智能光色控制方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种智能光色控制方法、装置、计算机设备及存储介质，方法包括：获取需要识别的包括目标物体在内的场景图像，采用深度学习识别模型对所述待识别场景图像进行推理识别，以得到识别信息；将所述识别信息发送至光色控制单元，以控制LED模组对灯光进行调整。本发明专利技术采用深度学习技术，通过采集包括目标物体的场景图像作为深度学习数据集用于深度学习模型的训练、验证和测试，利用训练好的深度学习模型对待识别场景图像进行推理识别，得到该场景的光色参数，用于调节灯具的发光。由于深度学习的强大学习能力能够对包括目标物体在内的整个场景进行推理分析，可以给出最优的光色调整方案，进而满足最理想的调光调色需求。调色需求。调色需求。

【技术实现步骤摘要】
智能光色控制方法、装置、计算机设备及存储介质


[0001]本专利技术涉及智能照明
，更具体地说是指智能光色控制方法、装置、计算机设备及存储介质。

技术介绍

[0002]LED所具备的调光调色特性是指LED灯具所发出光线的亮度，色温，甚至颜色都可以进行调节。目前市场上绝大多数LED智能调光调色灯具是使用手机APP或智能音箱，通过蓝牙或WiFi对灯具进行调光调色，有相当一部分人群不能掌握手机APP和智能音箱的使用，以及对于不具备光学知识的人并不了解什么才是最好的照明效果，这样的照明系统一方面并不是真的智能，另一方面由于知识原因限制了使用人群。目前已经有利用摄像头识别颜色，并自动进行调光调色的照明灯具。虽然利用摄像头识别颜色的方案对纯色物体有非常好的识别效果，然而对非纯色物体以及对整个场景识别上还是不尽人意。
[0003]随着深度学习在人工智能各个领域取得突破性的成果，如何基于深度学习的思想来应用于照明场景中以实现最理想的调光调色需求是亟待解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的缺陷，提供智能光色控制方法、装置、计算机设备及存储介质。
[0005]为实现上述目的，本专利技术采用以下技术方案：智能光色控制方法，包括：
[0006]第一方面，智能光色控制方法，包括：
[0007]获取需要识别的场景图像，以得到待识别场景图像；
[0008]采用深度学习识别模型对所述待识别场景图像进行处理，以得到识别信息；
[0009]将所述识别信息发送至光色控制单元，以控制LED模组对灯光进行调整。
[0010]其进一步技术方案为：所述深度学习识别模型是通过采集照明应用场景的图像作为深度学习数据集进行深度学习训练、验证和测试所得。
[0011]其进一步技术方案为：所述深度学习识别模型是通过采集照明应用场景的图像作为深度学习数据集进行深度学习训练、验证和测试所得的步骤，包括：
[0012]采集照明应用场景的图像作为数据集；
[0013]对所述数据集进行处理，得到深度学习数据集；
[0014]创建深度学习模型，利用所述深度学习数据集对所述深度学习模型进行训练、验证和测试，以得到深度学习识别模型。
[0015]其进一步技术方案为：所述采集照明应用场景的图像的步骤，包括：
[0016]通过集成在照明灯具上的摄像头采集照明应用场景的图像作为数据集。
[0017]其进一步技术方案为：所述对所述图像进行处理，得到深度学习数据集的步骤，包括：
[0018]对所述数据集进行分类和标注，并按照6:2:2的比例划分为训练数据集、验证数据
集和测试数据集；
[0019]将所述训练数据集、所述验证数据集和所述测试数据集作为深度学习数据集。
[0020]其进一步技术方案为：所述创建深度学习模型，利用所述深度学习数据集对所述深度学习模型进行训练、验证和测试，以得到深度学习识别模型的步骤包括：
[0021]利用所述训练数据集对所述深度学习模型进行训练；
[0022]利用所述验证数据集对所述深度学习模型进行验证；
[0023]利用所述测试数据集对所述深度学习模型进行测试，以得到识别模型。
[0024]其进一步技术方案为：所述采用深度学习识别模型对所述待识别场景图像进行处理，以得到识别信息的步骤，包括：
[0025]采用深度学习识别模型对所述待识别场景图像进行推理分析，以得到识别信息。
[0026]第二方面，智能光色控制装置，包括：
[0027]获取单元，用于获取需要识别的场景图像，以得到待识别场景图像；
[0028]识别单元，用于采用深度学习识别模型对所述待识别场景图像进行处理，以得到识别信息；
[0029]调光调色单元，用于将所述识别信息发送至光色控制单元，以控制LED模组对灯光进行调整。
[0030]第三方面，一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上述的方法。
[0031]第四方面，一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如上述的方法。
[0032]本专利技术与现有技术相比的有益效果是：本专利技术以深度学习为基础，采用通过采集包括目标物体在内的照明应用场景的图像作为深度学习数据集进行深度学习训练、验证和测试所得的识别模型对待识别场景图像进行处理，得到识别信息。由于深度学习的强大学习能力能够对整个场景进行推理分析，给出合适的光色调整方案，进而实现了最理想的调光调色需求。
[0033]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0034]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术实施例提供的智能光色控制方法的应用场景示意图；
[0036]图2为本专利技术实施例提供的智能光色控制方法的流程示意图；
[0037]图3为本专利技术实施例提供的智能光色控制方法的子流程示意图；
[0038]图4为本专利技术实施例提供的智能光色控制方法的子流程示意图；
[0039]图5为本专利技术实施例提供的智能光色控制装置的示意性框图；
[0040]图6为本专利技术实施例提供的智能光色控制装置的识别单元的示意性框图；
[0041]图7为本专利技术实施例提供的智能光色控制装置的采集模块的示意性框图；
[0042]图8为本专利技术实施例提供的智能光色控制装置的数据处理模块的示意性框图；
[0043]图9为本专利技术实施例提供的智能光色控制装置的学习模块的示意性框图；
[0044]图10为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方式
[0045]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。
[0046]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0047]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0048]还应当进一步理解，在本专利技术说明书和所附权本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智能光色控制方法，其特征在于，包括：获取需要识别的场景图像，以得到待识别场景图像；采用深度学习识别模型对所述待识别场景图像进行处理，以得到识别信息；将所述识别信息发送至光色控制单元，以控制LED模组对灯光进行调整。2.根据权利要求1所述的智能光色控制方法，其特征在于，所述深度学习识别模型是通过采集照明应用场景的图像作为深度学习数据集进行深度学习训练、验证和测试所得。3.根据权利要求2所述的智能光色控制方法，其特征在于，所述深度学习识别模型是通过采集照明应用场景的图像作为深度学习数据集进行深度学习训练、验证和测试所得的步骤，包括：采集照明应用场景的图像作为数据集；对所述数据集进行处理，得到深度学习数据集；创建深度学习模型，利用所述深度学习数据集对所述深度学习模型进行训练、验证和测试，以得到深度学习识别模型。4.根据权利要求3所述的智能光色控制方法，其特征在于，所述采集照明应用场景的图像作为数据集的步骤，包括：通过集成在照明灯具上的摄像头采集照明应用场景的图像作为数据集。5.根据权利要求3所述的智能光色控制方法，其特征在于，所述对所述数据集进行处理，得到深度学习数据集的步骤，包括：对所述数据集进行分类和标注，并按照6:2:2的比例划分为训练数据集、验证数据集和测试数据集；将所述训练数据集、所述验证数据集和所述测试数据集作...

【专利技术属性】
技术研发人员：刘国良，巩晓雅，刘宏波，
申请(专利权)人：智谋纪深圳科技有限公司，
类型：发明
国别省市：