一种基于人工智能的灯光智能控制方法、系统、设备和介质技术方案

本发明专利技术提供一种基于人工智能的灯光智能控制方法、系统、设备和介质，本发明专利技术涉及灯光控制技术领域，通过动作视频确定用户的预估行走路径，并基于预估行走路径确定预估行走路径对应的多个行走照明灯及多个行走照明灯的亮度参数，通过室内全景图像确定多个待检查区域和多个待检查区域的重要程度；基于多个待检查区域和多个待检查区域的重要程度确定多个待检查区域对应的多个区域照明灯及多个区域照明灯的亮度参数；基于多个行走照明灯及多个行走照明灯的亮度参数、多个区域照明灯及多个区域照明灯的亮度参数进行灯光控制。从而能够智能的控制灯光开启，优化了用户体验，减少了能源消耗。消耗。消耗。

【技术实现步骤摘要】
一种基于人工智能的灯光智能控制方法、系统、设备和介质


[0001]本专利技术涉及灯光控制
，具体涉及一种基于人工智能的灯光智能控制方法、系统、设备和介质。

技术介绍

[0002]工厂生产中，光源是必不可少的设备，它对提高工作效率、减少生产事故、保障工作场所的安全等方面起着至关重要的作用。在工厂设备运行中，用户经常需要去工厂室内检查设备的运行状态，以确保设备的正常工作。在检查时，由于室内设备多，情况复杂，用户需要打开室内全部灯光挨个检查设备的运行状态，在检查完毕后，关闭室内全部灯光以完成检查。但由于用户检查的频率高，需要反复的对工厂室内的灯光进行开关操作，操作较为繁琐且用户体验较差，而且由于检查时会打开全部灯光，会造成极大的能源消耗。
[0003]因此，如何更加智能的控制灯光、提高用户体验、减少能源消耗是当前亟待解决的问题。

技术实现思路

[0004]本专利技术主要解决的技术问题是如何更加智能的控制灯光、提高用户体验、减少能源消耗。
[0005]根据第一方面，本专利技术提供一种基于人工智能的灯光智能控制方法，包括：检测到用户进入室内后，获取所述用户进入室内后的动作视频；基于所述动作视频使用路径预估模型确定所述用户的预估行走路径；基于所述预估行走路径确定所述预估行走路径对应的多个行走照明灯及所述多个行走照明灯的亮度参数；获取室内全景图像；基于所述室内全景图像使用区域检测模型确定多个待检查区域和所述多个待检查区域的重要程度；基于所述多个待检查区域和所述多个待检查区域的重要程度确定所述多个待检查区域对应的多个区域照明灯及所述多个区域照明灯的亮度参数；基于所述多个行走照明灯及所述多个行走照明灯的亮度参数、所述多个区域照明灯及所述多个区域照明灯的亮度参数进行灯光控制。
[0006]更进一步地，所述路径预估模型包括人脸识别模型和动作识别模型，所述基于所述动作视频使用路径预估模型确定所述用户的预估行走路径包括：基于所述人脸识别模型对动作视频进行处理确定所述用户的身份信息，基于所述用户的身份信息和所述动作视频使用所述动作识别模型确定所述用户的预估行走路径。
[0007]更进一步地，所述基于所述预估行走路径确定所述预估行走路径对应的多个行走照明灯及所述多个行走照明灯的亮度参数，包括：将距离所述预估行走路径小于距离阈值的多个灯作为多个行走照明灯，并将所述多个行走照明灯的亮度参数设置为最大亮度的一半。
[0008]更进一步地，所述基于所述多个待检查区域和所述多个待检查区域的重要程度确定所述多个待检查区域对应的多个区域照明灯及所述多个区域照明灯的亮度参数包括：将
位于所述待检查区域的多个灯作为多个区域照明灯，并基于所述多个待检查区域的重要程度和所述多个区域照明灯的亮度参数的预设关系确定所述多个区域照明灯的亮度参数。
[0009]更进一步地，所述区域检测模型为卷积神经网络模型，所述区域检测模型通过训练过程获取，所述训练过程包括：获取多个训练样本，所述训练样本包括样本输入数据和所述样本输入数据对应的标签，所述样本输入数据为样本室内全景图像，所述标签为多个样本待检查区域和所述多个样本待检查区域的重要程度；基于所述多个训练样本训练初始的区域检测模型，得到所述区域检测模型。
[0010]更进一步地，所述方法还包括：获取室内声音信息，若所述室内声音的分贝大于分贝阈值，则将所述多个行走照明灯的亮度参数和所述多个区域照明灯的亮度参数调节到最大。
[0011]根据第二方面，本专利技术提供一种基于人工智能的灯光智能控制系统，包括：检测模块，用于检测到用户进入室内后，获取所述用户进入室内后的动作视频；路径确定模块，用于基于所述动作视频使用路径预估模型确定所述用户的预估行走路径；行走照明灯确定模块，用于基于所述预估行走路径确定所述预估行走路径对应的多个行走照明灯及所述多个行走照明灯的亮度参数；获取模块，用于获取室内全景图像；区域确定模块，用于基于所述室内全景图像使用区域检测模型确定多个待检查区域和所述多个待检查区域的重要程度；区域照明灯确定模块，用于基于所述多个待检查区域和所述多个待检查区域的重要程度确定所述多个待检查区域对应的多个区域照明灯及所述多个区域照明灯的亮度参数；灯光控制模块，用于基于所述多个行走照明灯及所述多个行走照明灯的亮度参数、所述多个区域照明灯及所述多个区域照明灯的亮度参数进行灯光控制。
[0012]根据第三方面，本专利技术提供一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现上述的方法。
[0013]根据第四方面，本专利技术提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述方面中任一项所述的方法。
[0014]本专利技术提供的一种基于人工智能的灯光智能控制方法、系统、设备和介质，通过动作视频确定用户的预估行走路径，并基于预估行走路径确定预估行走路径对应的多个行走照明灯及多个行走照明灯的亮度参数，通过室内全景图像确定多个待检查区域和多个待检查区域的重要程度；基于多个待检查区域和多个待检查区域的重要程度确定多个待检查区域对应的多个区域照明灯及多个区域照明灯的亮度参数；基于多个行走照明灯及多个行走照明灯的亮度参数、多个区域照明灯及多个区域照明灯的亮度参数进行灯光控制。从而能够智能的控制灯光开启，优化了用户体验，减少了能源消耗。
附图说明
[0015]图1为本专利技术实施例提供的一种基于人工智能的灯光智能控制方法的流程示意图；图2为本专利技术实施例提供的一种预估行走路径以及多个行走照明灯的示意图；图3为本专利技术实施例提供的一种待检查区域和区域照明灯的示意图；图4为本专利技术实施例提供的一种基于人工智能的灯光智能控制系统的示意图；
图5为本专利技术实施例提供的一种电子设备的示意图。
具体实施方式
[0016]下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本专利技术能被更好的理解。
[0017]传统的灯光控制方法大多采用时序控制、手动控制或声音控制。时序控制表示根据预先设定的时间对灯光进行开启或关闭，该方法要求工作人员到室内检察设备的时间跟灯光开启的时间一致，对工作人员的时间把握要求极高，不太方便，且用户体验较差。手动控制操作较为繁琐且效率低下，不太智能。声音控制表示根据用户到来时发出的声音进行灯光控制，声音控制方式中需要用户持续发出声音以保持灯光的开启，用户体验较差。
[0018]本专利技术实施例中，提供了如图1所示的一种基于人工智能的灯光智能控制方法，改善了用户体验，所述基于人工智能的灯光智能控制方法包括步骤S1~S7：步骤S1，检测到用户进入室内后，获取所述用户进入室内后的动作视频。
[0019]在一些实施例中，可以通过红外线传感器检测出用户是否进入室内。红外线传感器可以探测出人体发出的红外线，当人进入室内后，红外线传感器接收人体发出的红外线信号，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的灯光智能控制方法，其特征在于，包括：检测到用户进入室内后，获取所述用户进入室内后的动作视频；基于所述动作视频使用路径预估模型确定所述用户的预估行走路径；基于所述预估行走路径确定所述预估行走路径对应的多个行走照明灯及所述多个行走照明灯的亮度参数；获取室内全景图像；基于所述室内全景图像使用区域检测模型确定多个待检查区域和所述多个待检查区域的重要程度；基于所述多个待检查区域和所述多个待检查区域的重要程度确定所述多个待检查区域对应的多个区域照明灯及所述多个区域照明灯的亮度参数；基于所述多个行走照明灯及所述多个行走照明灯的亮度参数、所述多个区域照明灯及所述多个区域照明灯的亮度参数进行灯光控制。2.如权利要求1所述的基于人工智能的灯光智能控制方法，其特征在于，所述路径预估模型包括人脸识别模型和动作识别模型，所述基于所述动作视频使用路径预估模型确定所述用户的预估行走路径包括：基于所述人脸识别模型对动作视频进行处理确定所述用户的身份信息，基于所述用户的身份信息和所述动作视频使用所述动作识别模型确定所述用户的预估行走路径。3.如权利要求1所述的基于人工智能的灯光智能控制方法，其特征在于，所述基于所述预估行走路径确定所述预估行走路径对应的多个行走照明灯及所述多个行走照明灯的亮度参数，包括：将距离所述预估行走路径小于距离阈值的多个灯作为多个行走照明灯，并将所述多个行走照明灯的亮度参数设置为最大亮度的一半。4.如权利要求1所述的基于人工智能的灯光智能控制方法，其特征在于，所述基于所述多个待检查区域和所述多个待检查区域的重要程度确定所述多个待检查区域对应的多个区域照明灯及所述多个区域照明灯的亮度参数，包括：将位于所述待检查区域的多个灯作为多个区域照明灯，并基于所述多个待检查区域的重要程度和所述多个区域照明灯的亮度参数的预设关系确定所述多个区域照明灯的亮度参数。5.如权利要求1所述的基于人工智能的灯光智能控制方法，其特征在于，所述区域检测模型为卷积神经网络模型，所述区域检测模型通过训练过程获取，所述训练过程包括：获取多个训练样本，所述训练样本包括样本输入数据和所述样本输入数据...

【专利技术属性】
技术研发人员：田申，
申请(专利权)人：成都大前研软件开发有限公司，
类型：发明
国别省市：