CN117545145A - 基于视频图像数据处理的时空照明控制方法及系统 - Google Patents
基于视频图像数据处理的时空照明控制方法及系统 Download PDFInfo
- Publication number
- CN117545145A CN117545145A CN202311586594.4A CN202311586594A CN117545145A CN 117545145 A CN117545145 A CN 117545145A CN 202311586594 A CN202311586594 A CN 202311586594A CN 117545145 A CN117545145 A CN 117545145A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- video image
- image data
- illumination
- human body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005286 illumination Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005192 partition Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient light
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/155—Coordinated control of two or more light sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了基于视频图像数据处理的时空照明控制方法及系统，涉及照明控制技术领域，本发明中的方法能够通过摄像头获取当前时间各个照明区域的视频图像数据；对视频图像数据进行处理，提取视频图像数据中的行人坐标框信息以及行人目标特征信息；将行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；根据人流量信息生成照明控制指令，根据照明控制指令进行照明控制。本发明中的方法能够通过视频图像处理精准测量人流量信息，根据人流量信息生成照明控制指令，实现照明系统的自适应调整，当人流量较大时，可以提高照明亮度以保证安全性；而当人流量较小或无人时，可以降低照明亮度以节约能源。
Description
技术领域
本发明涉及照明控制技术领域，具体涉及一种基于视频图像数据处理的时空照明控制方法及系统。
背景技术
公共场合人员活动情况比较复杂，现有照明控制系统智能化水平较低，不能适应既能满足照明功能需求又能达到最大限度的节能要求。现有的照明控制技术大多采用声控技术、红外技术来判断照明区内是否有人活动，从而控制照明灯具是否开启。这些照明控制方法较为简单，不能精确判断人流量，且容易误动作，节能效果不明显。
发明内容
针对现有技术中的缺陷，本发明提供一种基于视频图像数据处理的时空照明控制方法及系统，能够精准判断人流量，节能效果好，用户体验好。
第一方面，本发明实施例提供了一种基于视频图像数据处理的时空照明控制方法，包括以下步骤：
S1，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据；
S2，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；
S3，将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；
S4，根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
作为优选的，步骤S1中，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据，包括：
S21，获取划分参数，所述划分参数包括标准宽度和标准长度；
S22，在待划分区域为走廊类区域时，按照所述标准长度对所述待划分区域进行划分；
S23，在待划分区域为房间类区域时，按照所述标准长度和标准宽度对所述待划分区域进行划分。
作为优选的，步骤S2中，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，包括：
S21，对视频图像数据进行预处理；
S22，将预处理后的视频图像数据输入预先构建的人体分割模型，得到多个人体坐标框；
S23，在所述人体坐标框存在重叠时，计算重叠的人体坐标框的IoU值，判断所述IoU值是否小于预设阈值；
S24，若是，则将重叠的人体坐标框确定为不同的人体坐标框；
S25，若否，则根据重叠的人体坐标框之间的最小外接矩形以及重叠的人体坐标框的中心点确定重叠参数，判断所述重叠参数是否小于预设重叠阈值；
S26，若是，将重叠的人体坐标框确定为不同的人体坐标框；
S27，若否，保留人物轮廓最完整的人体坐标框，删除其余人体坐标框，得到人体坐标框信息。
作为优选的，根据重叠的人体坐标框之间的最小外接矩形以及所述中心点确定重叠参数的公式为：
其中，P(A,B)为重叠参数，β为人体坐标框A与人体坐标框B之间的欧式距离，c为人体坐标框A与人体坐标框B之间的最小外接矩形的对角线长度，IoU(A,B)为人体坐标框A与人体坐标框B的IoU值，人体坐标框A与人体坐标框B重叠。
作为优选的，步骤S2中，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，还包括：
S28，根据所述人体坐标框信息提取行人特征，识别运动轨迹；
S29，根据所述运动轨迹获取行人进出照明区域状态和行人进出照明区域方向。
作为优选的，步骤S28，根据所述人体坐标框信息提取行人特征，识别运动轨迹，包括：
S201，根据所述人体坐标框信息中提取行人特征，所述行人特征包括人脸特征；
S202，计算相邻时序内的人脸特征的相似度，判断所述相似度是否大于预设相似度；
S203，若是，将相邻时序内的人脸特征识别为同一行人的人脸特征，若否，将相邻时序内的人流特征识别为不同行人的人脸特征；
S204，根据同一行人的多个人脸特征识别运动轨迹。
作为优选的，所述行人特征还包括行人稀疏度特征，所述行人稀疏度特征根据人体坐标框的重叠情况决定。
作为优选的，S4，根据所述人流量信息生成照明控制指令，包括：
S41，获取环境光照信息；
S42，根据所述人流量信息和环境光照信息确定照明亮度；
S43，根据所述照明亮度生成照明控制指令。
第二方面，本发明实施例提供了一种基于视频图像数据处理的时空照明控制系统，包括：
区域划分模块，用于划分照明区域，为每个照明区域配置多个照明灯组和多个摄像头，通过所述摄像头获取当前时间对应的视频图像数据；
特征提取模块，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；
流量预测模块，用于将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；
照明控制模块，用于根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
第三方面，本发明实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一所述方法的步骤。
本发明的有益效果体现在：
本发明提供了一种基于视频图像数据处理的时空照明控制系统及方法，所述方法包括以下步骤：S1，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据；S2，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；S3，将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；S4，根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。本发明的方法能够通过视频图像处理精准测量人流量信息，根据实时测量的人流量信息生成照明控制指令，实现照明系统的自适应调整，当人流量较大时，可以提高照明亮度以保证安全性；而当人流量较小或无人时，可以降低照明亮度以节约能源。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例提供的一种基于视频图像数据处理的时空照明控制方法的流程图；
图2为本发明实施例提供一种基于视频图像数据处理的时空照明控制方法的步骤S2的一流程图；
图3为本发明实施例提供一种基于视频图像数据处理的时空照明控制方法的步骤S2的另一流程图；
图4为本发明实施例提供的一种人体坐标框重叠的示意图；
图5为本发明实施例提供一种基于视频图像数据处理的时空照明控制方法的步骤S2的一子流程图；
图6为本发明实施例提供一种基于视频图像数据处理的时空照明控制方法的步骤S2的另一子流程图；
图7为本发明实施例提供一种基于视频图像数据处理的时空照明控制方法的步骤S4的流程图；
图8为本发明实施例提供一种基于视频图像数据处理的时空照明控制系统的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
请参考图1，本发明实施例提供了一种基于视频图像数据处理的时空照明控制方法，包括以下步骤：
S1，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据。
请参考图2，在本发明实施例中，步骤S1中，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据，包括：
S21，获取划分参数，所述划分参数包括标准宽度和标准长度；
S22，在待划分区域为走廊类区域时，按照所述标准长度对所述待划分区域进行划分；
S23，在待划分区域为房间类区域时，按照所述标准长度和标准宽度对所述待划分区域进行划分。
其中，所述划分参数也可以是半径、直径等，在待划分区域为非规则图形是，以最接近的规则图形进行划分，将划分后的非规则部分合并至相邻的规则部分。每个照明区域可配置相同数量或者不同数量的照明灯组，可配置相同数据或者不同数据的摄像头。
示例性地，假设有一个大型办公楼的照明系统需要进行划分和控制。首先，需要获取划分参数，即标准宽度和标准长度，假设标准宽度为3米，标准长度为10米。
针对走廊，假设有一段长30米的走廊，根据标准长度为10米，可以把这段走廊划分为3个等长的部分，每个部分长度为10米。针对房间，假设有一个房间，宽度为6米，长度为12米，根据标准宽度为3米和标准长度为10米，可以把这个房间划分为4个等宽的部分，每个部分宽度为3米，长度为10米。
本发明实施例通过摄像头获取当前时间各个照明区域的视频图像数据，可以实现对不同区域的照明控制。根据划分的结果，可以对每个区域进行独立的光照控制，根据需要调整照明的亮度、颜色等参数，以满足不同区域的需求和场景。
S2，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向。
请参考图3，在本发明实施例中，步骤S2中，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，包括：
S21，对视频图像数据进行预处理；具体的，对视频数据进行预处理包括：图像去噪：使用去噪算法，如高斯滤波、中值滤波等，去除图像中的噪声，以提高后续处理的准确性和效果；图像增强：使用图像增强算法，如直方图均衡化、对比度增强等，增强图像的亮度、对比度等特征，以改善图像的视觉效果；方便后续对行人进行追踪，以获取精准人流量信息。
S22，将预处理后的视频图像数据输入预先构建的人体分割模型，得到多个人体坐标框；
S23，在所述人体坐标框存在重叠时，计算重叠的人体坐标框的IoU值，判断所述IoU值是否小于预设阈值；
S24，若是，则将重叠的人体坐标框确定为不同的人体坐标框；
S25，若否，则根据重叠的人体坐标框之间的最小外接矩形以及重叠的人体坐标框的中心点确定重叠参数，判断所述重叠参数是否小于预设重叠阈值；
S26，若是，将重叠的人体坐标框确定为不同的人体坐标框；
S27，若否，保留人物轮廓最完整的人体坐标框，删除其余人体坐标框，得到人体坐标框信息。
在进行视频图像处理时，由于摄像头的视角发生变化，可能会导致人体在图像中的位置发生偏移，从而导致坐标框的重叠。当多个人体在拍摄过程中相互遮挡时，可能会导致坐标框的重叠。例如，一个人站在另一个人的后面，前者的坐标框可能会与后者的坐标框发生重叠，从而导致多统计、漏统计等情况的发生。
现有技术在进行人体坐标框确认时，一般仅采用IoU值法进行判定，IoU值法虽然会极大地降低人体坐标框的冗余，但容易造成重叠率较高的不同目标人体坐标框被误删除，使得部分相邻的同类对象容易被视为一个行人，针对这一问题，本申请在现有技术的基础上引入了新的概念，即重叠参数。
具体的，重叠参数的计算公式为：
其中，P(A,B)为重叠参数，β为人体坐标框A与人体坐标框B之间的欧式距离，c为人体坐标框A与人体坐标框B之间的最小外接矩形的对角线长度，IoU(A,B)为人体坐标框A与人体坐标框B的IoU值，人体坐标框A与人体坐标框B重叠。
请参考图4，图4给出了一种人体坐标框的重叠方式，在该图中，即使两个人体坐标框IoU值相同，但其对应的重叠参数不同，中心点距离越近、外接矩形越小的候选框越容易判断为同一行人的人体坐标框，对应的重叠参数也越大，可通过这一数据精准删除冗余的人体坐标框，进一步提高行人的识别精度，进而提高人流量的识别精度。
请参考图5，在本发明实施例中，步骤S2中，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，还包括：
S28，根据所述人体坐标框信息提取行人特征，识别运动轨迹；
S29，根据所述运动轨迹获取行人进出照明区域状态和行人进出照明区域方向。
其中，步骤S28，根据所述人体坐标框信息提取行人特征，识别运动轨迹，包括：S201，根据所述人体坐标框信息中提取行人特征，所述行人特征包括人脸特征；S202，计算相邻时序内的人脸特征的相似度，判断所述相似度是否大于预设相似度；S203，若是，将相邻时序内的人脸特征识别为同一行人的人脸特征，若否，将相邻时序内的人流特征识别为不同行人的人脸特征；S204，根据同一行人的多个人脸特征识别运动轨迹。
S3，将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息。
S4，根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
本发明实施例中，可以根据用户需求对预设相似度进行设置，以将相邻时序内的相似图像确定为同一行人的人脸特征，以实现相邻时序的人脸特征的关联，在一种示例中，预设相似度为0.7，人脸特征B为人脸特征A之后的相邻的人脸特征，若图人脸B与人脸特征A的相似度为0.8，大于0.7，则可以将人脸特征B与人脸特征A确定为同一行人，从而获取行人的运动轨迹以及照明区域状态和行人进出照明区域方向。
需要说明的是，预设相似度不能设置过小，过小会增加时间复杂度，预设相似度一般可以取0.6～0.7之间的数值。
在本发明实施例中，所述行人特征还包括行人稀疏度特征，所述行人稀疏度特征根据人体坐标框的重叠情况决定。
本发明实施例的流量预测模型不仅考虑了当前时间的行人特征、行人照明区域状态和行人进出照明区域方向，还考虑了行人稀疏度特征，行人稀疏度特征用于指示行人系数，若一个行人对应的人脸坐标框在当前时间周期内都与另一个行人对应的人脸坐标框存在重叠(此处以均值计算)，两个行人视为亲密行人，其对应的行人系数将增加，示例性地，行人系数可增加0.1、0.2、0.3等，其根据重叠程度确定，若增加0.1，则在统计行人时，将亲密行人的视为1.1个行人，这是由于一群行人的运动轨迹的预测精度会更高。
请参考图7，在本发明实施例中，S4，根据所述人流量信息生成照明控制指令，包括：S41，获取环境光照信息；S42，根据所述人流量信息和环境光照信息确定照明亮度；S43，根据所述照明亮度生成照明控制指令。
具体的，当人流量较少且环境光照较暗时，可以增加照明亮度以提供更好的照明效果；当人流量较多且环境光照较亮时，可以降低照明亮度以节约能源。当人流量较少时，可以发送指令开启较低亮度的照明；当人流量较多时，可以发送指令开启较高亮度的照明。
综上，本发明实施例提供了一种基于视频图像数据处理的时空照明控制方法，能够通过摄像头获取当前时间各个照明区域的视频图像数据对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
实施例2
请参考图8，本发明实施例提供了一种基于视频图像数据处理的时空照明控制系统，包括：区域划分模块100，用于划分照明区域，为每个照明区域配置多个照明灯组和多个摄像头，通过所述摄像头获取当前时间对应的视频图像数据；特征提取模块200，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；流量预测模块300，用于将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；照明控制模块，用于根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制400。本发明的方法能够通过视频图像处理精准测量人流量信息，根据实时测量的人流量信息生成照明控制指令，实现照明系统的自适应调整，当人流量较大时，可以提高照明亮度以保证安全性；而当人流量较小或无人时，可以降低照明亮度以节约能源。基于视频图像数据处理的时空照明控制方法能够提高照明系统的效率和精确性，实现自适应调整和节能环保，具有广阔的应用前景。
实施例3
本发明实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如下方法的步骤:
S1，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据；
S2，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；
S3，将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；
S4，根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
其中，所述的存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.基于视频图像数据处理的时空照明控制方法，其特征在于，包括以下步骤：
S1，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据；
S2，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；
S3，将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；
S4，根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
2.根据权利要求1所述的基于视频图像数据处理的时空照明控制方法，其特征在于，步骤S1中，划分照明区域，通过摄像头获取当前时间各个照明区域的视频图像数据，包括：
S21，获取划分参数，所述划分参数包括标准宽度和标准长度；
S22，在待划分区域为走廊类区域时，按照所述标准长度对所述待划分区域进行划分；
S23，在待划分区域为房间类区域时，按照所述标准长度和标准宽度对所述待划分区域进行划分。
3.根据权利要求1所述的基于视频图像数据处理的时空照明控制方法，其特征在于，步骤S2中，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，包括：
S21，对视频图像数据进行预处理；
S22，将预处理后的视频图像数据输入预先构建的人体分割模型，得到多个人体坐标框；
S23，在所述人体坐标框存在重叠时，计算重叠的人体坐标框的IoU值，判断所述IoU值是否小于预设阈值；
S24，若是，则将重叠的人体坐标框确定为不同的人体坐标框；
S25，若否，则根据重叠的人体坐标框之间的最小外接矩形以及重叠的人体坐标框的中心点确定重叠参数，判断所述重叠参数是否小于预设重叠阈值；
S26，若是，将重叠的人体坐标框确定为不同的人体坐标框；
S27，若否，保留人物轮廓最完整的人体坐标框，删除其余人体坐标框，得到人体坐标框信息。
4.根据权利要求3所述的基于视频图像数据处理的时空照明控制方法，其特征在于，根据重叠的人体坐标框之间的最小外接矩形以及所述中心点确定重叠参数的公式为：
其中，P(A,B)为重叠参数，β为人体坐标框A与人体坐标框B之间的欧式距离，c为人体坐标框A与人体坐标框B之间的最小外接矩形的对角线长度，为人体坐标框A与人体坐标框B的IoU值，人体坐标框A与人体坐标框B重叠。
5.根据权利要求3所述的基于视频图像数据处理的时空照明控制方法，其特征在于，步骤S2中，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，还包括：
S28，根据所述人体坐标框信息提取行人特征，识别运动轨迹；
S29，根据所述运动轨迹获取行人进出照明区域状态和行人进出照明区域方向。
6.根据权利要求5所述的基于视频图像数据处理的时空照明控制方法，其特征在于，步骤S28，根据所述人体坐标框信息提取行人特征，识别运动轨迹，包括：
S201，根据所述人体坐标框信息中提取行人特征，所述行人特征包括人脸特征；
S202，计算相邻时序内的人脸特征的相似度，判断所述相似度是否大于预设相似度；
S203，若是，将相邻时序内的人脸特征识别为同一行人的人脸特征，若否，将相邻时序内的人流特征识别为不同行人的人脸特征；
S204，根据同一行人的多个人脸特征识别运动轨迹。
7.根据权利要求6所述的基于视频图像数据处理的时空照明控制方法，其特征在于，所述行人特征还包括行人稀疏度特征，所述行人稀疏度特征根据人体坐标框的重叠情况决定。
8.根据权利要求1所述的基于视频图像数据处理的时空照明控制方法，其特征在于，S4，根据所述人流量信息生成照明控制指令，包括：
S41，获取环境光照信息；
S42，根据所述人流量信息和环境光照信息确定照明亮度；
S43，根据所述照明亮度生成照明控制指令。
9.基于视频图像数据处理的时空照明控制系统，其特征在于，包括：
区域划分模块，用于划分照明区域，为每个照明区域配置多个照明灯组和多个摄像头，通过所述摄像头获取当前时间对应的视频图像数据；
特征提取模块，对所述视频图像数据进行处理，提取所述视频图像数据中的行人坐标框信息以及行人目标特征信息，所述行人目标特征信息包括行人特征、行人进出照明区域状态和行人进出照明区域方向；
流量预测模块，用于将所述行人目特征信息输入预先构建的流量预测模型，得到下一时间各个照明区域的人流量信息；
照明控制模块，用于根据所述人流量信息生成照明控制指令，根据所述照明控制指令进行照明控制。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311586594.4A CN117545145B (zh) | 2023-11-24 | 2023-11-24 | 基于视频图像数据处理的时空照明控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311586594.4A CN117545145B (zh) | 2023-11-24 | 2023-11-24 | 基于视频图像数据处理的时空照明控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117545145A true CN117545145A (zh) | 2024-02-09 |
| CN117545145B CN117545145B (zh) | 2024-09-17 |
Family
ID=89782061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311586594.4A Active CN117545145B (zh) | 2023-11-24 | 2023-11-24 | 基于视频图像数据处理的时空照明控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117545145B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118574286A (zh) * | 2024-06-24 | 2024-08-30 | 成都博雅得科技有限责任公司 | 一种智能型厂房照明控制方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027370A (zh) * | 2019-10-16 | 2020-04-17 | 合肥湛达智能科技有限公司 | 一种多目标跟踪及行为分析检测方法 |
| CN112989889A (zh) * | 2019-12-17 | 2021-06-18 | 中南大学 | 一种基于姿态指导的步态识别方法 |
| CN115063441A (zh) * | 2022-05-13 | 2022-09-16 | 深圳市安软慧视科技有限公司 | 减少跳变的多目标跟踪方法、系统及相关设备 |
| CN116456553A (zh) * | 2023-04-28 | 2023-07-18 | 浙江大胜科技工程有限公司 | 一种建筑照明方法、装置、设备和介质 |
-
2023
- 2023-11-24 CN CN202311586594.4A patent/CN117545145B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027370A (zh) * | 2019-10-16 | 2020-04-17 | 合肥湛达智能科技有限公司 | 一种多目标跟踪及行为分析检测方法 |
| CN112989889A (zh) * | 2019-12-17 | 2021-06-18 | 中南大学 | 一种基于姿态指导的步态识别方法 |
| CN115063441A (zh) * | 2022-05-13 | 2022-09-16 | 深圳市安软慧视科技有限公司 | 减少跳变的多目标跟踪方法、系统及相关设备 |
| CN116456553A (zh) * | 2023-04-28 | 2023-07-18 | 浙江大胜科技工程有限公司 | 一种建筑照明方法、装置、设备和介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118574286A (zh) * | 2024-06-24 | 2024-08-30 | 成都博雅得科技有限责任公司 | 一种智能型厂房照明控制方法及系统 |
| CN118574286B (zh) * | 2024-06-24 | 2025-06-17 | 浙江德枫节能环保科技有限公司 | 一种智能型厂房照明控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117545145B (zh) | 2024-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10872243B2 (en) | Foreground detector for video analytics system | |
| CN111178208B (zh) | 基于深度学习的行人检测方法、装置及介质 | |
| Eng et al. | An automatic drowning detection surveillance system for challenging outdoor pool environments | |
| Majecka | Statistical models of pedestrian behaviour in the forum | |
| US20200167963A1 (en) | Background foreground model with dynamic absorption window and incremental update for background model thresholds | |
| Foedisch et al. | Adaptive real-time road detection using neural networks | |
| CN103093212B (zh) | 基于人脸检测和跟踪截取人脸图像的方法和装置 | |
| US9471844B2 (en) | Dynamic absorption window for foreground background detector | |
| CN110059634B (zh) | 一种大场景人脸抓拍方法 | |
| CN110781844B (zh) | 保安巡察监测方法及装置 | |
| CN114842397A (zh) | 一种基于异常检测的实时老人跌倒检测方法 | |
| Morde et al. | Learning a background model for change detection | |
| CN111161312A (zh) | 一种基于计算机视觉的物体轨迹追踪识别装置及系统 | |
| CN117545145B (zh) | 基于视频图像数据处理的时空照明控制方法及系统 | |
| CN111832400A (zh) | 一种基于概率神经网络的口罩佩戴情况的监测系统及方法 | |
| KR20140095333A (ko) | 영상에서 객체 추적 방법 및 장치 | |
| Xu et al. | Segmentation and tracking of multiple moving objects for intelligent video analysis | |
| CN114821441B (zh) | 联合ads-b信息的基于深度学习的机场场面运动目标识别方法 | |
| CN113837065A (zh) | 一种图像处理方法和装置 | |
| WO2023000253A1 (zh) | 攀爬行为预警方法和装置、电子设备、存储介质 | |
| CN113177439B (zh) | 一种行人翻越马路护栏检测方法 | |
| Minematsu et al. | Background initialization based on bidirectional analysis and consensus voting | |
| CN112307943B (zh) | 一种水域人船目标检测方法、系统、终端及介质 | |
| KR20200060868A (ko) | 객체 탐지 및 자동 추적이 가능한 다시점 영상 감시 시스템 | |
| KR102171384B1 (ko) | 영상 보정 필터를 이용한 객체 인식 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |