照明亮度自适应调整系统及其调整方法技术方案

本发明专利技术公开了照明亮度自适应调整系统及其调整方法能够自主捕捉人脸图像，能针对用户的人脸情绪而开启不同的照明环境，智能地“识人”从而控制家庭不同位置灯具的亮暗，可根据所采集对象生理特征及生理信号特点自动调整信号采集电路的滤波及增益放大电路，实现对生理信号的准确获取，通过利用基于深度学习的神经网络识别人脸状态，通过对采集到的信息比拟出人脸心情从而调动照明模块对照明设备的亮灭状态。本发明专利技术通过识别人脸情绪状态，实现控制相适应照明模块的灯光亮暗，从而根据心情调控照明光线安抚心理，达到提高用户体验和舒适度的目的。度的目的。度的目的。

【技术实现步骤摘要】
照明亮度自适应调整系统及其调整方法


[0001]本专利技术涉及照明设备
，尤其涉及照明亮度自适应调整系统及其调整方法。

技术介绍

[0002]国内绝大部分照明控制依赖人员的手动控制，虽然很多项目在设计期间均考虑分组分时控制，甚至有些设置感应控制等多种控制方式，但在项目建成后投入使用期间日常管理实际由人工控制，而很多公司为节约运行成本，管理人员很少且缺乏技术职能培训(不懂操作或懒惰等)，或为节约电费和灯具更换周期直接关闭照明灯源，仅使用25％灯源维持基本照度需求，或者因懒惰不管电源。这样就造成照度不足或照度过多浪费问题，不仅影响人的视线及识别度，而且照度不均匀会出现一片亮一片暗的情况，舒适感很差。
[0003]现有的灯光调节只是针对特定环境下的灯光进行调节，较多应用在声控灯，在遇到多种应用场景时存在一定的技术难点，例如PPT讲解灯光调节场景、会议期间灯光调节场景，打扫卫生时灯光调节场景，这种多场景下的灯光调节，常采用人工进行控制，导致灵活度非常地低，且现有的灯光调节很少涉及图像处理以及语音识别进行灯光调节，通过图像人工交互场景进行智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.照明亮度自适应调整方法，其特征在于，包括：实时采集使用者的状态信息，对采集的状态信息进行预处理，并将经预处理后的状态信息发送至分析评估模块；所述分析评估模块接收经预处理后的使用者的状态信息，采用方向梯度直方图特征输入卷积神经网络对所述使用者的信息进行解析和识别，提取使用者的面部信息，判断使用者在各情况下的状态信息并将判断的所述状态信息发送至监测反馈模块；接收所述状态信息，并根据判断使用者当前的情感状态生成灯光调节输出信息；接受所述控制模块的输出信息，并根据预设值控制灯发出相应的灯光亮度和色调。2.如权利要求1所述的照明亮度自适应调整方法，其特征在于，采用方向梯度直方图特征输入卷积神经网络包括采用情感预测神经网络模型从所述图像信号中解析得到使用者当前的状态信息并在所述状态信息中输出。3.如权利要求1所述的照明亮度自适应调整方法，其特征在于，采用情感预测神经网络模型包括：采集获得原始建模数据，选定检测到的五官特征、面部动作特征、头部动作特征的各项指标作为模型训练阶段的输入值，选定输入量所对应的表情值作为模型训练阶段的期望输出值；根据所述选定输入量和期望输出量，构建BP神经网络模型，所述BP神经网络模型包括三层前馈神经网络结构，分别为输入层、隐含层和输出层，所述输入层的输入指标是所述选定输入量，所述输出层的输出指标为期望输出量；根据实际预测精度要求，设定期望误差E；用当前训练数据训练所述BP神经网络模型；根据当前测得的数据，模型应用，使用所述BP神经网络模型对状态信息进行确认；其中所述输入层、隐含层和输出层均包括与与表情种类相对应的节点，当所述表情种类有M种，所述输入层为M+5个节点，所述输出层M个节点，所述隐含层为M+7个节点；所述隐藏层的激活函数采用Relu函数，所述输出层的激活函数采用线性函数。4.如权利要求1所述的照明亮度自适应调整方法，其特征在于，训练所述BP神经网络模型包括：从指标中取一个样本P
i
、Q
j
,将P
i
输入网络；计算出误差测度E
i
和实际输出O
i
；重复调整权重，直到∑E
i
＜ε；计算实际输出O
p
与理想输出Q
i
的差；通过所述输出层的误差调整所述输出层权矩阵；通过所述输出层的误差估计所述输出层的前导层的误差，以此获得其他各层的误差估计；通过误差估计实现对权值矩阵的修改；其中，所述误差计算公式为5.如权利要求1所述的照明亮度自适应调整方法，...

【专利技术属性】
技术研发人员：陈啸，
申请(专利权)人：嘉兴青芒创业服务有限公司，
类型：发明
国别省市：