CN117979517A - 一种舞台灯光的智能控制方法 - Google Patents

Abstract

本发明提供一种舞台灯光的智能控制方法包括以下步骤：S1：根据舞台上表演者的动作、音乐节奏、服装和道具摆设，确定舞台上的精彩区域；S2：采集精彩区域内表演者在舞台的实时位置坐标信息，对连续多个时间点的实时位置坐标信息进行分析，生成表演者的预测轨迹；S3：根据预测轨迹，计测算光束聚焦区域，并根据表演者在舞台的实时位置坐标信息、表演者的动作、音乐节奏、服装和道具摆设，确定照明策略；S4：通过光照控制系统依据照明策略对测算光束聚焦区域进行聚光照射。本智能控制方法解决了灯光难以准确跟随表演者动态变化的问题，实现对舞台上道具位置变化的实时处理和对表演者的动作、音乐节奏、服装、道具位置等元素的灵活适应力。

Description

一种舞台灯光的智能控制方法

技术领域

本发明涉及沙冰机领域，具体涉及一种舞台灯光的智能控制方法。

背景技术

舞台艺术的灯光设计和控制一直是演出成功的关键因素之一，传统的舞台灯光系统大多依赖于人工控制，灯光师需要根据演出的具体内容手动调整灯光。尽管这种方法在某些情况下仍然有效，但它面临着多个挑战和限制，使得传统的灯光系统难以实时响应表演者的即兴动作或未预料的场景变化，这种缺乏灵活性可能导致精彩瞬间因灯光不当而失色。而且，人工控制的灯光很难精确对准特定的表演者，特别是在动态和快速变化的表演中。对于复杂的舞台布景和快速变化的表演节奏，传统的灯光系统难以及时调整，以适应这些变化。此外，传统的灯光系统高度依赖于灯光师的经验和技能，这不仅增加了人力成本，也带来了操作失误的风险。在不断追求更高艺术享受的今天，传统灯光技术已难以完全满足观众对视觉震撼和沉浸式体验的需求。因此，存在一个迫切的需求，开发一种能够更加智能、高效并且能实时响应舞台变化的灯光控制方法，以提升舞台艺术的表现力和观众的观赏体验。

发明内容

针对现有技术的不足，本发明提出一种舞台灯光的智能控制方法，解决传统舞台灯光系统在应对表演需求时的多项难题。

本发明的技术方案是这样实现的：

一种舞台灯光的智能控制方法，包括以下步骤：

S1：根据舞台上表演者的动作、音乐节奏、服装和道具摆设，确定舞台上的精彩区域；

S2：采集精彩区域内表演者在舞台的实时位置坐标信息，对连续多个时间点的实时位置坐标信息进行分析，生成表演者的预测轨迹；

S3：根据预测轨迹，计算需要覆盖的测算光束聚焦区域，并根据表演者在舞台的实时位置坐标信息、表演者的动作、音乐节奏、服装和道具摆设，确定照明策略；

S4：通过光照控制系统依据照明策略对测算光束聚焦区域进行聚光照射。

优选的，步骤S1包括：

S11：使用多台高精度摄像机对整个舞台进行全方位实时拍摄，并将捕获的视频数据传输到监控分析系统中；

S12：利用基于卷积神经网络的图像识别算法分析视频数据中的四个元素，四个元素为表演者的动作、音乐节奏、服装和道具摆设，输出视觉焦点；

S13：将视频数据和视觉焦点输入到深度学习模型中进行综合分析，计算出精彩区域。

优选的，步骤S2包括：

S21：通过多个传感器采集实时位置坐标信息，并通过卡尔曼滤波算法对多个传感器采集的实时位置坐标信息进行整合，得到表演者在舞台上准确的实时位置坐标信息；

S22：将实时位置坐标信息存储于位置数据库中，运用数据挖掘技术深入分析每位表演者的实时位置坐标信息历史数据，建立每位表演者的个人习惯模型；

S23：根据个人习惯模型和音乐节奏生成预测轨迹。

优选的，在步骤S22还包括以下步骤：

利用时间序列分析算法，分析音乐节奏与表演者动作的同步性，融合同步性分析结果与每位表演者的实时位置坐标信息历史数据建立个人习惯模型。

优选的，照明策略包括各组聚光灯照射参数的规则，聚光灯照射参数包括开关、旋转角度、焦距、光照亮度、光束辐射角度和色温。

优选的，照明策略转换成光照命令，光照命令经过精确编码，通过控制协议如DMX512发送到光照控制系统。

优选的，还包括步骤S5：通过摄像机捕抓实际光束照射区域，判断实际光束照射区域是否能够覆盖测算光束聚焦区域，若不能，则通过光照控制系统扩大光束辐射角度。

优选的，步骤S3和步骤S4之间还包括以下步骤：根据测算光束聚焦区域预测可能的盲区，提前调整照明策略。

优选的，监测测算光束聚焦区域内的光照强度，使用类神经网络算法来分析实际光照强度的均匀性，并预测出盲区，然后利用光学设计仿真软件设计出新的照明策略，新的照明策略转为调整命令，光照控制系统执行调整命令。

与现有技术相比，本发明的有益效果是：

(1)通过实时追踪精彩区域内表演者在舞台的实时位置坐标信息并预测轨迹，解决了灯光难以准确跟随表演者动态变化的问题，使得灯光能够精准而自然地照射精彩区域；

(2)精彩区域由表演者的动作、音乐节奏、服装和道具摆设而定，当表演者的动作、音乐节奏、服装和道具变化时，精彩区域也跟着变化，使得照明策略和测算光束聚焦区域随之调整，最后通过光照控制系统依据照明策略照射测算光束聚焦区域，实现对舞台上道具位置变化的实时处理和对表演者的动作、音乐节奏、服装、道具位置等元素的灵活适应，增强了舞台灯光的动态性和艺术表现力。

附图说明

图1为本发明的一种舞台灯光的智能控制方法的流程图；

图2为本发明中步骤S1的流程图；

图3为本发明中步骤S2的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作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。

参见图1，一种舞台灯光的智能控制方法，包括以下步骤：

S1：根据舞台上表演者的动作、音乐节奏、服装和道具摆设，确定舞台上的精彩区域；

S2：采集精彩区域内表演者在舞台的实时位置坐标信息，对连续多个时间点的实时位置坐标信息进行分析，生成表演者的预测轨迹；

S3：根据预测轨迹，计算需要覆盖的测算光束聚焦区域，并根据表演者在舞台的实时位置坐标信息、表演者的动作、音乐节奏、服装和道具摆设，确定照明策略；

S4：通过光照控制系统依据照明策略对测算光束聚焦区域进行聚光照射。

通过实时追踪精彩区域内表演者在舞台的实时位置坐标信息并预测轨迹，解决了灯光难以准确跟随表演者动态变化的问题，使得灯光能够精准而自然地照射精彩区域；而且，精彩区域由表演者的动作、音乐节奏、服装和道具摆设而定，当表演者的动作、音乐节奏、服装和道具变化时，精彩区域也跟着变化，使得照明策略和测算光束聚焦区域随之调整，最后通过光照控制系统依据照明策略照射测算光束聚焦区域，实现对舞台上道具位置变化的实时处理和对表演者的动作、音乐节奏、服装、道具位置等元素的灵活适应，增强了舞台灯光的动态性和艺术表现力。

照明策略是一套根据表演者在舞台的实时位置坐标信息、表演者的动作、音乐节奏、服装和道具摆设变化时来安排各组聚光灯工作的策略，通过对精确位置信息的分析，识别哪些灯组需要被激活，哪些应保持待命，每组聚光灯可独立控制，允许精确调整光束辐射角度和强度，适应表演者的实时移动，照明策略里包括设置聚光灯照射参数的规则，如开关、旋转角度、焦距、光照亮度、光束辐射角度和色温，定时检查需调整的灯具参数以匹配实际情况。若一段音乐节奏从悲伤转为欢快，那么整体光线可能从蓝色调变更为暖色系，并随着音乐节奏加速，相应光效也会通过算法计算得出，例如背景亮度从30％逐渐上升至60％，同时聚光灯频闪速率从每分钟60次增加至每分钟120次。照明策略需要被转换为一系列的光照命令，这一过程确保了从理论计算到实际操作的转换可以精确无误地进行。

该光照控制系统控制多个聚光灯的开关、旋转角度、焦距、光照亮度、光束辐射角度和色温。照明策略通过单片机或者可编程逻辑控制器(PLC)实现整个场景光照变化的自动化。光照的调整通过光照控制系统处理，实施光学元件的实时移动，改变焦距和光束辐射角度，以便如镜头般对焦在目标上。将照明策略转换成光照命令，光照命令经过精确编码，通过控制协议如DMX512发送到光照控制系统，光照控制系统通过控制聚光灯的通断电实现聚光灯的开关，若配有处理器(如单片机、DSP、ARM、CPLD、FPGA等)的情况下，可以使用处理器其中的一个I/O口作为输出驱动三极管，控制聚光灯亮灭交替变化，实现频率闪烁；光照控制系统中不同的驱动步进电机能够调整旋转角度、光束辐射角度和焦距；光照控制系统包括色温调节组件，如可调节的LED灯泡或者调光器，通过控制色温调节组件来调整色温；光照控制系统通过通过调节聚光灯电流的大小来改变光照亮度，当电流增加时，光照亮度也随之增加，反之电流减小时，光照亮度也随之减弱。

实时位置坐标信息实时更新，通过接收新的位置信息，最终调整输出的光照命令，以适应表演者实际运动轨迹的微小变动。此外，还可以通过实时反馈机制监测实际效果，如实时比对表演者预测轨迹和光束实际覆盖点，若有偏差且超过阈值，将自动微调预测轨迹的算法参数或光束控制参数，如果预测轨迹与实际位置相差0.1米，系统即时调整预测轨迹的模型权重系数或是步进电机驱动的粒度，以减小这一偏差。

其中，步骤S1以下步骤：

S11：使用多台高精度摄像机对整个舞台进行全方位实时拍摄，并将捕获的视频数据传输到监控分析系统中，高精度摄像机以至少1080p的分辨率和60fps的帧率捕捉舞台动态，确保获取到实时动态信息，以便进一步分析确定舞台的精彩区域，这些摄像机可以布置在舞台的不同位置，以确保从各个角度获取演出的完整视图，例如，可以使用四台摄像机覆盖观众视角、演员近距离交互、舞台全景以及特定焦点区域，通过实时流处理技术，捕获的视频数据将被直接传输到一个监控分析系统中存储并分析；

S12：利用基于卷积神经网络(CNN)的图像识别算法分析视频数据中的四个元素，四个元素为表演者的动作、音乐节奏、服装和道具摆设，输出视觉焦点，进而提供数据支持，以便更精准地聚焦舞台上的精彩区域。其中，CNN能够识别四个元素，服装包括服装的图案和颜色分布，道具摆设包括道具摆设位置，根据事先训练的模型输出每个元素的视觉焦点评分，以0到1之间的分数表示，接近1表示为视觉焦点概率高，分数最高的元素为视觉焦点；每个元素可设定一个阈值，超出该阈值越多，对应的视觉焦点评分越高，例如服装的颜色鲜明度设定一个阈值，颜色鲜明度70％以上视为高视觉冲击点，对应的视觉焦点评分也高，阈值通过大量历史数据进行了训练和修正；

S13：将视频数据和视觉焦点输入到深度学习模型中进行综合分析，计算出精彩区域，该深度学习模型为混合了时间序列数据的循环神经网络(RNN)模型，该深度学习模型已经通过大量舞台表演的样本进行了训练，将输入的视频帧和视觉焦点进行融合处理，并且输出一个热力图，反映了舞台区域内的活跃度，其中热力值范围设置为[0,1]，如果一个演员在舞台左侧的表演区域获得了活跃度评分为0.9，精彩区域为左侧的表演区域，以便在接下来的几秒内突出该区域。精彩区域的算法为动态追踪算法，动态追踪算法不断优化，使聚光照射控制能够根据演出内容的变化自动调节其参数，如果演员的活动突然从右侧快速移动到左侧，并且左侧区域的活跃度评分迅速上升，深度学习模型实时计算出新的精彩区域，并最终通过光照控制系统无缝转换。有了精彩区域的信息之后，光照控制系统会根据该分析结果进行调节。

根据判定的精彩区域，获得光束聚焦区域并确定照明策略，适时通过光照控制系统调整聚光灯的照射角度和亮度，确保光线能够在关键时刻突出表演者的动作，以吸引和保持观众的注意力。根据舞台四个元素的变化，通过光照控制系统根据所得的照明策略智能调节整个场景中的光照变化，使之与表演者的动作和音乐节奏保持同步，加强视觉效果。优化光照效果的循环神经网络(RNN)模型继续发挥作用，调整每次聚光灯的照射细节，确保光线在表现表演高潮部分时尽可能地引人入胜。本舞台灯光的智能控制方法实现了实时反馈调整，随着表演者动作的变化和舞台节奏的转换，自动调整聚光灯的照明策略，包括亮度和投射角度，保证演出的连续性和流畅性。照明策略可预设，用以在整个表演过程中精确控制背景与精彩区域的光线配合，营造最佳的演出气氛。

可选的，为实现聚光灯根据元素变化调整，采用帧间差分法来识别并追踪实时拍摄视频中的灯光和色彩的变化，提取舞台上每个区域的亮度和色彩分布特征，使用快速傅里叶变换FFT算法对音乐节拍进行信号分解，将音乐节拍与视觉元素相关联。当表演者换上鲜艳的服装，若为红色，和舞台背景形成鲜明对比时，特征识别算法便会通过颜色识别技术，如K均值聚类算法，将表演者与场景其他部分区分开，这有助于定义新的精彩区域。算法会计算红色区域的质心，将之定位为新的视觉中心点，动态追踪质心的位移，并实时通过光照控制系统调整光照的位置。也可以使用基于深度学习的卷积神经网络CNN对舞台画面进行实时分析，从而识别和追踪特定颜色或图案的变化。接下来，使用基于深度学习的运动追踪算法，如长短时记忆网络LSTM，来预测表演者基于其历史动作的潜在移动轨迹，得到预测轨迹。若预测轨迹结果显示表演者倾向于在舞台右侧进行激烈动作，则预测算法会依据这一模式来预估下一时刻的可能位置，用一系列的向量表示表演者动态的移动轨迹vec{p}(t)＝(x(t),y(t))，其中(x(t),y(t))分别是表演者在时间t的横纵坐标。随后，光束走向的模拟则会运用光线传播模型来确定在已知舞台布局条件下，如何调整光束以匹配预测轨迹。光线模型计算表面反射和吸收情况，得到所需的灯光角度θ和亮度φ，以保证在预定轨迹vec{p}(t)上光效的质量。再之后，传感器通过实时位置坐标获得表演者的运动速度，与预测轨迹的速度对比，假设传感器数据表明表演者速度为1.5米/秒，但预测轨迹设定的速度是1.3米/秒，则照明策略和光照控制系统会根据这个速度差进行自我调节，以微调光束的聚焦。最终，根据舞台管理系统性能反馈，光照控制系统会微调自身参数，利用PID控制算法调节光束跟随的精确度，确保与表演者的动态变化保持同步。如果舞台管理系统检测到光束对于表演者的跟踪存在0.2秒的滞后，光照控制系统将减小PID控制器的响应时间，提高光束移动的灵敏度，从而缩短与表演者动作的同步时间。

优选的，所有的调整(包括表演者的动作变化、音乐节奏变化、服装变化道具摆设变化和光照命令等)和数据处理(包括精彩区域、实时位置坐标信息、预测轨迹、测算光束聚焦区域等)都被整合进一个统一的舞台管理系统，该系统实时综合摄像机输入、图像识别输出、机器学习分析和光照控制系统光照命令，形成一个闭环控制系统，以便于根据表演者的动作变化、音乐节奏变化、服装变化和道具摆设变化实时调整光照区域和效果。利用图像识别算法分析实时拍摄画面，自动辨识因道具和演员移动而产生的新精彩区域和新测算光束聚焦区域。借助图像识别结果，更新照明策略，确保能迅速聚焦至新的精彩区域。舞台管理系统整合舞台上各元素信息和新测算光束聚焦区域坐标，计算出聚光灯当前照射角度与目标照射角度间的偏差。根据计算出的角度偏差，调整聚光灯角度，确保聚光灯精准对准新测算光束聚焦区域。

其中，步骤S2包括：

S21：通过多个传感器采集实时位置坐标信息，并通过卡尔曼滤波算法对多个传感器采集的实时位置坐标信息进行整合，得到表演者在舞台上准确的实时位置坐标信息；部署多个基于时间差分测量(TimeDifferenceofArrival,TDOA)原理的传感器，实时获取表演者在三维空间中的位置信息，转化为精确的X、Y、Z坐标，其定位精度可达到几厘米级，为预测轨迹打下基础。通过测量无线信号在不同传感器之间到达的时间差，得到表演者的坐标，并通过卡尔曼滤波算法对位置信息进行平滑处理，减少随机噪声的干扰，使实时位置坐标信息更准确；或者，通过安装在舞台四周的高分辨率摄像头系统实时捕捉表演者的位置，这些摄像头采集的图像数据通过计算机视觉技术处理，使用如OpenPose之类的深度学习框架，提取表演者的三维坐标(P(t)＝(x(t),y(t),z(t)))，可使用步骤S11中对整个舞台进行全方位实时拍摄的多台高精度摄像机同时捕捉表演者的位置。

单个传感器可能会存在视野盲区，利用多个传感器协作机制并收集各传感器的位置和采集的实时位置坐标信息，通过数据融合技术，整合不同传感器捕捉到的表演者位置信息，以提高定位的准确性，根据整合结果制定调整预测轨迹和测算光束聚焦区域，避免因传感器存在盲区造成光束无法到达这些区域。具体的，针对传感器的盲区，首先设定好每个传感器的探测角度和探测范围，然后通过网络将各个传感器的数据传输到中央处理器，在中央处理器，利用数据融合算法，如卡尔曼滤波，将收集到的多来源数据整合，得到表演者在舞台上的准确位置，这个机制确保了，即使某个传感器的传感器视线被遮挡，其他传感器还能提供相关数据，从而最小化盲区的可能性。传感器可采用红外传感器或者摄像头。每个传感器监测到的表演者位置坐标服从一个误差为sigma的高斯分布，数据融合技术如卡尔曼滤波被应用于合成一个更加准确的位置估计。比如，两个传感器获取的表演者坐标数据为(x_1,y_1,z_1)和(x_2,y_2,z_2)，融合的新坐标为加权平均值。凭借这一准确的位置坐标信息，再对最终的光照命令进行调整，以确保聚光灯能均匀覆盖测算光束聚焦区域，并达到所需的照度目标，比如调节聚光灯的偏转角度，确保在30^circ至50^circ范围内提供最佳照射强度。

S22：将实时位置坐标信息存储于位置数据库中，运用数据挖掘技术深入分析每位表演者的实时位置坐标信息历史数据，建立每位表演者的个人习惯模型；在本实施例中，采用K均值聚类算法，对表演者在舞台上的实时位置坐标信息历史数据进行分析，划分出不同的移动范围区块。表演者在一次表演中主要活动在三个区域，根据历史数据统计每个区域的停留时间及频率，发掘表演者的移动习惯。

收集到的实时位置坐标信息被存储于位置数据库中，能够为后续分析提供基础数据支持，通过历史数据的统计学分析，能够推断出表演者的典型移动模式，形成个人习惯模型，这个模型能够预测未来一段时间内表演者在舞台上的位置变动，以便于对其未来的位置进行准确预测，同时还能够为表演动作设计提供数据支持。个人习惯模型影响测算光束聚焦区域，最终影响光照范围，实现自动化的照明追踪，确保光照效果始终与表演者的移动同步；通过不断地将传感器采集的最新实时位置坐标信息数据反馈至个人习惯模型，实施动态优化，这样的机制保证了随着时间的推移，系统对表演者移动习惯的预测将变得更加精确。

S23：根据个人习惯模型和音乐节奏生成预测轨迹。通过支持向量机算法训练个人习惯模型，并通过交叉验证确保模型的泛化能力。该模型采用历史数据作为训练集，根据现有的表演者位置序列和音乐节奏，预测短期内表演者在舞台上的移动轨迹，形成所述预测轨迹。根据预测轨迹，光照控制系统会提前调整聚光灯的角度和亮度，假设通过追踪算法，计算出表演者在t+Δt时间将到达的预测位置(x'，y')，需要覆盖的测算光束聚焦区域随之变化，光照控制系统随之对测算光束聚焦区域进行实时定位，确保舞台光效与表演者动作协调一致。此外，可根据预测轨迹调整舞台布景和道具的位置，避免潜在的冲突，并将舞台构造元素与表演者的动作设计完美融合，这种优化可以提升观众的视觉体验并避免表演中的意外。具体的，根据预测轨迹可知表演者未来可能进入布景B区域，而此区域与装置物C有冲突，系统便会自动计算出一个安全距离d，并将装置物C在未来时间t内移动到一个相对安全的位置(x+d，y+d)，以确保表演者的流畅移动。

可选地，预测轨迹根据速度和方向预测，在t时刻，表演者的位置可能被标定为(P(t)＝(2,4,1.5))米。每捕捉到一个数据点后，系统通过对比前后时刻表演者的位置，计算其即时速度和方向。运用微分的概念，速度矢量可以计算为(v(t)＝DeltaP(t)/Deltat)，其中(DeltaP(t))是位置变化量，(Deltat)是时间间隔。如果表演者在两个连续的捕捉时刻(t_1)和(t_2)的位置分别是(P(t_1)＝(2,4,1.5))和(P(t_2)＝(3,4.5,1.7)),且时间间隔为0.1秒，则速度可以计算为(v(t)＝(10,5,2))米/秒。有了速度和方向的信息后，应用预测算法如卡尔曼滤波对表演者的未来位置进行估算。卡尔曼滤波通过考虑速度、加速度及外界随机因素，给出下一个预期位置(P(t+Deltat))的预测值。比如根据当前速度和先前的移动模式预测，在下个时刻，表演者的预测位置为(P(t+0.1)＝(3.1,4.55,1.72))，多个预测位置点组成预测轨迹。

为了进一步优化音质效果，预测轨迹还会被用来调整音效系统，这确保了随着表演者在舞台上的移动，音量和音效能够动态调整，从而加强现场表演的沉浸感。使用预测轨迹实时调整音频系统的空间音效处理，如果预测表演者即将移向舞台右侧，音效系统通过声源定位算法，如波束赋形Beamforming，动态调整声音方向和分布，确保声音始终围绕在表演者周围，增强观众的空间感。

优选的，在步骤S22还包括以下步骤：利用时间序列分析算法，分析音乐节奏与表演者动作的同步性，融合同步性分析结果与每位表演者的实时位置坐标信息历史数据建立个人习惯模型。音乐节奏被同步分析，利用时间序列分析算法，计算当前音乐节奏与表演者动作记录的同步性，同步性结果反映了演者动作与音乐节奏的匹配性，有利于增强表演的整体协调性。结合音乐节奏，利用快速傅里叶变换分析当前音乐的频谱特性，并通过动态时间规整算法对比音乐节奏和表演者动作之间的时间序列数据，得到的相关性分数，以此确定音乐节奏与表演者动作的匹配度。

系统将持续采集最新的表演者动作和音乐节奏数据，利用增量学习的方式不断更新个人习惯模型。依据新收集的数据，自适应调整模型参数，如神经网络的权重，通过在线学习不断优化模型的预测准确度。最终，这一系列技术的综合实施形成了一个高效、动态适应的舞台表演支持系统。它通过实时采集定位数据，分析表演者习惯，同步音乐节奏，预测运动轨迹，并优化舞台设计、照明和音响效果，最终确保表演以极高的精确性和协调性呈现给观众，而这一切都是通过先进的信息技术所实现，无需人为操作。

在步骤S3中，通过预测轨迹确定需要覆盖的测算光束聚焦区域，包括计算各预测轨迹点所对应空间区域的覆盖面积及其变化的形状。表演者占据的空间体积近似为一个以表演者为中心的球体，其半径设定为0.5米；对应的覆盖体积则为(V＝(4/3)pir^3)。根据表演者的预测轨迹变化，动态调整测算光束聚焦区域，使光照始终包围表演者。

据此调整光源的相关参数，如焦距、亮度、角度等，使光束能够灵活地覆盖到测算光束聚焦区域上，并且确保每一点都能得到适当的照明，确保光源随时可以精准地跟随表演者的预测轨迹。

优选的，舞台灯光的智能控制方法还包括步骤S5：通过摄像机捕抓实际光束照射区域，判断实际光束照射区域是否能够覆盖测算光束聚焦区域，若不能，则通过光照控制系统扩大光束辐射角度。为了确认是否达到预定的覆盖标准，使用图像识别算法(如边缘检测算法)分析实时图像，确定测算光束聚焦区域是否被完全覆盖。通过摄像机捕抓实际光束照射区域尺寸和测算光束聚焦区域尺寸进行几何空间的计算，以确保两者具有适当的匹配度，实际光束照射区域尺寸即为照射范围，如果发现测算光束聚焦区域尺寸超出照射范围，则通过光照控制系统来扩大光束辐射角度，进而增大实际光束照射区域。当光束辐射角度调整被执行后，再次评估实际光束照射区域和测算光束聚焦区域的覆盖情况，并进行必要的调整。如果调整后实际光束照射区域仍然没有完全覆盖测算光束聚焦区域，这一流程将重复进行。在每次调整后，利用图像识别算法继续监测调整效果，并逐渐缩小调整范围，实现精确的光束辐射角度调整，直到达到预定的覆盖标准为止。利用纠正偏差方法对光束辐射角度进行验算，以确保调整效果符合预期，确保光线充分照射到光束聚焦区域。例如，舞台的测算光束聚焦区域为一个矩形区域，长为10米，宽为5米。使用聚光灯来进行照明，该聚光灯的照射范围视为实际光束照射区域，实际光束照射区域为一个圆形区域，半径为8米。通过计算，可以发现实际光束照射区域无法完全覆盖整个测算光束聚焦区域。矩形区域的两侧边较长，而照射范围无法覆盖到这两侧边的全部长度。为了解决这个问题，可以通过扩大光束辐射角度来调整照射范围。将光束的辐射角度从原来的45°扩大到60°，通过实时分析实际光束照射区域，发现现在实际光束照射区域的圆形范围可以完全覆盖整个测算光束聚焦区域。这是因为，扩大光束辐射角度使得传感器能够照射到矩形区域的两侧边。因此，智能调整扩大实际光束照射区域的算法能够对实际照射范围和测算照射范围进行验算，以确保舞台得到适当的照明。

优选的，还包括：测量实际光束照射区域的实际光照强度，判断实际光照强度与光照强度的最优值进行对比，根据对比结果调整光照控制系统的光照亮度。使用光度计测量实际光束照射区域的实际光照强度，与光照强度的最优值进行对比。根据光照强度对比结果，微调照明策略，调整光照分布，直至测量实际光束照射区域的照明效果符合预设标准。设定光照强度的最优值为1000流明(lm)，实际光照强度测得为900lm，这意味着还需要提高光照强度。将优化后聚光灯效果参数更新至舞台管理系统，指导聚光灯的动态调整，以实现聚光灯效果的实时反馈。运用数据反馈机制，继续监控与调整舞台光照强度，保障在整个演出过程中的视觉效果与照明策略一致性和细节清晰度。

优选的，所述步骤S3和所述步骤S4之间还包括以下步骤：根据测算光束聚焦区域预测可能的盲区，提前调整照明策略。使用摄像机监测所述测算光束聚焦区域内的光照强度，使用类神经网络算法来分析实际光照强度的均匀性，预测出可能存在的盲区。获得盲区后，运用光学设计仿真软件，依据盲区的位置及大小设计出新的照明策略，之后将新的照明策略转化成调整命令发送到光照控制系统，光照控制系统执行调整命令。

具体的，采用2048x2048像素的摄像机，与配套的分析软件结合，能够实时监控并记录每一个像素点的光强值。借助光电效应，我们可以获得一个光强与电压转换的函数关系式，如I＝kV，其中I表示光照强度，V表示输出电压，k为传感器特定的转换常数。通过实时数据采集，便可以获得详细的光照强度分布图，进而以此为基础使用类神经网络算法来展开实际光照强度的均匀性分析，来预测可能的盲区。该类神经网络可以通过训练学习到一组权重，它构建了输入数据和盲区位置及其大小之间的映射。采用三层网络结构，输入层接受传感器的光照数据，隐藏层进行特征提取，输出层预测盲区信息，算法根据历史数据自动调整自身参数以提高盲区预测准确性。通过这种方法，即便在视场中出现细微的光斑偏差也能被即时捕捉和分析。数据分析之后，采用光学设计仿真软件比如Zemax或LightTools设计光学元件的角度和位置，形成新的照明策略。如果光学设计仿真软件表明在某个角度下光斑出现偏移或者扩散，导致功率密度下降，产生潜在盲区，那么便可调整相应的镜片或透镜的位置，以形成新的照明策略。以Zemax光学设计软件为例，可以利用其内置算法优化各参数，比如利用光线追踪算法RayTracing来计算每一次光线击中透镜后的反射和折射路径，确保光束能高效聚集。将新的照明策略转为调整命令发送到光照控制系统，光照控制系统使用步进电机或伺服电机对光学元件进行精确位置调整，电机的位置控制可以遵循PID控制算法来确保光学元件以精确、平滑且响应迅速的方式移动到预定位置。系统侦测到透镜需要向右移动0.5mm以消除盲区，PID控制算法将计算出令电机产生所需转动的控制信号。

在调整之后，摄像机重新测量光照强度分布，以确认是否达到目标效果。新收集到的数据通过公式I＝kV再次被转换成光照强度值，与调整前的数据进行对比，以验证盲区是否被成功消除。若衡量结果显示光照强度均匀性有显著提升，这验证了调整方案的有效性，并为神经网络提供新的训练数据，使其预测能力进一步增强。最终，更新后的神经网络预测模型将继续提升系统响应时间，并在未来的环境变化中提供快速准确的调整指令。闭环反馈再次利用实时数据和优化模型的迭代改进，以确保光照控制系统始终匹配当前的照明需求，无论环境如何变化，总能保持高效且精准的聚焦效果。

随着系统的运行，持续监控光束照射的实际效果与预期目标关系，通过这样的反馈机制，能够对智能控制的性能和精确度进行实时评估。如果监控结果显示有偏差，将自动调整预测轨迹的算法系数或光照命令的参数设置，从而精细调优光束跟随效果，确保表演者始终处于聚焦光束的正确照射范围之内。举例说明，高精度摄像机对整个舞台进行全方位实时拍摄，并将捕获的视频数据传输到监控分析系统中，并通过边缘检测算法，如Canny边缘检测算子，识别出视频中的物体边缘，从而生成包含x、y坐标的位置数据。这些数据随后输入到图像识别算法中进行分析，自动识别道具和演员的移动带来的新精彩区域，随后根据本发明的方法计算测试光束聚焦区域。为了调整灯光，首先需要计算聚光灯当前位置与理想照射点间的角度偏差。如果理想聚焦点的坐标是(Ax,Ay)，而当前聚光灯照射点的坐标是(Bx,By)，我们可以通过简单的三角函数来计算角度，比如使用θ＝tan^(-1)((By-Ay)/(Bx-Ax))来求得偏差角度θ，然后，通过调整光照控制系统中步进电机控制的齿轮系统，来改变聚光灯的角度，直至与计算出的理想角度相匹配。这一过程属于闭环控制系统，系统会不断地接收图像识别、角度偏差计算、光照强度测量、光束辐射角度测量和色温测量等各个环节的数据反馈，并进行实时调整，调整效果会反馈给系统以决定是否需要进一步调整，以保证舞台光影效果的一致性和清晰度。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种舞台灯光的智能控制方法，其特征在于，

包括以下步骤：

S1：根据舞台上表演者的动作、音乐节奏、服装和道具摆设，确定舞台上的精彩区域；

S2：采集所述精彩区域内表演者在舞台的实时位置坐标信息，对连续多个时间点的实时位置坐标信息进行分析，生成表演者的预测轨迹；

S3：根据所述预测轨迹，计算需要覆盖的测算光束聚焦区域，并根据表演者在舞台的实时位置坐标信息、表演者的动作、音乐节奏、服装和道具摆设，确定照明策略；

S4：通过光照控制系统依据所述照明策略对所述测算光束聚焦区域进行聚光照射。

2.根据权利要求1所述的舞台灯光的智能控制方法，其特征在于：

所述步骤S1包括：

S11：使用多台高精度摄像机对整个舞台进行全方位实时拍摄，并将捕获的视频数据传输到监控分析系统中；

S12：利用基于卷积神经网络的图像识别算法分析所述视频数据中的四个元素，四个所述元素为表演者的动作、音乐节奏、服装和道具摆设，输出视觉焦点；

S13：将视频数据和视觉焦点输入到深度学习模型中进行综合分析，计算出所述精彩区域。

3.根据权利要求1所述的舞台灯光的智能控制方法，其特征在于：

所述步骤S2包括：

S21：通过多个传感器采集所述实时位置坐标信息，并通过卡尔曼滤波算法对多个所述传感器采集的实时位置坐标信息进行整合，得到表演者在舞台上准确的实时位置坐标信息；

S22：将所述实时位置坐标信息存储于位置数据库中，运用数据挖掘技术深入分析每位表演者的实时位置坐标信息历史数据，建立每位表演者的个人习惯模型；

S23：根据所述个人习惯模型和所述音乐节奏生成所述预测轨迹。

4.根据权利要求3所述的舞台灯光的智能控制方法，其特征在于：

在所述步骤S22还包括以下步骤：

利用时间序列分析算法，分析所述音乐节奏与所述表演者动作的同步性，融合同步性分析结果与每位表演者的实时位置坐标信息历史数据建立所述个人习惯模型。

5.根据权利要求1所述的舞台灯光的智能控制方法，其特征在于：

所述照明策略包括各组聚光灯照射参数的规则，所述聚光灯照射参数包括开关、旋转角度、焦距、光照亮度、光束辐射角度和色温。

6.根据权利要求1所述的舞台灯光的智能控制方法，其特征在于：

所述照明策略转换成光照命令，所述光照命令经过精确编码，通过控制协议如DMX512发送到所述光照控制系统。

7.根据权利要求1所述的舞台灯光的智能控制方法，其特征在于：

还包括步骤S5：通过摄像机捕抓实际光束照射区域，判断所述实际光束照射区域是否能够覆盖所述测算光束聚焦区域，若不能，则通过所述光照控制系统扩大光束辐射角度。

8.根据权利要求1所述的舞台灯光的智能控制方法，其特征在于：

所述步骤S3和所述步骤S4之间还包括以下步骤：根据所述测算光束聚焦区域预测可能的盲区，提前调整照明策略。

9.根据权利要求8所述的舞台灯光的智能控制方法，其特征在于：

监测所述测算光束聚焦区域内的光照强度，使用类神经网络算法来分析所述实际光照强度的均匀性，并预测出所述盲区，然后利用光学设计仿真软件设计出新的照明策略，所述新的照明策略转为调整命令，所述光照控制系统执行所述调整命令。