WO2023231443A1 - 基于AIoT和传感器网络的商业照明系统及照明方法 - Google Patents

基于AIoT和传感器网络的商业照明系统及照明方法 Download PDF

Info

Publication number
WO2023231443A1
WO2023231443A1 PCT/CN2023/074981 CN2023074981W WO2023231443A1 WO 2023231443 A1 WO2023231443 A1 WO 2023231443A1 CN 2023074981 W CN2023074981 W CN 2023074981W WO 2023231443 A1 WO2023231443 A1 WO 2023231443A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
heat map
information
aiot
smart
Prior art date
Application number
PCT/CN2023/074981
Other languages
English (en)
French (fr)
Inventor
刘国良
Original Assignee
智谋纪(深圳)科技有限公司
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 智谋纪(深圳)科技有限公司 filed Critical 智谋纪(深圳)科技有限公司
Publication of WO2023231443A1 publication Critical patent/WO2023231443A1/zh

Links

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
    • 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
    • H05B47/105—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
    • 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
    • H05B47/19—Controlling the light source by remote control via wireless transmission
    • 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

Definitions

  • This application relates to the field of lighting technology, more specifically to commercial lighting systems and lighting methods based on AIoT and sensor networks.
  • the brightness, color temperature, color and other parameters of traditional commercial lighting LED lamps are generally fixed and cannot be automatically adjusted. Although some can be adjusted, they are limited to controlling the corresponding lighting modes through switches, and the types of these lighting modes are small. Moreover, it is inconvenient to adjust, has limitations in use, and has a poor user experience. Moreover, some applications with commercial added value, such as regional heat maps, product heat maps, scene control, store entry reminders, security and other applications must be implemented using other specialized systems, and the functions are relatively single.
  • the purpose of this application is to overcome the shortcomings of the existing technology and provide a commercial lighting system and lighting method based on AIoT and sensor networks.
  • At least one AI smart light communicates with the server
  • At least one AI smart box is communicatively connected to the AI smart light and server;
  • An intelligent electronic device is communicatively connected to the AI smart lamp, the AI smart box and the server.
  • the AI smart light includes an LED light, a first imaging sensor, a first wireless communication network, a first gateway, a first AI processor and a controller;
  • the first wireless communication network is used to communicate with all The AI smart box establishes a network connection
  • the first gateway is used to establish a communication connection with the server and intelligent electronic devices;
  • the first imaging sensor is used to collect image data of goods and the environment in which the goods are located, and the first
  • the AI processor is used to process the image data collected by the first imaging sensor and set a spectrum scheme to send to the controller.
  • the controller is used to control the LED lamp to perform corresponding light adjustment according to the spectrum scheme.
  • the AI smart box includes a second imaging sensor, a second wireless communication network, a second gateway and a second AI processor;
  • the second wireless communication network is used to establish a network with the AI smart lamp connection, the second gateway is used to establish a communication connection with the server and the intelligent electronic device, the second imaging sensor is used to collect environmental images including customers and products, and the second AI processor
  • the environment image is processed to obtain product information and passenger flow information.
  • the second gateway is used to send the information processed by the second AI processor to the server to generate a regional heat map and a product heat map.
  • lighting methods for commercial lighting systems based on AIoT and sensor networks include:
  • the lighting adjustment based on image data includes:
  • the product information includes product location information, category information, color information and style information.
  • the further technical solution is: estimating regional heat map and product heat map data based on environmental images, including:
  • the further technical solution is: taking the location point of the target product in the environmental site as the center of the circle, after setting a circular area that affects the target product, it also includes:
  • the residence time is greater than the set threshold, it is determined to be a valid customer attracted by the target product.
  • the further technical solution is: after generating the commodity heat map according to the effective number of people in the circular area, it also includes;
  • this application uses AI smart lights and AI smart boxes to form an IoT network, and forms an intelligent commercial lighting system with servers and intelligent electronic devices.
  • the AI smart lights can automatically sense the mall environment using imaging sensors. Information and target product information, through inference analysis, realize automatic adjustment of parameters such as brightness, color temperature and color.
  • the AI smart box uses integrated imaging sensors to implement functions such as customer detection and product heat analysis, as well as other additional commercial applications, such as regional heat maps, product heat maps, scene control, security, store entry reminders, energy saving and other functions. Feature-rich.
  • Figure 1 is a system architecture diagram of a commercial lighting system based on AIoT and sensor networks provided by a specific embodiment of this application;
  • FIG. 2 is a functional architecture diagram of an AI smart light in a commercial lighting system based on AIoT and sensor networks provided by a specific embodiment of this application;
  • Figure 3 is a functional architecture diagram of an AI smart box in a commercial lighting system based on AIoT and sensor networks provided by a specific embodiment of this application;
  • Figure 4 is a flow chart of the lighting method of the commercial lighting system of AIoT and sensor network provided by the specific embodiment of the present application.
  • commercial lighting systems based on AIoT and sensor networks include:
  • At least one AI smart light 100 communicates with the server
  • At least one AI smart box 200 is connected to the AI smart light 100 and the server;
  • the intelligent electronic device communicates with the AI smart lamp 100, the AI smart box 200 and the server.
  • the cloud service system refers to the server
  • the APP unit refers to the APP software of the intelligent electronic device.
  • Multiple AI smart lights 100 and multiple AI smart boxes 200 form an IoT network
  • the server and intelligent electronic devices constitute an intelligent commercial lighting system.
  • AI smart lamp 100 and AI smart box 200 can be sent to the server for summary and calculation to realize various commercial functions, such as product heat map, regional heat map, scene control, security, store entry reminder, energy saving, etc. Function.
  • APPs on smart electronic devices can configure, manually control and intervene in commercial lighting systems.
  • the AI smart light 100 includes an LED light 160, a first imaging sensor 150, a first wireless communication network 120, a first gateway 110, a first AI processor 140 and a controller 130;
  • the first wireless communication network 120 is used to establish a network connection with the AI smart box 200.
  • the first gateway 110 is used to establish a communication connection with the server and intelligent electronic devices.
  • the first imaging sensor 150 is used to collect image data of the product and the environment where the product is located.
  • the first AI processor 140 is used to process the image data collected by the first imaging sensor 150 and set the spectrum scheme and send it to the controller 130.
  • the controller 130 is used to control the LED lamp 160 to perform corresponding light adjustment according to the spectrum scheme. .
  • the LED light 160 can be a track light, a downlight, a spotlight or other lighting lamp, and the first imaging sensor 150, the first wireless communication network 120, the first gateway 110, the first AI processor 140 and the controller 130 can be integrated
  • the LED lamp 160 may or may not be integrated on the LED lamp 160 .
  • the first imaging sensor 150 is a camera
  • the first wireless communication network 120 is a Bluetooth mesh network
  • the first gateway 110 is a WiFi gateway.
  • the AI smart box 200 includes a second imaging sensor 240, a second wireless communication network 220, a second gateway 210 and a second AI processor 230; the second wireless communication network 220 is used to Establish a network connection with the AI smart lamp 100.
  • the second gateway 210 is used to establish a communication connection with the server and intelligent electronic devices.
  • the second imaging sensor 240 is used to collect environmental images including customers and products.
  • the second AI processor 230 The environment image is processed to obtain product information and passenger flow information.
  • the second gateway 210 is used to send the information processed by the second AI processor 230 to the server to generate a regional heat map and a product heat map.
  • the second imaging sensor 240 is a camera
  • the second wireless communication network 220 is a Bluetooth mesh network
  • the second gateway 210 is a WiFi gateway.
  • the trained deep learning model is transplanted into both the first AI processor 140 and the second AI processor 230, and the required target object information can be inferred and analyzed using the deep learning model.
  • the deep learning model is transplanted to the first AI processor 140 and the second AI processor 230 after training is completed.
  • the training process of the deep learning model uses imaging sensors to collect a large number of images of scenes illuminated by smart lights, and then classifies and annotates the images as the training data set, verification data set and test data of the deep learning model. set. Establish a deep learning model and train, verify, and test.
  • This training process is generally completed on a workstation or server, rather than in the AI processor of the AI smart light 100 and AI smart box 200.
  • the trained deep learning model is transplanted to the AI processor of the AI smart lamp 100 and AI smart box 200.
  • the inference process of deep learning is completed in the AI processor.
  • the inference process of the deep learning model is to first use the imaging sensor integrated on the AI smart light 100 and AI smart box 200 to capture images, and then use the deep learning model that has been transplanted into the smart light AI processor to perform inference analysis on the image.
  • the identification, classification and positioning information of the illuminated object is obtained to perform light distribution and color matching.
  • the number of customers and the thermal value of the product in the image are obtained.
  • the embodiment of the present application also provides a lighting method using the above-mentioned commercial lighting system based on AIoT and sensor network.
  • the method includes the following steps: S10-S50.
  • the AI smart lamp 100 can facilitate the first imaging sensor 150 to collect image data of the photographed product and the environment in which the product is located.
  • step S20 specifically includes the following steps: S201-S203.
  • the deep learning model of the first AI processor 140 can perform inference analysis on the image data to obtain product information.
  • the product information includes product location information, category information, color information, and style information.
  • a spectral formula is pre-stored in the internal storage space Flash of the AI smart lamp 100.
  • the spectral formula is configured in advance by an optical engineer based on the category, color, style and other attributes of the product. Different product information can be configured Different spectral formulas.
  • the controller 130 After finding the spectral formula corresponding to the product information in the storage space Flash, the controller 130 will adjust the light of the LED lamp 160 according to the spectral formula.
  • the AI smart box 200 can facilitate the second imaging sensor 240 to photograph the environmental site to obtain an environmental image.
  • step S40 specifically includes the following steps:
  • the customers in the environment image and the number of customers can be identified through the deep learning model of the second AI processor 230 .
  • S402. Calculate the location information of each customer in the environmental venue.
  • the radius of the circular area can be determined according to the actual situation, and only customers located in the circular area can be used as elements for generating the product heat map.
  • different heat gradient areas can be designed in the circular area, and corresponding pixel colors are assigned to different heat gradient areas to generate a heat map of the product. For example, red represents that the thermal value of the product is higher, and blue represents that the thermal value of the product is higher. Low.
  • step S403 in order to improve the accuracy of calculation, the following steps are also included after step S403:
  • step S404 is further included after step S404:
  • the scene heat area is set according to the demand, and the corresponding pixel color can be assigned according to the density of the crowd in the heat area to generate a regional heat map. For example, red represents the area with higher heat value, and blue represents the area with lower heat value. Integrating all regional heat maps in the mall can generate a regional heat map of the entire mall.
  • the regional heat map and the product heat map can be displayed through the display device for data analysis and retrieval by relevant personnel.
  • the environment image obtained through the AI smart box 200 also has other functions, such as scene control, store entry reminder/security, energy saving, etc.
  • the scene control is based on the environmental images collected by the AI smart box 200. It determines how to light up the lights based on factors such as passenger flow, product color, ambient light, time, etc., and realizes group control of lights through the IoT network to create the optimal environment for customers. ambient lighting effects.
  • Store entry reminder/security is based on the environmental image collected by the AI Smart Box 200.
  • the salesperson When detecting someone entering the store, if it is during business hours, the salesperson will be reminded on the smart electronic device APP that there is a customer shopping in the store. If it is non-business hours, it will An alarm message is issued on the smart electronic device APP to remind someone of intrusion.
  • Energy saving is based on the environmental images collected by the AI smart box 200.
  • the lighting in the customer's area is adjusted to 100% brightness to facilitate customers to purchase goods. If no customers are detected within the set time, the lights are automatically dimmed to save energy.
  • This application uses AI smart lights and AI smart boxes to form an IoT network, and forms an intelligent commercial lighting system with servers and intelligent electronic devices.
  • AI smart lights can use imaging sensors to automatically sense mall environment information and target product information, and through inference analysis, achieve brightness , automatic adjustment of parameters such as color temperature and color, the AI smart box uses the integrated imaging sensor to realize functions such as customer detection and product heat analysis, as well as other additional commercial applications, such as regional heat maps, product heat maps, scene control, Security, store entry reminder, energy saving and other functions are rich in functions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本申请实施例公开了一种基于AIoT和传感器网络的商业照明系统及照明方法，方法包括获取商品以及商品所处环境的图像数据；根据图像数据进行灯光调节；获取顾客和商品在内的环境图像；根据环境图像估算出区域热力图和商品热力图数据；显示区域热力图和商品热力图数据。本申请的AI智能灯可利用成像传感器自动感知商场环境信息和目标商品信息，经过推理分析，实现了亮度、色温和颜色等参数的自动调整，AI智慧盒利用集成的成像传感器实现了顾客检测、商品热度分析等功能，以及实现了其他的附加商业应用，如区域热力图、商品热力图，场景控制，安防，进店提醒，节能等功能，功能丰富。

Description

基于AIoT和传感器网络的商业照明系统及照明方法 技术领域
本申请涉及照明技术领域，更具体地说是基于AIoT和传感器网络的商业照明系统及照明方法。
 背景技术
当前传统商业照明LED灯具的亮度、色温和颜色等参数一般是固定的，无法自动调节，虽然有一些可以调节，但仅限于通过开关来控制相应的灯光模式，而这些灯光模式的种类较少，而且调节不方便，使用上具有局限性，使用体验较差。而且一些具有商业附加值的应用，如区域热力图、商品热力图，场景控制，进店提醒，安防等应用要使用其他专门的系统来实现，功能较为单一。
 申请内容
本申请的目的在于克服现有技术的不足，提供基于AIoT和传感器网络的商业照明系统及照明方法。
为实现上述目的，本申请采用以下技术方案：
一方面，基于AIoT和传感器网络的商业照明系统，包括：
服务器；
至少一个AI智能灯，与服务器通讯连接；
至少一个AI智慧盒，与所述AI智能灯以及服务器通讯连接；
智能电子设备，与所述AI智能灯、所述AI智慧盒以及所述服务器通讯连接。
其进一步技术方案为：所述AI智能灯包括LED灯、第一成像传感器、第一无线通讯网络、第一网关、第一AI处理器以及控制器；所述第一无线通讯网络用于与所述AI智慧盒建立网络连接，所述第一网关用于与所述服务器以及智能电子设备建立通讯连接；所述第一成像传感器用于采集商品以及商品所处环境的图像数据，所述第一AI处理器用于对所述第一成像传感器收集到的图像数据进行处理并设定光谱方案发送至控制器，所述控制器用于根据所述光谱方案控制所述LED灯进行对应的灯光调节。
其进一步技术方案为：所述AI智慧盒包括第二成像传感器、第二无线通讯网络、第二网关以及第二AI处理器；所述第二无线通讯网络用于与所述AI智能灯建立网络连接，所述第二网关用于与所述服务器以及所述智能电子设备建立通讯连接，所述第二成像传感器用于采集包括顾客和商品在内的环境图像，所述第二AI处理器对环境图像处理，以得到商品信息和客流信息，所述第二网关用于将所述第二AI处理器处理得到的信息发送至所述服务器，以生成区域热力图和商品热力图。
另一方面，基于AIoT和传感器网络的商业照明系统的照明方法，包括：
获取商品以及商品所处环境的图像数据；
根据图像数据进行灯光调节；
获取顾客和商品在内的环境图像；
根据环境图像估算出区域热力图和商品热力图数据；
显示区域热力图和商品热力图数据。
其进一步技术方案为：所述根据图像数据进行灯光调节，包括：
对图像数据进行推理分析，以得到商品信息；
根据商品信息查找与其对应的预先存储的光谱配方；
根据光谱配方进行灯光调节。
其进一步技术方案为：所述商品信息包括商品位置信息、类别信息、颜色信息以及样式信息。
其进一步技术方案为：所述根据环境图像估算出区域热力图和商品热力图数据，包括：
对环境图像内的顾客数量进行统计；
计算每个顾客在环境场地中的位置信息；
以环境场地内目标商品所在的位置点为圆心，设定影响该目标商品的圆形区域；
根据处于该圆形区域的有效人数生成商品热力图。
其进一步技术方案为：所述以环境场地内目标商品所在的位置点为圆心，设定影响该目标商品的圆形区域之后，还包括：
计算处于圆形区域内每个顾客的驻留时间；
若驻留时间大于设置阈值，则判定为被目标商品所吸引的有效顾客。
其进一步技术方案为：所述根据处于该圆形区域的有效人数生成商品热力图之后，还包括；
以环境场地中心为圆心，设定场景热度区域；
对场景热度区域内的人群密度生成区域热力图。
本申请与现有技术相比的有益效果是：本申请通过AI智能灯和AI智慧盒构成IoT网络，与服务器和智能电子设备构成智能商业照明系统，AI智能灯可利用成像传感器自动感知商场环境信息和目标商品信息，经过推理分析，实现了亮度、色温和颜色等参数的自动调整。AI智慧盒利用集成的成像传感器实现了顾客检测、商品热度分析等功能，以及实现了其他的附加商业应用，如区域热力图、商品热力图，场景控制，安防，进店提醒，节能等功能，功能丰富。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请技术手段，可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
 附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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为本申请具体实施例提供的基于AIoT和传感器网络的商业照明系统的系统架构图；
图2为本申请具体实施例提供的基于AIoT和传感器网络的商业照明系统中AI智能灯的功能架构图；
图3为本申请具体实施例提供的基于AIoT和传感器网络的商业照明系统中AI智慧盒的功能架构图；
图4为本申请具体实施例提供的AIoT和传感器网络的商业照明系统的照明方法的流程图。
 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清楚、完整地描述，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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如图1所示，基于AIoT和传感器网络的商业照明系统，包括：
服务器；
至少一个AI智能灯100，与服务器通讯连接；
至少一个AI智慧盒200，与AI智能灯100以及服务器通讯连接；
智能电子设备，与AI智能灯100、AI智慧盒200以及服务器通讯连接。
在本实施例中，图1中，云端服务系统指的是服务器，APP单元指的是智能电子设备的APP软件，通过多个AI智能灯100和多个AI智慧盒200构成IoT网络，与服务器和智能电子设备构成智能商业照明系统。
AI智能灯100和AI智慧盒200收集的数据均可传送至服务器进行汇总和计算，实现商业上的各种功能，如商品热力图，区域热力图，场景控制，安防，进店提醒，节能等功能。智能电子设备上的APP可对商业照明系统进行配置、人工控制和干预。
在一实施例中，如图2所示，AI智能灯100包括LED灯160、第一成像传感器150、第一无线通讯网络120、第一网关110、第一AI处理器140以及控制器130；第一无线通讯网络120用于与AI智慧盒200建立网络连接，第一网关110用于与服务器以及智能电子设备建立通讯连接；第一成像传感器150用于采集商品以及商品所处环境的图像数据，第一AI处理器140用于对第一成像传感器150收集到的图像数据进行处理并设定光谱方案发送至控制器130，控制器130用于根据光谱方案控制LED灯160进行对应的灯光调节。
具体地，LED灯160可以是轨道灯、筒灯、射灯等照明灯，第一成像传感器150、第一无线通讯网络120、第一网关110、第一AI处理器140以及控制器130可以集成在LED灯160上，也可以不集成在LED灯160上。
在本实施例中，第一成像传感器150为摄像机，第一无线通讯网络120为蓝牙mesh网络，第一网关110为WiFi网关。
在一实施例中，如图3所示，AI智慧盒200包括第二成像传感器240、第二无线通讯网络220、第二网关210以及第二AI处理器230；第二无线通讯网络220用于与AI智能灯100建立网络连接，第二网关210用于与服务器以及智能电子设备建立通讯连接，第二成像传感器240用于采集包括顾客和商品在内的环境图像，第二AI处理器230对环境图像处理，以得到商品信息和客流信息，第二网关210用于将第二AI处理器230处理得到的信息发送至服务器，以生成区域热力图和商品热力图。
在本实施例中，第二成像传感器240为摄像机，第二无线通讯网络220为蓝牙mesh网络，第二网关210为WiFi网关。
具体地，第一AI处理器140和第二AI处理器230中均移植有训练好的深度学习模型，利用深度学习模型便可推理分析出需要的目标对象信息。深度学习模型是训练完成后移植到第一AI处理器140和第二AI处理器230中的。
在本实施例中，深度学习模型的训练过程使用的是成像传感器采集大量被智能灯照射场景的图像，然后对图像进行分类并标注，作为深度学习模型的训练数据集、验证数据集和测试数据集。建立深度学习模型并训练、验证和测试，这个训练过程一般是在工作站或者服务器上完成，而非在AI智能灯100和AI智慧盒200的AI处理器中完成。训练完成后再将训练好的深度学习模型移植到AI智能灯100和AI智慧盒200的AI处理器处理器中。深度学习的推理过程是在AI处理器处理中完成的。深度学习模型的推理过程是首先使用AI智能灯100和AI智慧盒200上集成的成像传感器拍摄图像，然后利用已经移植到智能灯AI处理器处理器中的深度学习模型对图像进行推理分析即可得到被照对象的识别、分类和定位信息来进行配光配色，对于AI智慧盒200则得到该图像中顾客的数量和商品的热力值。
如图4所示，本申请实施例还提供了一种采用上述的基于AIoT和传感器网络的商业照明系统的照明方法，该方法包括以下步骤：S10-S50。
S10、获取商品以及商品所处环境的图像数据。
在本实施例中，AI智能灯100可利于第一成像传感器150采集拍摄的商品以及商品所处环境的图像数据。
S20、根据图像数据进行灯光调节。
在一实施例中，步骤S20具体包括以下步骤：S201-S203。
S201、对图像数据进行推理分析，以得到商品信息。
在本实施例中，通过第一AI处理器140的深度学习模型可以对图像数据进行推理分析，以得到商品信息，商品信息包括商品位置信息、类别信息、颜色信息以及样式信息。
S202、根据商品信息查找与其对应的预先存储的光谱配方。
在本实施例中，在AI智能灯100的内部存储空间Flash中，预先存储有光谱配方，光谱配方是事先根据商品的类别、颜色和样式等属性由光学工程师配置的，不同的商品信息可配置不同的光谱配方。
S203、根据光谱配方进行灯光调节。
在本实施例中，当在存储空间Flash中查找到与该商品信息所对应的光谱配方后，控制器130会根据光谱配方对LED灯160进行灯光调节。
S30、获取顾客和商品在内的环境图像。
在本实施例中，AI智慧盒200可利于第二成像传感器240对环境场地进行拍摄，以得到环境图像。
S40、根据环境图像估算出区域热力图和商品热力图数据。
在本实施例中，步骤S40具体包括以下步骤：
S401、对环境图像内的顾客数量进行统计。
在本实施例中，通过第二AI处理器230的深度学习模型可以识别出环境图像中的顾客，以及顾客数量。
S402、计算每个顾客在环境场地中的位置信息。
S403、以环境场地内目标商品所在的位置点为圆心，设定影响该目标商品的圆形区域。
具体地，圆形区域的半径可根据实际情况而定，位于圆形区域的顾客才能作为生成商品热力图的要素。
S404、根据处于该圆形区域的有效人数生成商品热力图。
在本实施例中，对于圆形区域内可设计不同热度梯度区域，不同热度梯度区域分配相应像素颜色生成该商品热力图，例如红色代表该商品热力值较高，蓝色代表该商品热力值较低。将商场内的各个商品热力图整合在一起便可生成商场内的所有商品的热力图。
在一实施例中，为了提高计算的准确度，步骤S403之后还包括以下步骤：
S4035、计算处于圆形区域内每个顾客的驻留时间。
S4036、若驻留时间大于设置阈值，则判定为被目标商品所吸引的有效顾客。
具体地，在实际场景中，会存在顾客只是经过该圆形区域，并不是因为被商品吸引而停留的，那么这种顾客则不是被商品吸引的有效顾客，需要排除，通过设置驻留的时间，来筛选出被商品吸引的有效顾客。
在一实施例中，步骤S404之后还包括以下步骤：
S405、以环境场地中心为圆心，设定场景热度区域。
S406、对场景热度区域内的人群密度生成区域热力图。
具体地，通过需求来设定场景热度区域，根据位于热度区域内的人群密度可以分配相应像素颜色生成区域热力图，例如红色代表该区域热力值较高，蓝色代表该区域热力值较低。将商场内所有区域热力图整合在一起则可生成整个商场的区域热力图。
S50、显示区域热力图和商品热力图数据。
在本实施例中，区域热力图和商品热力图可以通过显示设备显示，以供相关人员进行数据分析以及调取。
在一实施例中，通过AI智慧盒200获得的环境图像还具有其它功能作用，例如，场景控制、进店提醒/安防、节能等。
具体地，场景控制是根据AI智慧盒200采集的环境图像，根据客流量、商品颜色、环境光线、时间等因素决定灯光如何点亮，通过IoT网络实现灯光的群组控制，为顾客营造最优的环境照明效果。
进店提醒/安防是根据AI智慧盒200采集的环境图像，在检测到有人进店的情况，如果在营业时间则在智能电子设备APP上提醒营业员有顾客进店购物，如果是非营业时间则在智能电子设备APP上发出告警信息，提醒有人入侵。
节能是根据AI智慧盒200采集的环境图像，在检测到有顾客进店的情况，则把顾客所在区域的灯光调整至100%亮度，方便顾客选购商品。如果在设定的时间内未检测到顾客，则自动调暗灯光，节省能源。
本申请通过AI智能灯和AI智慧盒构成IoT网络，与服务器和智能电子设备构成智能商业照明系统，AI智能灯可利用成像传感器自动感知商场环境信息和目标商品信息，经过推理分析，实现了亮度、色温和颜色等参数的自动调整，AI智慧盒利用集成的成像传感器实现了顾客检测、商品热度分析等功能，以及实现了其他的附加商业应用，如区域热力图、商品热力图，场景控制，安防，进店提醒，节能等功能，功能丰富。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

  1. 基于AIoT和传感器网络的商业照明系统，其特征在于，包括：
    服务器；
    至少一个AI智能灯，与服务器通讯连接；
    至少一个AI智慧盒，与所述AI智能灯以及服务器通讯连接；
    智能电子设备，与所述AI智能灯、所述AI智慧盒以及所述服务器通讯连接。
  2. 根据权利要求1所述的基于AIoT和传感器网络的商业照明系统，其特征在于，所述AI智能灯包括LED灯、第一成像传感器、第一无线通讯网络、第一网关、第一AI处理器以及控制器；所述第一无线通讯网络用于与所述AI智慧盒建立网络连接，所述第一网关用于与所述服务器以及智能电子设备建立通讯连接；所述第一成像传感器用于采集商品以及商品所处环境的图像数据，所述第一AI处理器用于对所述第一成像传感器收集到的图像数据进行处理并设定光谱方案发送至控制器，所述控制器用于根据所述光谱方案控制所述LED灯进行对应的灯光调节。
  3. 根据权利要求1所述的基于AIoT和传感器网络的商业照明系统，其特征在于，所述AI智慧盒包括第二成像传感器、第二无线通讯网络、第二网关以及第二AI处理器；所述第二无线通讯网络用于与所述AI智能灯建立网络连接，所述第二网关用于与所述服务器以及所述智能电子设备建立通讯连接，所述第二成像传感器用于采集包括顾客和商品在内的环境图像，所述第二AI处理器对环境图像处理，以得到商品信息和客流信息，所述第二网关用于将所述第二AI处理器处理得到的信息发送至所述服务器，以生成区域热力图和商品热力图。
  4. 基于AIoT和传感器网络的商业照明系统的照明方法，其特征在于，包括：
    获取商品以及商品所处环境的图像数据；
    根据图像数据进行灯光调节；
    获取顾客和商品在内的环境图像；
    根据环境图像估算出区域热力图和商品热力图数据；
    显示区域热力图和商品热力图数据。
  5. 根据权利要求4所述的基于AIoT和传感器网络的商业照明系统的照明方法，其特征在于，所述根据图像数据进行灯光调节，包括：
    对图像数据进行推理分析，以得到商品信息；
    根据商品信息查找与其对应的预先存储的光谱配方；
    根据光谱配方进行灯光调节。
  6. 根据权利要求5所述的基于AIoT和传感器网络的商业照明系统的照明方法，其特征在于，所述商品信息包括商品位置信息、类别信息、颜色信息以及样式信息。
  7. 根据权利要求4所述的基于AIoT和传感器网络的商业照明系统的照明方法，其特征在于，所述根据环境图像估算出区域热力图和商品热力图数据，包括：
    对环境图像内的顾客数量进行统计；
    计算每个顾客在环境场地中的位置信息；
    以环境场地内目标商品所在的位置点为圆心，设定影响该目标商品的圆形区域；
    根据处于该圆形区域的有效人数生成商品热力图。
  8. 根据权利要求7所述的基于AIoT和传感器网络的商业照明系统的照明方法，其特征在于，所述以环境场地内目标商品所在的位置点为圆心，设定影响该目标商品的圆形区域之后，还包括：
    计算处于圆形区域内每个顾客的驻留时间；
    若驻留时间大于设置阈值，则判定为被目标商品所吸引的有效顾客。
  9. 根据权利要求7所述的基于AIoT和传感器网络的商业照明系统的照明方法，其特征在于，所述根据处于该圆形区域的有效人数生成商品热力图之后，还包括；
    以环境场地中心为圆心，设定场景热度区域；
    对场景热度区域内的人群密度生成区域热力图。
PCT/CN2023/074981 2022-06-01 2023-02-08 基于AIoT和传感器网络的商业照明系统及照明方法 WO2023231443A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210621226.8A CN114867161A (zh) 2022-06-01 2022-06-01 基于AIoT和传感器网络的商业照明系统及照明方法
CN202210621226.8 2022-06-01

Publications (1)

Publication Number Publication Date
WO2023231443A1 true WO2023231443A1 (zh) 2023-12-07

Family

ID=82641754

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/074981 WO2023231443A1 (zh) 2022-06-01 2023-02-08 基于AIoT和传感器网络的商业照明系统及照明方法

Country Status (2)

Country Link
CN (1) CN114867161A (zh)
WO (1) WO2023231443A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117710589A (zh) * 2024-02-02 2024-03-15 沈阳二一三电子科技有限公司 一种在3d模型上模拟展示人流量密度的热力图

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114867161A (zh) * 2022-06-01 2022-08-05 智谋纪(深圳)科技有限公司 基于AIoT和传感器网络的商业照明系统及照明方法
CN116234090B (zh) * 2023-05-10 2023-07-11 永林电子股份有限公司 一种根据商场内亮度以及人流调控led灯亮度的系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105517222A (zh) * 2015-12-01 2016-04-20 小米科技有限责任公司 灯光调节方法和装置
CN107360227A (zh) * 2017-07-11 2017-11-17 广州怡泰照明电子科技有限公司 一种照明系统及方法
CN108377602A (zh) * 2018-02-11 2018-08-07 四川研宝科技有限公司 一种用于商业环境的灯光智能调控系统
DE102018105706A1 (de) * 2018-03-13 2019-09-19 Zumtobel Group Ag Automatische Anpassung der Lichtfarbe von Leuchten
CN111712021A (zh) * 2020-06-16 2020-09-25 深圳市千百辉照明工程有限公司 一种美术馆灯光智能调节方法、装置和系统
CN114007300A (zh) * 2021-11-08 2022-02-01 深圳市永福智能照明有限公司 一种智能光照控制系统
CN114867161A (zh) * 2022-06-01 2022-08-05 智谋纪(深圳)科技有限公司 基于AIoT和传感器网络的商业照明系统及照明方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105517222A (zh) * 2015-12-01 2016-04-20 小米科技有限责任公司 灯光调节方法和装置
CN107360227A (zh) * 2017-07-11 2017-11-17 广州怡泰照明电子科技有限公司 一种照明系统及方法
CN108377602A (zh) * 2018-02-11 2018-08-07 四川研宝科技有限公司 一种用于商业环境的灯光智能调控系统
DE102018105706A1 (de) * 2018-03-13 2019-09-19 Zumtobel Group Ag Automatische Anpassung der Lichtfarbe von Leuchten
CN111712021A (zh) * 2020-06-16 2020-09-25 深圳市千百辉照明工程有限公司 一种美术馆灯光智能调节方法、装置和系统
CN114007300A (zh) * 2021-11-08 2022-02-01 深圳市永福智能照明有限公司 一种智能光照控制系统
CN114867161A (zh) * 2022-06-01 2022-08-05 智谋纪(深圳)科技有限公司 基于AIoT和传感器网络的商业照明系统及照明方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117710589A (zh) * 2024-02-02 2024-03-15 沈阳二一三电子科技有限公司 一种在3d模型上模拟展示人流量密度的热力图
CN117710589B (zh) * 2024-02-02 2024-05-14 沈阳二一三电子科技有限公司 一种在3d模型上模拟展示人流量密度的热力图

Also Published As

Publication number Publication date
CN114867161A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
WO2023231443A1 (zh) 基于AIoT和传感器网络的商业照明系统及照明方法
CN110784511B (zh) 一种基于边缘物联代理的智慧路灯系统
CN106340071B (zh) 一种基于云计算的智能教室系统
US10671826B2 (en) Indoor location services using a distributed lighting network
CN105122948B (zh) 基于用户行为的自适应室外照明控制系统
CN104282169B (zh) 嵌入式一体化车位检测器及其检测方法
CN108900576A (zh) 一种基于5g的智慧社区应用服务系统
CN205909142U (zh) 一种带有监控报警功能的照明系统
TW201720345A (zh) 智慧鏡功能組件運作方法、智慧鏡功能組件與智慧鏡系統
CN109919402A (zh) 一种智能巡检管理方法、系统及终端设备
CN108280572A (zh) 车辆能源补充的调度方法、系统及计算机可读存储介质
CN103650383A (zh) 信息通信方法
US11233665B2 (en) Lighting fixture data hubs and systems and methods to use the same
CN108388838A (zh) 无人机对地人群监控系统及监控方法
CN109120895A (zh) 安全通道指示灯运行状态验证机构
CN104768276B (zh) 一种3d照明监控方法、装置及系统
CN112511610A (zh) 基于城市精细化管理条件的车载巡视智能方法和系统
US11972684B2 (en) Lighting fixture data hubs and systems and methods to use the same
US10789832B2 (en) System and method for preventing false alarms due to display images
CN107610260B (zh) 一种基于机器视觉的智能考勤系统及考勤方法
CN107420826A (zh) 一种带有监控报警功能的照明系统
CN108055746A (zh) 利用智能手机控制环境照明的方法及其系统
CN102254078B (zh) 一种多功能碳足迹计算终端及其实现方法
Yaman et al. New approach for intelligent street lights using computer vision and wireless sensor networks
CN106686810A (zh) 智能生成灯光位置地图的方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23814642

Country of ref document: EP

Kind code of ref document: A1