；
基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号，其中，所述指挥信号包括照明信号，所述基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号包括：
基于所述节能策略获取对应的适应度函数，并随机生成一组候选照明信号作为种群，所述种群中的各个个体分别对应一个照明信号；根据所述环境分析数据计算所述种群中的每个个体的适应度值，并根据所述适应度值从所述种群中筛选父母个体；分别对所述父母个体进行交叉操作和变异操作，得到所述种群的新个体，并返回所述根据所述环境分析数据计算所述种群中的每个个体的适应度值的步骤，进行循环处理，直至满足预设的停止条件；将所述循环处理过程中适应度值最高的个体对应的照明信号作为所述照明灯塔设备需提供的照明信号，并控制所述照明灯塔设备发出所述照明信号；
获取所述照明灯塔设备的实时状态数据，并将所述实时状态数据显示在所述照明灯塔设备对应的遥控设备的显示页面；响应于针对所述遥控设备的点选操作，确定所述点选操作对应的控制选项和/或控制参数；基于所述控制选项和/或控制参数生成远程控制信号，并基于所述远程控制信号对所述照明灯塔设备的指挥信号和实时状态数据进行调整。
2.根据权利要求1所述的照明灯塔设备的智能控制方法，其特征在于，所述环境分析数据包括环境数据，所述传感器包括气象传感器，所述感知数据包括气象数据；
所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据包括：
将所述气象数据输入预设的环境分析模型中，通过所述环境分析模型对所述气象数据进行数据预处理，得到预处理数据；
对所述预处理数据进行特征提取和特征融合，得到环境特征向量；
根据所述环境特征向量对照明灯塔设备所处的环境进行分类，得到对应的环境类别，并将所述环境类别作为照明灯塔设备所处的环境数据。
3.根据权利要求2所述的照明灯塔设备的智能控制方法，其特征在于，所述环境分析数据还包括能见度数据，所述传感器还包括相机设备，所述感知数据包括所述相机设备拍摄的所述照明灯塔设备所在场景的多张实时监控图像；
所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据包括：
将所述多张实时监控图像和所述气象数据输入预设的能见度检测模型中，其中，所述能见度检测模型为多模态模型，所述多模态模型包括输入层、注意力机制层、特征融合层、分类层和输出层；
通过所述输入层对所述气象数据进行数据预处理以及数据特征提取，得到数据特征，并对所述多张实时监控图像进行图像特征提取，得到图像特征；
通过所述注意力机制层分别计算所述数据特征和所述图像特征的注意力权重向量；
通过所述特征融合层根据所述权重向量对所述数据特征和所述图像特征进行加权融合，得到融合特征向量；
通过所述分类层根据所述融合特征向量计算所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据。
4.根据权利要求3所述的照明灯塔设备的智能控制方法，其特征在于，所述通过所述分类层根据所述融合特征向量计算所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据包括：
通过所述分类层将所述融合特征向量线性变换映射至高维特征空间，得到线性变换结果；
通过预设的激活函数对所述线性变换结果进行非线性变换，得到非线性变换结果；
通过所述分类层中的全连接层根据所述非线性变换结果计算所述照明灯塔设备所处的环境对应不同能见度区间的能见度数据的概率；
将概率最高的能见度区间的能见度数据作为所述照明灯塔设备所处的环境的能见度数据，并通过所述输出层输出所述能见度数据。
5.根据权利要求1所述的照明灯塔设备的智能控制方法，其特征在于，所述传感器包括相机设备；所述感知数据包括所述相机设备拍摄的所述照明灯塔设备所在场景的实时监控视频；
在所述根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据之后，还包括：
对所述实时监控视频进行分帧处理，并对分帧处理后的当前帧图像进行人员检测，确定所述当前帧图像中是否存在人员；
若存在，则将所述当前帧图像中的人员作为目标人员，并在所述当前帧图像的后续帧图像中对所述目标人员进行位置跟踪，得到所述目标人员的跟踪轨迹；
在所述当前帧图像的后续帧图像中对所述目标人员进行行为识别，得到行为数据，并基于所述跟踪轨迹和所述行为数据判断所述目标人员是否为待救援人员。
6.一种照明灯塔设备的智能控制装置，其特征在于，所述照明灯塔设备的智能控制装置包括：
感知模块，用于通过照明灯塔设备上安装的传感器，对所述照明灯塔设备周围环境进行环境感知，得到感知数据；
环境分析模块，用于根据所述感知数据对所述照明灯塔设备周围环境进行实时分析，得到所述照明灯塔设备所处的环境分析数据；
信号确定模块，用于基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号，其中，所述指挥信号包括照明信号，所述基于所述环境分析数据结合预设的节能策略，确定所述照明灯塔设备需提供的指挥信号，并控制所述照明灯塔设备发出所述指挥信号包括：
基于所述节能策略获取对应的适应度函数，并随机生成一组候选照明信号作为种群，所述种群中的各个个体分别对应一个照明信号；根据所述环境分析数据计算所述种群中的每个个体的适应度值，并根据所述适应度值从所述种群中筛选父母个体；分别对所述父母个体进行交叉操作和变异操作，得到所述种群的新个体，并返回所述根据所述环境分析数据计算所述种群中的每个个体的适应度值的步骤，进行循环处理，直至满足预设的停止条件；将所述循环处理过程中适应度值最高的个体对应的照明信号作为所述照明灯塔设备需提供的照明信号，并控制所述照明灯塔设备发出所述照明信号；
远程控制模块，用于获取所述照明灯塔设备的实时状态数据，并将所述实时状态数据显示在所述照明灯塔设备对应的遥控设备的显示页面；响应于针对所述遥控设备的点选操作，确定所述点选操作对应的控制选项和/或控制参数；基于所述控制选项和/或控制参数生成远程控制信号，并基于所述远程控制信号对所述照明灯塔设备的指挥信号和实时状态数据进行调整。
7.一种照明灯塔设备的智能控制设备，其特征在于，所述照明灯塔设备的智能控制设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述照明灯塔设备的智能控制设备执行如权利要求1-5中任意一项所述的照明灯塔设备的智能控制方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-5中任意一项所述照明灯塔设备的智能控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002146.3A CN117500118B (zh) | 2024-01-02 | 2024-01-02 | 照明灯塔设备的智能控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002146.3A CN117500118B (zh) | 2024-01-02 | 2024-01-02 | 照明灯塔设备的智能控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117500118A CN117500118A (zh) | 2024-02-02 |
| CN117500118B true CN117500118B (zh) | 2024-03-15 |
Family
ID=89680461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410002146.3A Active CN117500118B (zh) | 2024-01-02 | 2024-01-02 | 照明灯塔设备的智能控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117500118B (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 (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113853044A (zh) * | 2021-09-29 | 2021-12-28 | 马嘉腾 | 一种照明控制方法、系统、存储介质、照明终端、台灯 |
| CN116801454A (zh) * | 2023-08-29 | 2023-09-22 | 照彰实业（东莞）有限公司 | 一种塔台环境照明自动控制方法、装置及系统 |
| CN117156635A (zh) * | 2023-08-29 | 2023-12-01 | 中节能建设工程设计院有限公司 | 一种智能交互的节能灯控平台 |
-
2024
- 2024-01-02 CN CN202410002146.3A patent/CN117500118B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113853044A (zh) * | 2021-09-29 | 2021-12-28 | 马嘉腾 | 一种照明控制方法、系统、存储介质、照明终端、台灯 |
| CN116801454A (zh) * | 2023-08-29 | 2023-09-22 | 照彰实业（东莞）有限公司 | 一种塔台环境照明自动控制方法、装置及系统 |
| CN117156635A (zh) * | 2023-08-29 | 2023-12-01 | 中节能建设工程设计院有限公司 | 一种智能交互的节能灯控平台 |
Non-Patent Citations (1)
| Title |
|---|
| 蔡庆斌 ; .灯塔环境远程监控系统建设的分析与探索.珠江水运.2016,(第15期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117500118A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117500118B (zh) | 照明灯塔设备的智能控制方法、装置、设备及存储介质 | |
| CN110263686A (zh) | 一种基于深度学习的施工工地图像安全帽检测方法 | |
| JP2021139619A (ja) | 熱処理監視システム | |
| CN110321853A (zh) | 基于视频智能检测的分布式电缆防外破系统 | |
| CN106778609A (zh) | 一种电力施工现场人员制服穿着识别方法 | |
| US20130169801A1 (en) | Visual Command Processing | |
| CN112107074A (zh) | 一种基于多传感器融合的井下终端智能安全头盔 | |
| Wilson et al. | Recent advances in thermal imaging and its applications using machine learning: A review | |
| Li et al. | Collaborative fall detection using smart phone and Kinect | |
| Sowah et al. | Hardware module design and software implementation of multisensor fire detection and notification system using fuzzy logic and convolutional neural networks (CNNs) | |
| Umoh et al. | Support vector machine-based fire outbreak detection system | |
| CN117354986B (zh) | 一种多功能led灯珠的智能控制方法及系统 | |
| Mmereki et al. | YOLOv3-based human activity recognition as viewed from a moving high-altitude aerial camera | |
| Sridhar et al. | Fire sensor and surveillance camera-based GTCNN for fire detection system | |
| CN112153344B (zh) | 基于嵌入式gpu平台和深度学习的配电房设备状态在线智能监控系统及方法 | |
| Cao et al. | YOLO-SF: YOLO for fire segmentation detection | |
| KR20220153247A (ko) | 블랙아이스 모니터링 시스템 | |
| CN112488213A (zh) | 一种基于多尺度特征学习网络的火灾图片分类方法 | |
| CN116546287A (zh) | 一种多联动野生动物在线监测方法及系统 | |
| CN117520998B (zh) | 照明灯塔设备的能耗分析方法、装置、设备及存储介质 | |
| Hadi et al. | Detection of Dead Victims at Volcanic Disaster Location based on Drone and LoRa | |
| CN117352151B (zh) | 智能陪护管理系统及其方法 | |
| Iqbal et al. | Detection of Fire with Image Processing using Backpropagation Method | |
| Acampora et al. | Interoperable services based on activity monitoring in Ambient Assisted Living environments | |
| CN113657238B (zh) | 基于神经网络的火灾早期预警方法、存储介质及终端设备 |
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 |