[发明专利]一种照明系统监测手部位置实现照明区域控制的方法

权利要求书

1.一种照明系统监测手部位置实现照明区域控制的方法，所述照明系统包括摄像头、LED照明矩阵和控制器；所述摄像头用于监测待照明区域的图像；所述LED照明矩阵由WS2812灯组串联排列构成用于照明；所述控制器用于识别手部、输出手部位置坐标并控制LED照明矩阵中的WS2812灯组的点亮；其特征在于，该方法是通过改进的Tiny-YOLOv2网络模型识别手部位置并输出位置坐标，再控制LED照明矩阵中相应WS2812灯组点亮，实现手部区域的局部照明，其包括以下步骤：

1)构建以手部图像为样本的训练数据集，采用K-means聚类算法归类出训练数据集中anchor box的初始尺寸，并将其作为改进的Tiny-YOLOv2网络模型的anchor box的参数，得到初始化的Tiny-YOLOv2网络模型；

2)将训练数据集输入已初始化的Tiny-YOLOv2网络模型进行训练，得到训练好的Tiny-YOLOv2网络模型；

3)将摄像头获得的图像输入到训练好的Tiny-YOLOv2网络模型，调整IOU阈值，得到输出的手部位置坐标；

4)利用输出的手部位置坐标，控制器控制LED照明矩阵中相应的WS2812灯组点亮，进行手部区域的局部照明。

2.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤1)中，所述手部图像经过标注软件对图像中的手所在位置进行方框标注，得到含手部位置标注框的训练数据集；所述K-means聚类算法用于对训练数据集中手部位置标注框的位置进行聚类统计，得到anchor box的合适尺寸，提高模型收敛速度。

3.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤1)中，改进的Tiny-YOLOv2网络模型情况具体如下：

将Tiny-YOLOv2网络模型的基础网络更换为MobileNet基础网络，其中，所述MobileNet基础网络由13层深度可分离卷积层组成，每层深度可分离卷积层由3×3深度卷积层和1×1点卷积层组成，所述MobileNet基础网络是一种轻量级的深度可分离卷积神经网络，通过将标准卷积层分解为深度卷积和逐点卷积，降低参数量和计算量。

4.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤2)中，令分类数量固定为1，即初始化的Tiny-YOLOv2网络模型只识别“手”这个唯一的类别，减少计算量，提高计算速度，再将训练数据集输入进行训练。

5.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在步骤3)中，当训练好的Tiny-YOLOv2网络模型输出两个以上的预测框，且预测框之间的交并比大于设定IOU阈值时，使预测框发生合并，最终实现只有一个预测框并得到输出的手部位置。

6.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，在进行步骤3)之前，需要先确定待照明区域，将WS2812灯组串联，按照等间隔排列成LED照明矩阵，全部点亮后，覆盖整个待照明区域，安放摄像头，拍摄空间为整个待照明区域。

7.根据权利要求1所述的一种照明系统监测手部位置实现照明区域控制的方法，其特征在于，所述控制器搭载芯片K210，LED照明矩阵连接芯片K210的IO口，接收芯片K210发送的IO口数据。