CN117528857B - 基于人工智能的led射灯智能配置方法、系统及介质 - Google Patents

基于人工智能的led射灯智能配置方法、系统及介质 Download PDF

Info

Publication number
CN117528857B
CN117528857B CN202410014846.4A CN202410014846A CN117528857B CN 117528857 B CN117528857 B CN 117528857B CN 202410014846 A CN202410014846 A CN 202410014846A CN 117528857 B CN117528857 B CN 117528857B
Authority
CN
China
Prior art keywords
light
image data
image
control
information
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
Application number
CN202410014846.4A
Other languages
English (en)
Other versions
CN117528857A (zh
Inventor
黄志华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yunruifu Optoelectronics Technology Co ltd
Original Assignee
Shenzhen Yunruifu Optoelectronics Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yunruifu Optoelectronics Technology Co ltd filed Critical Shenzhen Yunruifu Optoelectronics Technology Co ltd
Priority to CN202410014846.4A priority Critical patent/CN117528857B/zh
Publication of CN117528857A publication Critical patent/CN117528857A/zh
Application granted granted Critical
Publication of CN117528857B publication Critical patent/CN117528857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06V10/86—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using syntactic or structural representations of the image or video pattern, e.g. symbolic string recognition; using graph matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/20—Controlling the colour 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
    • H05B47/155—Coordinated control of two or more light sources
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本发明公开了基于人工智能的LED射灯智能配置方法、系统及介质，通过基于目标照明对象的图像数据，进行区域划分，得到多个灯光图像控制区域；对每个灯光图像控制区域进行灯光配置测试，得到色彩调控限制范围；获取目标照明对象的灯光效果需求信息并结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。通过本发明，能够对目标对象进行灯光实时调整调优，让灯光适应环境，从而动态调节对象的照明效果，提高观看效果。

Description

基于人工智能的LED射灯智能配置方法、系统及介质
技术领域
本发明涉及人工智能领域，更具体的，涉及基于人工智能的LED射灯智能配置方法、系统及介质。
背景技术
目前，LED射灯照明应用越来越广泛，特别在公园景观照明、建筑物外观、标识标牌等。但是，受制于传统技术，目前LED灯光照的控制与照明实现技术较为简单，难以做到灯光实时调整，灯光适应环境，动态调节照明对象观看效果的技术目标。因此，目前亟需一种基于人工智能的LED射灯智能配置方法、系统及介质。
发明内容
本发明克服了现有技术的缺陷，提出了基于人工智能的LED射灯智能配置方法、系统及介质。
本发明第一方面提供了一种基于人工智能的LED射灯智能配置方法，包括：
获取目标照明对象信息，LED射灯配置信息；
基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域；
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围；
获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；
根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。
本方案中，所述获取目标照明对象信息，LED射灯配置信息中，所述目标照明对象信息包括目标照明对象的物体种类信息、物体大小信息、物体色彩信息，所述LED射灯配置信息包括LED射灯数据量、色彩参数、光照参数、射灯排布信息。
本方案中，所述基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域，具体为：
获取目标照明对象的图像数据，基于所述图像数据得到目标照明对象的图像区域；
根据射灯排布信息，对图像区域进行区域划分，得到多个灯光图像控制区域；
每个灯光图像控制区域对应一组预设数量的LED射灯。
本方案中，所述根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围，具体为：
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试；
在灯光配置测试过程，通过预设摄像装置，实时获取目标照明对象的高清图像数据；
基于所述高清图像数据，进行实时色彩特征、光照特征提取，所述特征提取过程为基于灯光图像控制区域进行提取，得到色彩、光照特征信息；
循环进行灯光配置测试，每次测试结合实时分析得到的色彩、光照特征信息进行灯光调控范围分析，并得到每个控制区域的色彩调控限制范围。
本方案中，所述获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据，具体为：
基于目标照明对象与LED射灯配置信息，构建灯光调控模型；
在灯光调控模型中，结合色彩调控限制范围，对每个灯光图像控制区域进行灯光调控模拟，并生成模拟图像结果；
根据灯光效果需求信息，对模拟图像结果进行灯光效果评估，循环进行灯光调控模拟直至评估结果符合预期标准；
将评估结果符合预期标准时的模拟图像结果进行标记，得到第一模拟图像数据；
以每个灯光图像控制区域作为分析单位，对第一模拟图像数据进行色彩、亮度信息提取与LED射灯控制参数映射，得到每个灯光图像控制区域对应LED射灯组的控制方案，将所有所述控制方案进行方案整合，形成第一射灯控制方案。
本方案中，所述根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案，具体为：
基于第一模拟图像数据，获取其中每个灯光图像控制区域对应的区域图像，得到多个区域图像数据；
对所述区域图像数据进行色彩、纹理、亮度特征提取，形成区域特征数据；
随机选取N个灯光图像控制区域，并进行编号，获取对应的N个区域特征数据；
基于特征加权融合算法，将所述N个区域特征数据进行数据融合，并得到融合图像数据；
根据所述融合图像数据与灯光效果需求信息进行灯效评估分析与灯光偏差分析，得到灯效偏差结果；
基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案；
循环进行K次随机选取，并得到不同融合图像数据的K个优化方案；
基于K个优化方案对第一射灯控制方案进行方案调整，形成第二射灯控制方案；
本发明第二方面还提供了一种基于人工智能的LED射灯智能配置系统，该系统包括：存储器、处理器，所述存储器中包括基于人工智能的LED射灯智能配置程序，所述基于人工智能的LED射灯智能配置程序被所述处理器执行时实现如下步骤：
获取目标照明对象信息，LED射灯配置信息；
基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域；
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围；
获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；
根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。
本方案中，所述获取目标照明对象信息，LED射灯配置信息中，所述目标照明对象信息包括目标照明对象的物体种类信息、物体大小信息、物体色彩信息，所述LED射灯配置信息包括LED射灯数据量、色彩参数、光照参数、射灯排布信息。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于人工智能的LED射灯智能配置程序，所述基于人工智能的LED射灯智能配置程序被处理器执行时，实现如上述任一项所述的基于人工智能的LED射灯智能配置方法的步骤。
本发明公开了基于人工智能的LED射灯智能配置方法、系统及介质，通过基于目标照明对象的图像数据，进行区域划分，得到多个灯光图像控制区域；对每个灯光图像控制区域进行灯光配置测试，得到色彩调控限制范围；获取目标照明对象的灯光效果需求信息并结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。通过本发明，能够对目标对象进行灯光实时调整调优，让灯光适应环境，从而动态调节对象的照明效果，提高观看效果。
附图说明
图1示出了本发明一种基于人工智能的LED射灯智能配置方法的流程图；
图2示出了本发明灯光图像控制区域获取流程图；
图3示出了本发明色彩调控限制范围获取流程图；
图4示出了本发明一种基于人工智能的LED射灯智能配置系统的框图。
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示出了本发明一种基于人工智能的LED射灯智能配置方法的流程图。
如图1所示，本发明第一方面提供了一种基于人工智能的LED射
S102，获取目标照明对象信息，LED射灯配置信息；
S104，基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域；
S106，根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围；
S108，获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；
S110，根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。
需要说明的是，所述目标照明对象可以为景观、广告牌等需要LED射灯进行投射与展示的物体，且物体一般为大型物体。
根据本发明实施例，所述获取目标照明对象信息，LED射灯配置信息中，所述目标照明对象信息包括目标照明对象的物体种类信息、物体大小信息、物体色彩信息，所述LED射灯配置信息包括LED射灯数据量、色彩参数、光照参数、射灯排布信息。
需要说明的是，通过色彩参数、光照参数，能够得到每台LED射灯的极限色彩范围与光照范围。
图2示出了本发明灯光图像控制区域获取流程图。
根据本发明实施例，所述基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域，具体为：
S202，获取目标照明对象的图像数据，基于所述图像数据得到目标照明对象的图像区域；
S204，根据射灯排布信息，对图像区域进行区域划分，得到多个灯光图像控制区域；
S206，每个灯光图像控制区域对应一组预设数量的LED射灯。
需要说明的是，在本发明实施例中，目标照明对象的整体由多个LED射灯包围，基于射灯排布信息能够对射灯位置进行分析并划分区域，如，在一个目标对象中，射灯由上下多组LED组成，则可以将对象图像进行垂直划分多个区域，每个区域对应的LED射灯为对应区域上下的LED射灯总成。一般而言，对LED射灯的控制为基于每一组预设数量的LED射灯进行控制，进而控制整体灯光效果。
图3示出了本发明色彩调控限制范围获取流程图。
根据本发明实施例，所述根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围，具体为：
S302，根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试；
S304，在灯光配置测试过程，通过预设摄像装置，实时获取目标照明对象的高清图像数据；
S306，基于所述高清图像数据，进行实时色彩特征、光照特征提取，所述特征提取过程为基于灯光图像控制区域进行提取，得到色彩、光照特征信息；
S308，循环进行灯光配置测试，每次测试结合实时分析得到的色彩、光照特征信息进行灯光调控范围分析，并得到每个控制区域的色彩调控限制范围。
需要说明的是，所述灯光配置测试包括不同控制区域LED射灯的灯光色彩、光照测试，主要用于测试其极限调控范围。所述色彩调控限制范围包括色彩调控与光照调控的极限范围。
根据本发明实施例，所述获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据，具体为：
基于目标照明对象与LED射灯配置信息，构建灯光调控模型；
在灯光调控模型中，结合色彩调控限制范围，对每个灯光图像控制区域进行灯光调控模拟，并生成模拟图像结果；
根据灯光效果需求信息，对模拟图像结果进行灯光效果评估，循环进行灯光调控模拟直至评估结果符合预期标准；
将评估结果符合预期标准时的模拟图像结果进行标记，得到第一模拟图像数据；
以每个灯光图像控制区域作为分析单位，对第一模拟图像数据进行色彩、亮度信息提取与LED射灯控制参数映射，得到每个灯光图像控制区域对应LED射灯组的控制方案，将所有所述控制方案进行方案整合，形成第一射灯控制方案。
需要说明的是，所述灯光调控模型可以基于3ds Max、Unreal Engine 4、Cinema4D等仿真软件模型，也可以用某些特定灯光模拟系统进行模拟，主要作用为用于模拟灯光效果与光照数据。所述第一射灯控制方案为一种初始方案，可以用于实际应用，而在本发明实施例中，还对第一射灯控制方案进行优化处理，形成具有一定整体效果的灯光控制方案，具有高度的整体灯光展示效果。
根据本发明实施例，所述根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案，具体为：
基于第一模拟图像数据，获取其中每个灯光图像控制区域对应的区域图像，得到多个区域图像数据；
对所述区域图像数据进行色彩、纹理、亮度特征提取，形成区域特征数据；
随机选取N个灯光图像控制区域，并进行编号，获取对应的N个区域特征数据；
基于特征加权融合算法，将所述N个区域特征数据进行数据融合，并得到融合图像数据；
根据所述融合图像数据与灯光效果需求信息进行灯效评估分析与灯光偏差分析，得到灯效偏差结果；
基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案；
循环进行K次随机选取，并得到不同融合图像数据的K个优化方案；
基于K个优化方案对第一射灯控制方案进行方案调整，形成第二射灯控制方案。
需要说明的是，在第一模拟图像数据中，每个灯光图像控制区域对应一个区域图像数据，也对应一个区域特征数据。所述特征加权融合算法包括小波变换、拉普拉斯金字塔等。所述灯效偏差结果为融合图像数据与需求灯效的偏差数据，包括色彩、亮度偏差等数据。所述优化方案针对于对应的N个灯光图像控制区域。所述N一般为2~3。
所述循环进行K次随机选取，并得到不同融合图像数据的K个优化方案中，将每次选取N个区域（灯光图像控制区域）进行相应的特征融合分析与优化方案的生成，例如：当K=2，N选取为2时，第一次选取2个区域，选第一个与第二个灯光图像控制区域，并获取对应第一个与第二个区域特征数据的融合图像数据，基于融合图像数据得到针对于第一第二个灯光图像控制区域的（灯光）优化方案，在后续基于优化方案对第一射灯控制方案进行灯光参数的覆盖与调整，第二次选取2个区域，选第三个与第四个灯光图像控制区域，并获取对应第三个与第四个区域特征数据的融合图像数据，基于融合图像数据得到针对于第三第四个灯光图像控制区域的（灯光）优化方案，在后续基于优化方案对第一射灯控制方案进行灯光参数的覆盖与调整。一般而言，一次性选取的N个区域为连续性区域，优化方案能够实现连续性的灯光色彩调控效率与效果，从而实现整体性的灯光美观效果。
值得一提的是，在得到第一射灯控制方案后，其控制的目标对象灯光效果往往缺少整体的灯光效果，难以满足需求。在本发明中，通过随机对不同控制区域的LED射灯效果图像进行特征融合，基于融合后的特征进行需求标准化分析，通过分析结果（即偏差结果），对相应的区域组进行灯光优化，使相应的区域组的具有整体连续的灯光效果，进而更加符合用户需求，另外，通过多次选取随机选取，能够不断优化不同的灯光图像控制区域，从而让灯光控制方案接近最优调控。另外，本发明所述基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案中，具体为以N个灯光图像控制区域作为分析单位的，通过融合特征手段进行灯光效果分析，能够更加快速地筛选出相关低灯照效果区域并进行优化调控。
根据本发明实施例，所述色彩调控限制范围，还包括：
在一个预设时间段内，通过预设摄像装置，获取目标照明对象的当前高清图像数据；
将所述当前高清图像数据进行图像降噪、平滑、标准化预处理，得到预处理图像；
基于预处理图像导入基于CNN的识别模型，通过识别模型对目标对象进行识别与图像的区域划分，得到目标区域图像与背景区域图像；
从系统数据库中获取目标照明对象的标准图像数据；
将目标区域图像、背景区域图像分别与标准图像数据进行基于色彩度的偏差计算分析，得到环境色彩偏离度；
判断环境色彩偏离度是否大于预设阈值；
若是，则基于所述环境色彩偏离度，对色彩调控限制范围进行调整，并形成新的色彩调控限制范围。
需要说明的是，所述色彩偏离度为基于图像RGB通道进行色彩偏差计算分析，且色彩偏离度为目标区域图像、背景区域图像的色彩偏离均值。所述标准图像数据为在一个历史时间段进行拍摄获取的较佳图像数据，所述历史时间段与预设时间段保持一致，即一天的某一个时间段。
所述目标区域图像为具体目标对象的截取图像，非目标对象的区域划分为背景区域图像，通过背景区域图像能够进一步分析出当前环境的色彩偏差。
值得一提的是，在进行LED射灯照明时，由于受环境光照影响，对应实际目标物体的观看效果会受到一定的变化与影响，例如白天、黑夜、日落等时段，此时，在已有分析出来的色彩调控限制范围存在一定的局限性，需要进一步通过环境色彩偏差分析，调整色彩调控限制范围，从而在后续进行精准的灯光控制。
在本发明中，通过对当前背景图像的分析与色彩偏差度计算，进一步分析出环境光照的色彩偏差影响，从而调整色彩调控限制范围，另外，在基于实时需要，可以通过设定周期性的环境色差分析，进一步实现实时色彩偏差调控的目的。
图4示出了本发明一种基于人工智能的LED射灯智能配置系统的框图。
本发明第二方面还提供了一种基于人工智能的LED射灯智能配置系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于人工智能的LED射灯智能配置程序，所述基于人工智能的LED射灯智能配置程序被所述处理器执行时实现如下步骤：
获取目标照明对象信息，LED射灯配置信息；
基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域；
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围；
获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；
根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。
需要说明的是，所述目标照明对象可以为景观、广告牌等需要LED射灯进行投射与展示的物体，且物体一般为大型物体。
根据本发明实施例，所述获取目标照明对象信息，LED射灯配置信息中，所述目标照明对象信息包括目标照明对象的物体种类信息、物体大小信息、物体色彩信息，所述LED射灯配置信息包括LED射灯数据量、色彩参数、光照参数、射灯排布信息。
需要说明的是，通过色彩参数、光照参数，能够得到每台LED射灯的极限色彩范围与光照范围。
根据本发明实施例，所述基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域，具体为：
获取目标照明对象的图像数据，基于所述图像数据得到目标照明对象的图像区域；
根据射灯排布信息，对图像区域进行区域划分，得到多个灯光图像控制区域；
每个灯光图像控制区域对应一组预设数量的LED射灯。
需要说明的是，在本发明实施例中，目标照明对象的整体由多个LED射灯包围，基于射灯排布信息能够对射灯位置进行分析并划分区域，如，在一个目标对象中，射灯由上下多组LED组成，则可以将对象图像进行垂直划分多个区域，每个区域对应的LED射灯为对应区域上下的LED射灯总成。一般而言，对LED射灯的控制为基于每一组预设数量的LED射灯进行控制，进而控制整体灯光效果。
根据本发明实施例，所述根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围，具体为：
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试；
在灯光配置测试过程，通过预设摄像装置，实时获取目标照明对象的高清图像数据；
基于所述高清图像数据，进行实时色彩特征、光照特征提取，所述特征提取过程为基于灯光图像控制区域进行提取，得到色彩、光照特征信息；
循环进行灯光配置测试，每次测试结合实时分析得到的色彩、光照特征信息进行灯光调控范围分析，并得到每个控制区域的色彩调控限制范围。
需要说明的是，所述灯光配置测试包括不同控制区域LED射灯的灯光色彩、光照测试，主要用于测试其极限调控范围。所述色彩调控限制范围包括色彩调控与光照调控的极限范围。
根据本发明实施例，所述获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据，具体为：
基于目标照明对象与LED射灯配置信息，构建灯光调控模型；
在灯光调控模型中，结合色彩调控限制范围，对每个灯光图像控制区域进行灯光调控模拟，并生成模拟图像结果；
根据灯光效果需求信息，对模拟图像结果进行灯光效果评估，循环进行灯光调控模拟直至评估结果符合预期标准；
将评估结果符合预期标准时的模拟图像结果进行标记，得到第一模拟图像数据；
以每个灯光图像控制区域作为分析单位，对第一模拟图像数据进行色彩、亮度信息提取与LED射灯控制参数映射，得到每个灯光图像控制区域对应LED射灯组的控制方案，将所有所述控制方案进行方案整合，形成第一射灯控制方案。
需要说明的是，所述灯光调控模型可以基于3ds Max、Unreal Engine 4、Cinema4D等仿真软件模型，也可以用某些特定灯光模拟系统进行模拟，主要作用为用于模拟灯光效果与光照数据。所述第一射灯控制方案为一种初始方案，可以用于实际应用，而在本发明实施例中，还对第一射灯控制方案进行优化处理，形成具有一定整体效果的灯光控制方案，具有高度的整体灯光展示效果。
根据本发明实施例，所述根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案，具体为：
基于第一模拟图像数据，获取其中每个灯光图像控制区域对应的区域图像，得到多个区域图像数据；
对所述区域图像数据进行色彩、纹理、亮度特征提取，形成区域特征数据；
随机选取N个灯光图像控制区域，并进行编号，获取对应的N个区域特征数据；
基于特征加权融合算法，将所述N个区域特征数据进行数据融合，并得到融合图像数据；
根据所述融合图像数据与灯光效果需求信息进行灯效评估分析与灯光偏差分析，得到灯效偏差结果；
基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案；
循环进行K次随机选取，并得到不同融合图像数据的K个优化方案；
基于K个优化方案对第一射灯控制方案进行方案调整，形成第二射灯控制方案。
需要说明的是，在第一模拟图像数据中，每个灯光图像控制区域对应一个区域图像数据，也对应一个区域特征数据。所述特征加权融合算法包括小波变换、拉普拉斯金字塔等。所述灯效偏差结果为融合图像数据与需求灯效的偏差数据，包括色彩、亮度偏差等数据。所述优化方案针对于对应的N个灯光图像控制区域。所述N一般为2~3。
所述循环进行K次随机选取，并得到不同融合图像数据的K个优化方案中，将每次选取N个区域（灯光图像控制区域）进行相应的特征融合分析与优化方案的生成，例如：当K=2，N选取为2时，第一次选取2个区域，选第一个与第二个灯光图像控制区域，并获取对应第一个与第二个区域特征数据的融合图像数据，基于融合图像数据得到针对于第一第二个灯光图像控制区域的（灯光）优化方案，在后续基于优化方案对第一射灯控制方案进行灯光参数的覆盖与调整，第二次选取2个区域，选第三个与第四个灯光图像控制区域，并获取对应第三个与第四个区域特征数据的融合图像数据，基于融合图像数据得到针对于第三第四个灯光图像控制区域的（灯光）优化方案，在后续基于优化方案对第一射灯控制方案进行灯光参数的覆盖与调整。一般而言，一次性选取的N个区域为连续性区域，优化方案能够实现连续性的灯光色彩调控效率与效果，从而实现整体性的灯光美观效果。
值得一提的是，在得到第一射灯控制方案后，其控制的目标对象灯光效果往往缺少整体的灯光效果，难以满足需求。在本发明中，通过随机对不同控制区域的LED射灯效果图像进行特征融合，基于融合后的特征进行需求标准化分析，通过分析结果（即偏差结果），对相应的区域组进行灯光优化，使相应的区域组的具有整体连续的灯光效果，进而更加符合用户需求，另外，通过多次选取随机选取，能够不断优化不同的灯光图像控制区域，从而让灯光控制方案接近最优调控。另外，本发明所述基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案中，具体为以N个灯光图像控制区域作为分析单位的，通过融合特征手段进行灯光效果分析，能够更加快速地筛选出相关低灯照效果区域并进行优化调控。
根据本发明实施例，所述色彩调控限制范围，还包括：
在一个预设时间段内，通过预设摄像装置，获取目标照明对象的当前高清图像数据；
将所述当前高清图像数据进行图像降噪、平滑、标准化预处理，得到预处理图像；
基于预处理图像导入基于CNN的识别模型，通过识别模型对目标对象进行识别与图像的区域划分，得到目标区域图像与背景区域图像；
从系统数据库中获取目标照明对象的标准图像数据；
将目标区域图像、背景区域图像分别与标准图像数据进行基于色彩度的偏差计算分析，得到环境色彩偏离度；
判断环境色彩偏离度是否大于预设阈值；
若是，则基于所述环境色彩偏离度，对色彩调控限制范围进行调整，并形成新的色彩调控限制范围。
需要说明的是，所述色彩偏离度为基于图像RGB通道进行色彩偏差计算分析，且色彩偏离度为目标区域图像、背景区域图像的色彩偏离均值。所述标准图像数据为在一个历史时间段进行拍摄获取的较佳图像数据，所述历史时间段与预设时间段保持一致，即一天的某一个时间段。
所述目标区域图像为具体目标对象的截取图像，非目标对象的区域划分为背景区域图像，通过背景区域图像能够进一步分析出当前环境的色彩偏差。
值得一提的是，在进行LED射灯照明时，由于受环境光照影响，对应实际目标物体的观看效果会受到一定的变化与影响，例如白天、黑夜、日落等时段，此时，在已有分析出来的色彩调控限制范围存在一定的局限性，需要进一步通过环境色彩偏差分析，调整色彩调控限制范围，从而在后续进行精准的灯光控制。
在本发明中，通过对当前背景图像的分析与色彩偏差度计算，进一步分析出环境光照的色彩偏差影响，从而调整色彩调控限制范围，另外，在基于实时需要，可以通过设定周期性的环境色差分析，进一步实现实时色彩偏差调控的目的。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于人工智能的LED射灯智能配置程序，所述基于人工智能的LED射灯智能配置程序被处理器执行时，实现如上述任一项所述的基于人工智能的LED射灯智能配置方法的步骤。
本发明公开了基于人工智能的LED射灯智能配置方法、系统及介质，通过基于目标照明对象的图像数据，进行区域划分，得到多个灯光图像控制区域；对每个灯光图像控制区域进行灯光配置测试，得到色彩调控限制范围；获取目标照明对象的灯光效果需求信息并结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案。通过本发明，能够对目标对象进行灯光实时调整调优，让灯光适应环境，从而动态调节对象的照明效果，提高观看效果。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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。而前述的存储介质包括：移动存储设备、ROM、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，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 (7)

1.一种基于人工智能的LED射灯智能配置方法，其特征在于，包括：
获取目标照明对象信息，LED射灯配置信息；
基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域；
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围；
获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；
根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案；
其中，所述获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据，具体为：
基于目标照明对象与LED射灯配置信息，构建灯光调控模型；
在灯光调控模型中，结合色彩调控限制范围，对每个灯光图像控制区域进行灯光调控模拟，并生成模拟图像结果；
根据灯光效果需求信息，对模拟图像结果进行灯光效果评估，循环进行灯光调控模拟直至评估结果符合预期标准；
将评估结果符合预期标准时的模拟图像结果进行标记，得到第一模拟图像数据；
以每个灯光图像控制区域作为分析单位，对第一模拟图像数据进行色彩、亮度信息提取与LED射灯控制参数映射，得到每个灯光图像控制区域对应LED射灯组的控制方案，将所有所述控制方案进行方案整合，形成第一射灯控制方案；
其中，所述根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案，具体为：
基于第一模拟图像数据，获取其中每个灯光图像控制区域对应的区域图像，得到多个区域图像数据；
对所述区域图像数据进行色彩、纹理、亮度特征提取，形成区域特征数据；
随机选取N个灯光图像控制区域，并进行编号，获取对应的N个区域特征数据；
基于特征加权融合算法，将所述N个区域特征数据进行数据融合，并得到融合图像数据；
根据所述融合图像数据与灯光效果需求信息进行灯效评估分析与灯光偏差分析，得到灯效偏差结果；
基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案；
循环进行K次随机选取，并得到不同融合图像数据的K个优化方案；
基于K个优化方案对第一射灯控制方案进行方案调整，形成第二射灯控制方案。
2.根据权利要求1所述的一种基于人工智能的LED射灯智能配置方法，其特征在于，所述获取目标照明对象信息，LED射灯配置信息中，所述目标照明对象信息包括目标照明对象的物体种类信息、物体大小信息、物体色彩信息，所述LED射灯配置信息包括LED射灯数据量、色彩参数、光照参数、射灯排布信息。
3.根据权利要求1所述的一种基于人工智能的LED射灯智能配置方法，其特征在于，所述基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域，具体为：
获取目标照明对象的图像数据，基于所述图像数据得到目标照明对象的图像区域；
根据射灯排布信息，对图像区域进行区域划分，得到多个灯光图像控制区域；
每个灯光图像控制区域对应一组预设数量的LED射灯。
4.根据权利要求1所述的一种基于人工智能的LED射灯智能配置方法，其特征在于，所述根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围，具体为：
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试；
在灯光配置测试过程，通过预设摄像装置，实时获取目标照明对象的高清图像数据；
基于所述高清图像数据，进行实时色彩特征、光照特征提取，所述特征提取过程为基于灯光图像控制区域进行提取，得到色彩、光照特征信息；
循环进行灯光配置测试，每次测试结合实时分析得到的色彩、光照特征信息进行灯光调控范围分析，并得到每个控制区域的色彩调控限制范围。
5.一种基于人工智能的LED射灯智能配置系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于人工智能的LED射灯智能配置程序，所述基于人工智能的LED射灯智能配置程序被所述处理器执行时实现如下步骤：
获取目标照明对象信息，LED射灯配置信息；
基于目标照明对象的图像数据，进行图像区域划分，得到多个灯光图像控制区域；
根据LED射灯配置信息，对每个灯光图像控制区域进行灯光配置测试，得到每个控制区域的色彩调控限制范围；
获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据；
根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案；
其中，所述获取目标照明对象的灯光效果需求信息，基于所述灯光效果需求信息，结合色彩调控限制范围进行灯光控制模拟，并形成第一射灯控制方案与第一模拟图像数据，具体为：
基于目标照明对象与LED射灯配置信息，构建灯光调控模型；
在灯光调控模型中，结合色彩调控限制范围，对每个灯光图像控制区域进行灯光调控模拟，并生成模拟图像结果；
根据灯光效果需求信息，对模拟图像结果进行灯光效果评估，循环进行灯光调控模拟直至评估结果符合预期标准；
将评估结果符合预期标准时的模拟图像结果进行标记，得到第一模拟图像数据；
以每个灯光图像控制区域作为分析单位，对第一模拟图像数据进行色彩、亮度信息提取与LED射灯控制参数映射，得到每个灯光图像控制区域对应LED射灯组的控制方案，将所有所述控制方案进行方案整合，形成第一射灯控制方案；
其中，所述根据所述第一模拟图像数据进行基于特征加权融合算法的区域图像融合，得到融合图像数据，根据所述融合图像数据，结合灯光效果需求信息进行评估与灯光调控分析，得到第二射灯控制方案，具体为：
基于第一模拟图像数据，获取其中每个灯光图像控制区域对应的区域图像，得到多个区域图像数据；
对所述区域图像数据进行色彩、纹理、亮度特征提取，形成区域特征数据；
随机选取N个灯光图像控制区域，并进行编号，获取对应的N个区域特征数据；
基于特征加权融合算法，将所述N个区域特征数据进行数据融合，并得到融合图像数据；
根据所述融合图像数据与灯光效果需求信息进行灯效评估分析与灯光偏差分析，得到灯效偏差结果；
基于灯效偏差结果，对N个灯光图像控制区域进行控制优化，并得到优化方案；
循环进行K次随机选取，并得到不同融合图像数据的K个优化方案；
基于K个优化方案对第一射灯控制方案进行方案调整，形成第二射灯控制方案。
6.根据权利要求5所述的一种基于人工智能的LED射灯智能配置系统，其特征在于，所述获取目标照明对象信息，LED射灯配置信息中，所述目标照明对象信息包括目标照明对象的物体种类信息、物体大小信息、物体色彩信息，所述LED射灯配置信息包括LED射灯数据量、色彩参数、光照参数、射灯排布信息。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于人工智能的LED射灯智能配置程序，所述基于人工智能的LED射灯智能配置程序被处理器执行时，实现如权利要求1至4中任一项所述的基于人工智能的LED射灯智能配置方法的步骤。
CN202410014846.4A 2024-01-05 2024-01-05 基于人工智能的led射灯智能配置方法、系统及介质 Active CN117528857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410014846.4A CN117528857B (zh) 2024-01-05 2024-01-05 基于人工智能的led射灯智能配置方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410014846.4A CN117528857B (zh) 2024-01-05 2024-01-05 基于人工智能的led射灯智能配置方法、系统及介质

Publications (2)

Publication Number Publication Date
CN117528857A CN117528857A (zh) 2024-02-06
CN117528857B true CN117528857B (zh) 2024-03-29

Family

ID=89753507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410014846.4A Active CN117528857B (zh) 2024-01-05 2024-01-05 基于人工智能的led射灯智能配置方法、系统及介质

Country Status (1)

Country Link
CN (1) CN117528857B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108235831A (zh) * 2017-12-27 2018-06-29 深圳迈睿智能科技有限公司 灯具的控制方法和控制系统以及电子设备
CN109922574A (zh) * 2019-04-10 2019-06-21 深圳市奥拓电子股份有限公司 Led景观照明的光效调节控制方法、系统及存储介质
CN111867211A (zh) * 2020-07-14 2020-10-30 深圳市千百辉照明工程有限公司 一种智慧灯的自动调节方法、装置和系统
KR102216341B1 (ko) * 2019-12-16 2021-02-17 한국광기술원 헤드램프 성능 평가 시스템 및 방법
CN114913310A (zh) * 2022-06-10 2022-08-16 广州澄源电子科技有限公司 一种led虚拟场景灯光控制方法
CN115529697A (zh) * 2022-10-20 2022-12-27 成都嘉英美灯饰有限公司 一种基于分布式管理的照明智能控制系统
CN116634638A (zh) * 2023-05-16 2023-08-22 珠海光通智装科技有限公司 灯光控制策略的生成方法、灯光控制方法以及相关装置
CN116647960A (zh) * 2023-04-28 2023-08-25 浙江大丰实业股份有限公司 一种基于物联网的舞台灯光调控系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200288554A1 (en) * 2019-03-06 2020-09-10 Moon Selfie, Inc. Systems and methods for providing illumination

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108235831A (zh) * 2017-12-27 2018-06-29 深圳迈睿智能科技有限公司 灯具的控制方法和控制系统以及电子设备
CN109922574A (zh) * 2019-04-10 2019-06-21 深圳市奥拓电子股份有限公司 Led景观照明的光效调节控制方法、系统及存储介质
KR102216341B1 (ko) * 2019-12-16 2021-02-17 한국광기술원 헤드램프 성능 평가 시스템 및 방법
CN111867211A (zh) * 2020-07-14 2020-10-30 深圳市千百辉照明工程有限公司 一种智慧灯的自动调节方法、装置和系统
CN114913310A (zh) * 2022-06-10 2022-08-16 广州澄源电子科技有限公司 一种led虚拟场景灯光控制方法
CN115529697A (zh) * 2022-10-20 2022-12-27 成都嘉英美灯饰有限公司 一种基于分布式管理的照明智能控制系统
CN116647960A (zh) * 2023-04-28 2023-08-25 浙江大丰实业股份有限公司 一种基于物联网的舞台灯光调控系统
CN116634638A (zh) * 2023-05-16 2023-08-22 珠海光通智装科技有限公司 灯光控制策略的生成方法、灯光控制方法以及相关装置

Also Published As

Publication number Publication date
CN117528857A (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
US11308335B2 (en) Intelligent video surveillance system and method
CN109614996A (zh) 基于生成对抗网络的弱可见光与红外图像融合的识别方法
CN110889813A (zh) 基于红外信息的低光图像增强方法
CN108182923B (zh) 在显示装置上显示图像的方法、显示装置和电子设备
CN111612839B (zh) 一种彩灯位置识别方法、系统、装置及存储介质
CN111402409B (zh) 一种展馆设计光照条件模型系统
CN107909638A (zh) 虚拟物体的渲染方法、介质、系统和电子设备
CN114596620B (zh) 人脸识别设备补光控制方法、装置、设备及存储介质
CN114913310B (zh) 一种led虚拟场景灯光控制方法
CN115393774A (zh) 一种轻量化的火灾烟雾检测方法、终端设备及存储介质
CN114867161A (zh) 基于AIoT和传感器网络的商业照明系统及照明方法
CN116506993A (zh) 灯光控制方法及存储介质
CN117528857B (zh) 基于人工智能的led射灯智能配置方法、系统及介质
CN115775321A (zh) 一种照明灯具亮度调节方法、装置、电子设备及存储介质
CN115311167A (zh) 基于多色光线的色域控制方法、装置、设备及存储介质
CN115715044A (zh) 一种基于模糊视频图像的智能路灯调控方法及系统
CN116959370B (zh) 一种led屏显示控制方法、系统和显示屏
CN116647960A (zh) 一种基于物联网的舞台灯光调控系统
Murray Human lightness perception is guided by simple assumptions about reflectance and lighting
CN111489558A (zh) 车牌识别方法及系统
CN109040598A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN112738325B (zh) 一种基于Android手机的智能LED识别方法
CN114296556A (zh) 一种基于人体姿态的交互显示方法、装置和系统
CN115175412A (zh) 一种照明设备的控制方法及装置
CN116129157B (zh) 一种基于极微光的警戒摄像机智能图像处理方法及系统

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
GR01 Patent grant
GR01 Patent grant