一种灯光控制方法及系统技术方案

本发明专利技术提供的一种灯光控制方法系统，方法包括：获取包含手势的可见光

【技术实现步骤摘要】
一种灯光控制方法及系统


[0001]本专利技术涉及智能控制领域，特别是涉及一种灯光控制方法及系统。

技术介绍

[0002]在日常生活中，灯主要被用于照明，属于不可被替代的存在。传统的家居用灯主要是人为手动操控，经常有开关距离较远、摸黑去开灯的情况。这种情况对人的生活造成了一定的不便。
[0003]近年来，随着各种智能设备的发展与普及，也增大了人们对简单便利的人机交互体验的需求，以智能家居为首的物联网逐渐进入了人们的生活，并且大大提高了人们生活的便利性。目前，市面上的智能家居设备有很多的缺点；首先，在图像捕获方面，传统的摄像头受光照因素的影响较大，在较为黑暗的地方对手势识别往往不够准确甚至于无法进行识别，依旧需要人为操作；其次，现有的智能控制系统无法很好的和市面上的智能灯具相兼容。这些都导致了用户的人机交互体验不够理想。

技术实现思路

[0004]本专利技术的目的是提供一种灯光控制方法及系统，能够准确识别控制手势并具有较好的兼容性。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种灯光控制方法，其特征在于，所述方法包括：
[0007]获取包含手势的可见光
‑
红外双模图像；
[0008]以所述可见光
‑
红外双模图像为输入对神经网络模型进行训练；
[0009]将待识别的所述可见光
‑
红外双模图像输入训练好的神经网络模型，得到手势的识别结果；
[0010]根据所述手势的识别结果对灯光进行控制。
[0011]可选的，所述神经网络模型为YOLOv3目标识别网络的模型。
[0012]可选的，所述手势与灯光控制指令一一对应；所述灯光控制指令包括：开灯、关灯、调高亮度和调低亮度。
[0013]可选的，所述根据所述手势的识别结果对灯光进行控制具体包括：
[0014]将所述手势的识别结果上传至物联网开放平台；所述物联网开放平台为Yeelight智能灯开放平台；
[0015]所述物联网开放平台，根据所述手势的识别结果确定所述灯光控制指令，根据所述灯光控制指令对灯光进行控制。
[0016]一种灯光控制系统，其特征在于，所述系统包括：图像采集模块、AI边缘计算模块和物联网模块；
[0017]所述图像采集模块用于采集包含手势的可见光
‑
红外双模图像并将所述可见光
‑
红外双模图像传输给所述AI边缘计算模块；
[0018]所述AI边缘计算模块包括训练单元和预测单元；
[0019]所述训练单元，用于以所述可见光
‑
红外双模图像为输入对神经网络模型进行训练，输出为所述手势的识别结果；
[0020]所述预测单元，用于将待识别的所述可见光
‑
红外双模图像输入训练好的神经网络模型，得到所述手势的识别结果；
[0021]所述物联网模块根据所述手势的识别结果对灯光进行控制。
[0022]可选的，所述神经网络模型为YOLOv3目标识别网络的模型。
[0023]可选的，所述手势与灯光控制指令一一对应；所述灯光控制指令包括：开灯、关灯、调高亮度和调低亮度。
[0024]可选的，所述物联网模块为物联网开放平台；所述物联网开放平台为Yeelight智能灯开放平台。
[0025]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0026]本专利技术提供的一种灯光控制方法系统，方法包括：获取包含手势的可见光
‑
红外双模图像；以可见光
‑
红外双模图像为输入对神经网络模型进行训练；将待识别的可见光
‑
红外双模图像输入训练好的神经网络模型，得到手势的识别结果；根据手势的识别结果对灯光进行控制；系统包括：图像采集模块、AI边缘计算模块和物联网模块；图像采集模块用于采集包含手势的可见光
‑
红外双模图像并将可见光
‑
红外双模图像传输给AI边缘计算模块；AI边缘计算模块包括训练单元和预测单元；训练单元用于以可见光
‑
红外双模图像为输入对神经网络模型进行训练，输出为手势的识别结果；预测单元用于将待识别的可见光
‑
红外双模图像输入训练好的神经网络模型，得到手势的识别结果；物联网模块根据手势的识别结果对灯光进行控制。本专利技术通过采集包含手势的可见光
‑
红外双模图像，并经过训练好的神经网络模型进行手势识别，能够准确识别灯光控制手势，将识别的手势上传至物联网，物联网根据手势控制灯光，而物联网能够兼容各种智能灯具，因此手势能够控制各种智能灯具，从而具有较好的兼容性。
附图说明
[0027]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性的前提下，还可以根据这些附图获得其他的附图。
[0028]图1为本专利技术提供的灯光控制方法的流程图；
[0029]图2为本专利技术提供的灯光控制系统的结构框图；
[0030]图3为YOLOv3网络结构示意图；
[0031]图4为YOLOv3主干网络B结构；
[0032]图5为YOLOv3预测网络P结构示意图；
[0033]图6为开灯手势示意图；
[0034]图7为关灯手势示意图；
[0035]图8为调高亮度手势示意图；
[0036]图9为调低亮度手势示意图。
[0037]符合说明：
[0038]第一卷积层—1，第二卷积层—2，第三卷积层—3，第四卷积层—4，第五卷积层—5，第六卷积层—6，图像采集模块—7，AI边缘计算模块—8，物联网模块—9。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术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前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]本专利技术的目的是提供一种灯光控制方法及系统，能够准确识别控制手势并具有较好的兼容性。
[0041]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0042]如图1所示，本专利技术提供的灯光控制方法，包括：
[0043]步骤101：获取包含手势的可见光
‑
红外双模图像。
[0044]步骤102：以可见光
‑
红外双模图像为输入对神经网络模型进行训练；具体的，神经网络模型为YOLOv3目标识别网络的模型。
[0045]步骤103：将待识别的可见光
‑
红外双模图像输入训练好的神经网络模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种灯光控制方法，其特征在于，所述方法包括：获取包含手势的可见光
‑
红外双模图像；以所述可见光
‑
红外双模图像为输入对神经网络模型进行训练；将待识别的所述可见光
‑
红外双模图像输入训练好的神经网络模型，得到手势的识别结果；根据所述手势的识别结果对灯光进行控制。2.根据权利要求1所述的灯光控制方法，其特征在于，所述神经网络模型为YOLOv3目标识别网络的模型。3.根据权利要求1所述的灯光控制方法，其特征在于，所述手势与灯光控制指令一一对应；所述灯光控制指令包括：开灯、关灯、调高亮度和调低亮度。4.根据权利要求1所述的灯光控制方法，其特征在于，所述根据所述手势的识别结果对灯光进行控制具体包括：将所述手势的识别结果上传至物联网开放平台；所述物联网开放平台为Yeelight智能灯开放平台；所述物联网开放平台，根据所述手势的识别结果确定所述灯光控制指令，根据所述灯光控制指令对灯光进行控制。5.一种灯光控制系统，其特征在于，所述系统包括：图像采集模块、AI边...

【专利技术属性】
技术研发人员：庞枫骞，张文康，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：