【技术实现步骤摘要】
本专利技术涉及智能补光灯照明与控制，具体是一种基于深度学习目标检测的直播智能补光灯。
技术介绍
1、智能补光灯是综合传感器技术、自动控制技术、图像处理技术、等高新技术而形成的补光灯控制管理新理念，是数字信息化时代中智能补光灯发展的必然方向，其通过分布在补光灯的传感器对直播周围环境的亮度、直播人员等进行感知，将采集的信息通过mcu计算、分析与决策，并依据决策结果发送相关指令实现对光照强度、色温等进行调节，以及对直播人员的语音提示，智能补光灯注重对直播人员各类信息资源的整合，从而为用户提供智能服务，使其在日常使用中能够更加智能化、人性化、高效化。
2、直播间、摄影棚等场所的灯光一般是由补光灯来提供，而补光灯的照射目标一般是直播人员和摄影人员，目前的补光灯照明系统，补光灯的控制方式通常是由用户手动开关档位控制相关执行机构来进行操作，方式单一，控制不够灵活，无法让补光灯根据工作场景环境光照情况或用户使用状态等进行自适应调节；并且补光灯不具备数据采集及计算能力，难以满足现实中多样化的功能需求，而且具体补光灯调节何种光照强度、色温、光线角度更为舒适，要根据用户本人场景的实际情况做实时调整，这一过程十分依赖用户本人的经验性和操作性。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范
2、鉴于上述或现有技术中存在，传统直播补光设备缺乏智能化、自动化的问题。
3、为实现上述目的，本专利技术提供如下技术方案：
4、一种基于深度学习目标检测的直播智能补光灯，包括mcu，所述mcu的输入端通信连接有功能模块，所述功能模块包括通信连接有光敏检测模块、机器视觉模块、补光灯控制模块和语音提示模块，所述补光灯控制模块包括补光灯传感器系统、传感器网络、传感器驱动电路和控制电路。
5、作为本专利技术再进一步的方案：所述补光灯传感器系统的输出端与mcu的输入端通信连接，所述补光灯传感器系统包括光敏传感器和摄像头模块，所述光敏传感器的数量为若干个，所述光敏传感器和功能模块的内部均设置有节点控制单元。
6、作为本专利技术再进一步的方案：所述机器视觉模块采用卷积神经网络，所述卷积神经网络包括卷积层、relu激活函数、池化层和全连接层，所述卷积层、relu激活函数、池化层和全连接层通过残差模块相互连接，所述残差模块的输入端通信连接有批标准化。
7、作为本专利技术再进一步的方案：所述全连接层采用softmax损失函数，其函数公式如下：
8、l = -log(e^oi / sum(e^oj))
9、其中，oi表示模型对第i个类别的预测得分，e^oi表示对该得分求指数值。sum(e^oj)表示对所有类别的预测得分求指数值后的和，即所有类别的预测概率的总和。
10、作为本专利技术再进一步的方案：softmax损失函数计算图像被预测为每个类别的概率，并将其作为检测精度的指标，先正向计算得到损失函数的数值，再将这个误差反向传播，让每个神经元的权重对误差求偏导，通过sgd让这个导数趋于零。
11、作为本专利技术再进一步的方案：所述sgd的算法公式如下：
12、w = w - learning_rate * dl/dw
13、其中，w表示待更新的参数，learning_rate表示学习率，dl/dw表示损失函数对参数w的梯度。通过计算损失函数对参数的偏导数，可以得到参数的梯度方向，然后根据学习率控制步长，在更新过程中逐渐将参数朝着梯度下降的方向调整。
14、作为本专利技术再进一步的方案：所述softmax损失函数和sgd构成一个完整的训练迭代过程，该过程在多次循环中重复进行，每次循环包括加载数据、前向传播、计算损失函数、反向传播以及更新权重。
15、作为本专利技术再进一步的方案：所述光敏检测模块采用光敏电阻作为亮度信息采集传感器。
16、与现有技术相比，本专利技术的有益效果是：
17、1、本专利技术通过光敏检测模块和摄像头模块，实时检测直播环境的亮度信息和图像信息，为补光灯控制模块提供实时、准确的输入数据，通过机器视觉模块采用卷积神经网络，对直播图像进行目标检测和识别，提高了检测的准确性和效率。
18、2、本专利技术通过补光灯控制模块根据检测结果自动调整补光灯的亮度和色温，实现对直播环境的智能补光，通过语音提示模块，及时向用户反馈补光灯的工作状态和异常情况，提高了用户的使用体验。
本文档来自技高网...【技术保护点】
1.一种基于深度学习目标检测的直播智能补光灯，包括MCU，其特征在于：所述MCU的输入端通信连接有功能模块，所述功能模块包括通信连接有光敏检测模块、机器视觉模块、补光灯控制模块和语音提示模块，所述补光灯控制模块包括补光灯传感器系统、传感器网络、传感器驱动电路和控制电路。
2.根据权利要求1所述的一种基于深度学习目标检测的直播智能补光灯，其特征在于：所述补光灯传感器系统的输出端与MCU的输入端通信连接，所述补光灯传感器系统包括光敏传感器和摄像头模块，所述光敏传感器的数量为若干个，所述光敏传感器和功能模块的内部均设置有节点控制单元。
3.根据权利要求1所述的一种基于深度学习目标检测的直播智能补光灯，其特征在于：所述机器视觉模块采用卷积神经网络，所述卷积神经网络包括卷积层、Relu激活函数、池化层和全连接层，所述卷积层、Relu激活函数、池化层和全连接层通过残差模块相互连接，所述残差模块的输入端通信连接有批标准化。
4.根据权利要求3所述的一种基于深度学习目标检测的直播智能补光灯，其特征在于：所述全连接层采用Softmax损失函数，其函数公式如下：<...
【技术特征摘要】
1.一种基于深度学习目标检测的直播智能补光灯，包括mcu，其特征在于：所述mcu的输入端通信连接有功能模块，所述功能模块包括通信连接有光敏检测模块、机器视觉模块、补光灯控制模块和语音提示模块，所述补光灯控制模块包括补光灯传感器系统、传感器网络、传感器驱动电路和控制电路。
2.根据权利要求1所述的一种基于深度学习目标检测的直播智能补光灯，其特征在于：所述补光灯传感器系统的输出端与mcu的输入端通信连接，所述补光灯传感器系统包括光敏传感器和摄像头模块，所述光敏传感器的数量为若干个，所述光敏传感器和功能模块的内部均设置有节点控制单元。
3.根据权利要求1所述的一种基于深度学习目标检测的直播智能补光灯，其特征在于：所述机器视觉模块采用卷积神经网络，所述卷积神经网络包括卷积层、relu激活函数、池化层和全连接层，所述卷积层、relu激活函数、池化层和全连接层通过残差模块相互连接，所述残差模块的输入端通信连接有批标准化。
4.根据权利要求3所述的一种基于深度...
【专利技术属性】
技术研发人员：杜罡，杨洁，郭雪梅，马竞赛，吕剑樱，
申请(专利权)人：横店集团得邦照明股份有限公司，
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。