【技术实现步骤摘要】
智能楼宇监控系统及其监控方法
[0001]本专利技术涉及楼宇监控
，且更为具体的涉及一种智能楼宇监控系统及其监控方法。
技术介绍
[0002]随着城市的发展，楼宇的数量也逐渐增多，楼宇内部存在大量的公共空间，公共空间经常需要24小时连续照明，并且楼宇整体也需要保持在一个良好的照明效果下。然而，实际应用中部分公共空间在白天光线充足情况下无需照明，部分公共空间只需要弱照明，目前采用的通用照明法极大的造成了资源浪费。
[0003]因此，期望一种优化的智能楼宇监控系统，其能够对于楼宇的照明情况进行实时监控，以在监测到楼宇照明效果不佳时，智能调控楼宇的各项照明设备，进而提高照明的节能效率，实现节能的目标。
技术实现思路
[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智能楼宇监控系统及其监控方法，其考虑到楼宇室内的亮度和室外的亮度具有着关联性关系，并且楼宇的各个地方亮度不均会对楼宇整体的照明效果判断产生影响。因此，在本申请的技术方案中，基于室内和室外亮度信息在时间上的相对变化特征以...
【技术保护点】
【技术特征摘要】
1.一种智能楼宇监控系统，其特征在于，包括：楼宇监控单元，用于获取亮度计采集的预定时间段内多个预定时间点的室外亮度值和室内亮度值以及由摄像头采集的当前时间点的楼宇照明图像；亮度结构化单元，用于将所述多个预定时间点的室外亮度值和室内亮度值分别按照时间维度排列为室外亮度输入向量和室内亮度输入向量；相对亮度转移单元，用于计算所述室内亮度输入向量相对于所述室外亮度输入向量的转移亮度矩阵；相对亮度特征提取单元，用于将所述转移亮度矩阵通过作为过滤器的第一卷积神经网络模型以得到相对亮度特征向量；照明图像特征提取单元，用于将所述楼宇照明图像通过包含深浅特征融合模块的第二卷积神经网络模型以得到楼宇照明特征矩阵；照明相对亮度转移单元，用于计算所述相对亮度特征向量相对于所述楼宇照明特征矩阵的转移向量作为分类特征向量；以及监控结果生成单元，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的楼宇整体照明效果是否需调整。2.根据权利要求1所述的智能楼宇监控系统，其特征在于，所述相对亮度转移单元，进一步用于：以如下公式计算所述室内亮度输入向量相对于所述室外亮度输入向量的转移亮度矩阵；其中，所述公式为： ，其中，表示所述室内亮度输入向量，表示所述室外亮度输入向量，表示所述转移亮度矩阵，表示矩阵相乘。3.根据权利要求2所述的智能楼宇监控系统，其特征在于，所述相对亮度特征提取单元，包括：所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述相对亮度特征向量，所述第一卷积神经网络模型的第一层的输入为所述转移亮度矩阵。4.根据权利要求3所述的智能楼宇监控系统，其特征在于，所述照明图像特征提取单元，包括：浅层特征提取子单元，用于从所述第二卷积神经网络模型的第M层提取浅层特征图，其中，M大于等于1且小于等于6；深层特征提取子单元，用于从所述第二卷积神经网络模型的第N层提取深层特征图，其中，N/M大于等于5且小于等于10；融合子单元，用于使用所述第二卷积神经网络模型的深浅特征融合模块融合所述浅层特征图和所述深层特征图以得到融合特征图；以及池化子单元，用于对所述融合特征图进行沿通道维度的全局池化以得到所述楼宇照明特征矩阵。5.根据权利要求4所述的智能楼宇监控系统，其特征在于，所述融合子单元，进一步用于：以如下公式融合所述浅层特征图和所述深层特征图以得到所述融合特征图；其中，所述公式为： ，其中，为所述融合特征图，为所述浅层特征图，为所述深层特征图，
“”
表示所述浅层特征图和所述深层特征图相对应位置处的元素相加，和为用于控制所述融合特征图中所述浅层特征图和所述深层特征图之间的平衡的加权参数。6.根据权利要求5所述的智能楼宇监控系统，其特征在于，所述照明相对亮度转移单元，进一步用于：以如下公式计算所述相对亮度特征向量相对于所述楼宇照明特征矩阵的转移向量作为分类特征向量；其中，所述公式为：，
其中，表示所述相对亮度特征向量，表示所述楼宇照明特征矩阵，表示所述分类特征向量，表示矩阵相乘...
【专利技术属性】
技术研发人员：张高锋，刘慧慧，曲胜，庞乃杰，黄云，朱一铭，
申请(专利权)人：中节能绿建环保科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。