一种多媒体教学设备智能控制方法技术

本发明专利技术涉及一种多媒体教学设备智能控制方法，包括：基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对环境图像和人像中的人体进行识别，将识别的数据作为人体决策数据；基于环境设备获取室内的实时环境数据，并将环境数据作为环境决策数据；基于室内教学设备的使用状态和相应的教学安排确定教学设备的使用数据，并将使用数据作为设备决策数据；使用人体决策数据、环境决策数据和设备决策数据对预设tensorfiow机器学习框架进行训练，以形成自动控制模型实现对室内用电设备的自动控制。实现了多媒体教室内用电设备的自动控制，而不再需要人工手动的操作避免了人工的干预提高了控制的效率有效减少意外情况的发生。情况的发生。情况的发生。

【技术实现步骤摘要】
一种多媒体教学设备智能控制方法


[0001]本专利技术属于智能教学
，具体涉及一种多媒体教学设备智能控制方法。

技术介绍

[0002]随着科技的不断发展目前多媒体教学已经成为了教学的首选。为了提高教学的智能化，目前传统的多媒体教室通常采用远程发送相关指令的方式完成对教室内教学设备等相关设备的管理工作。基于物联网的中央控制器在物联网管理系统的管理下，可以实现对远程教学设备的开、关等相关管理工作。但设备的管理仍需要人工进行控制，人工操作方式不仅耗时耗力效率低，而且存在不能及时开启或者关闭设备的情况，导致的教学事故、能源浪费等情况的发生。

技术实现思路

[0003]为了解决现有技术存在的效率低、易出错等问题，本专利技术提供了一种多媒体教学设备智能控制方法，其具有控制效率高、不易出错等特点。
[0004]根据本专利技术的具体实施方式的一种多媒体教学设备智能控制方法，包括：
[0005]基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对所述环境图像和人像中的人体进行识别，将识别的数据作为人体决策数据；
[0006]基于环境设备获取室内的实时环境数据，并将所述实时环境数据作为环境决策数据；
[0007]基于室内教学设备的使用状态和相应的教学安排确定教学设备的使用数据，并将所述使用数据作为设备决策数据；
[0008]使用所述人体决策数据、所述环境决策数据和所述设备决策数据对预设tensorfiow机器学习框架进行训练，以形成自动控制模型实现对室内用电设备的自动控制。
[0009]进一步的，所述多媒体教学智能控制方法还包括：
[0010]基于课表数据和预约数据对所述自动控制模型进行修正，以对所述自动控制模型进行完善。
[0011]进一步的，所述基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对所述环境图像和人像中的人体进行识别，将识别的数据作为人体决策数据包括：
[0012]基于监控摄像头和人体红外设备获取室内的环境图像和人像，并基于OpenCV的HOG线性SVM模型进行人体识别检测，将识别的数据作为人体决策数据。
[0013]进一步的，所述多媒体教学智能控制方法还包括：
[0014]基于人脸识别技术进行人脸识别并将相应的数据作为人体决策数据。
[0015]进一步的，所述基于环境设备获取室内的实时环境数据，并将所述环境数据作为环境决策数据包括：
[0016]至少基于温湿度传感器、光敏传感器和人体传感器获取室内的实时环境数据，并将所述环境数据作为环境决策数据。
[0017]进一步的，所述基于室内教学设备的使用状态和相应的教学安排确定教学设备的使用数据，并将所述使用数据作为设备决策数据包括：
[0018]至少基于投影仪、计算机和智能白板的使用状态以及相应的教学安排确定教学设备的使用数据，并将所述使用数据作为设备决策数据。
[0019]本专利技术的有益效果为：通过基于tensorfiow机器学习框架构建自动控制模型，并由监控设备的人体决策数据、环境设备的环境决策数据以及室内教学设备的设备决策数据对模型进行训练使得在中央控制单元中直接运用该模型进行多媒体教室内用电设备的自动控制，而不再需要人工手动的操作避免了人工的干预提高了控制的效率，能够有效减少意外情况的发生。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0021]图1是根据一示例性实施例提供的多媒体教学智能控制方法的流程图；
[0022]图2是根据一示例性实施例提供的多媒体教学智能控制方法的另一流程图。
具体实施方式
[0023]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。
[0024]参照图1所示，本专利技术的实施例提供了一种多媒体教学设备智能控制方法，具体包括以下步骤：
[0025]101、基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对环境图像和人像中的人体进行识别，将识别的数据作为人体决策数据；
[0026]可采用多媒体教室中的监控摄像头、人体红外设备等能够获取到人体的躯干、脸部等身体信息的图像，然后通过图像增强算法和脸部识别的技术对人体信息和脸部的信息进行增强和相应的识别，获取到相应的人体特征信息和脸部信息，将相应的数据作为人体决策数据，基于人体决策数据能够实现教室内的有无人员以及人员信息的验证。
[0027]102、基于环境设备获取室内的实时环境数据，并将实时环境数据作为环境决策数据；
[0028]在教室内安装一些传感器如温度传感器、湿度传感器、光敏传感器、人体传感器等获取教学过程中的实时环境的数据作为环境决策数据，通过环境数据对室内环境的调整提供依据。
[0029]103、基于室内教学设备的使用状态和相应的教学安排确定教学设备的使用数据，
并将使用数据作为设备决策数据；
[0030]通过获取各种教学设备的使用状态、教学的安排进而确定教室的使用习惯，在自动化决策执行时能够根据教学活动的习惯开启相应的设备。
[0031]104、使用人体决策数据、环境决策数据和设备决策数据对预设tensorfiow机器学习框架进行训练，以形成自动控制模型实现对室内用电设备的自动控制。
[0032]tensorfiow是一个开源的机器学习框架，其通过结合机器学习，深度学习和效率算法来加速学习和应用过程，从而利用观察技能和推理技巧。该框架具有无缝的前端API，由Python编程语言提供，可用于构建各种应用程序，并且利用C++(编程语言)实现高性能目的。其能构建的应用程序的整体逻辑，而不必将每个微观细节处理或编程到应用程序中，在合并多个算法中花费的时间更少。用户可通过加入相应的数据选择合适的模型进行训练，进而得到自己想要功能的决策模型。这样在将人体决策数据、环境决策数据和设备决策数据对预设tensorfiow机器学习框架进行训练，以形成自动控制模型。从而达到减少人工干预、自动决策、自动巡检、设备异常智能上报的功能。
[0033]作为上述实施例可行的实现方式，基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对所述环境图像和人像中的人体进行识别，将识别的数据作为人体决策数据包括：
[0034]基于监控摄像头和人体红外设备获取室内的环境图像和人像，并基于OpenCV的HOG线性SVM模型进行人体识别检测，将识别的数据作为人体决策数据。
...

【技术保护点】

【技术特征摘要】
1.一种多媒体教学设备智能控制方法，其特征在于，包括：基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对所述环境图像和人像中的人体进行识别，将识别的数据作为人体决策数据；基于环境设备获取室内的实时环境数据，并将所述实时环境数据作为环境决策数据；基于室内教学设备的使用状态和相应的教学安排确定教学设备的使用数据，并将所述使用数据作为设备决策数据；使用所述人体决策数据、所述环境决策数据和所述设备决策数据对预设tensorfiow机器学习框架进行训练，以形成自动控制模型实现对室内用电设备的自动控制。2.根据权利要求1所述的多媒体教学设备智能控制方法，其特征在于，还包括：基于课表数据和预约数据对所述自动控制模型进行修正，以对所述自动控制模型进行完善。3.根据权利要求1所述的多媒体教学设备智能控制方法，其特征在于，所述基于监控设备获取室内的环境图像和人像，并采用图像增强算法和识别技术对所述环境图像和人像中的人体进行识别，将识别的数据作为...

【专利技术属性】
技术研发人员：林德力，
申请(专利权)人：闽江师范高等专科学校，
类型：发明
国别省市：