[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

说明书

本发明公开了一种照明系统监测手部位置实现照明区域控制的方法，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。其中，改进的Tiny‑YOLOv2网络模型是将Tiny‑YOLOv2网络模型的基础网络更换为MobileNet基础网络，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。本发明将对需局部照明的区域即手部所在位置进行监控，并予以照明跟踪，满足操作灵活度高的照明设备使用者的照明需求，使得使用者能更专注于复杂的工作。

技术领域

本发明涉及智能照明设备的技术领域，尤其是指一种照明系统监测手部位置实现照明区域控制的方法。

背景技术

智能照明设备通过控制方式和控制内容的多样化，使得照明设备的操控变得简易，照明条件足以满足各种需求，同时特殊控制方式也能照顾到特殊群体。

目前小型智能照明设备的智能化主要体现在控制方式和控制内容上，控制方式上主流的控制方法有语音控制、蓝牙控制、局域网控制、另外还有通过手张开闭合的情况进行控制等方法，控制内容聚焦在光照照度，色温两个方面，对于照明区域的控制缺少探索，而对于一些操作位置移动频繁且移动距离大的特殊工作场景，仅仅只是照度与色温的智能化并不能最大化地为操作提供便利，操作人员仍需频繁移动照明设备或者直接使用大范围的照明设备，前者加大了操作复杂度，后者耗费大量能源，应当寻求更适于特殊工作场景需求的节能照明方式。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种照明系统监测手部位置实现照明区域控制的方法，对需局部照明的区域即手部所在位置进行监控，并予以照明跟踪，满足操作灵活度高的照明设备使用者的照明需求，使得使用者能更专注于复杂的工作。

为实现上述目的，本发明所提供的技术方案为：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；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。

进一步，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。

进一步，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。