CN109874197A - 基于场景自动识别的商务酒店客房照明控制方法 - Google Patents

Abstract

本发明专利提供了基于场景自动识别的商务酒店客房照明控制方法，先根据使用需求将商务酒店房间进行区域划分，建立评价函数对各区域照度、照度均匀度相对参考值的达标程度进行评分；接着针对办公、阅读、会客、娱乐、节能等特定使用及照明需求，对评价函数进行补充；再采用粒子群优化算法，对客房内各灯具的照明参数进行优化。同时，由训练图像集训练出各照明场景的场景检测器，获取房间的图像及该图像对应的传感数据，根据特征值确定所述图像的照明场景辨识。布置在房间内的集控主机基于所辨识出的照明场景所对应的灯具调控参数调节LED灯组内各LED灯的驱动电流，打开相应场景，以获得更具针对性且更为高效节能的自动照明效果。

Description

基于场景自动识别的商务酒店客房照明控制方法

技术领域

本发明专利属于智能照明领域，具体涉及基于场景自动识别的商务酒店客房照明控制方法。

背景技术

酒店行业作为一个具有代表性的服务性行业，极为注重客户的入住体验。由于客户的主要使用区域集中于室内、使用时间集中于晚上，因此，该行业对于高效、实用、个性化和自动化的智能照明设备有着更为浓厚的兴趣和迫切需求。智能照明设备的自动场景切换功能、氛围渲染功能，亦是备受该行业关注。此外，在能耗方面，传统的商务酒店的照明能耗，往往超过酒店用电总量的30％，能耗相对较高，采用智能照明系统后，通过对单灯亮度参数的调制和整体优化，可起到较为有效的节能效果，在满足用户照明需求的同时，大大降低酒店运营成本。目前，超过70％的星级商务酒店都已配备、使用各种智能照明设备，以期其客户可以收获更为优越的入住体验。

然而，该行业内所使用的智能照明设备往往局限于简单的红外、声控开关设备，或者无线遥控设备等，且一般为市场上应用较为广泛的传统智能照明产品。该类产品由于使用范围较广，缺少了一定的针对性，对酒店行业内的环境、布局和具体照明需求缺少必要的研究，不能完全符合和满足商务酒店的各种特殊照明需求，亦无法完全体现智能照明系统自身优越的照明性能。

发明专利内容

本发明专利的目的在于，提供基于场景自动识别的商务酒店客房照明控制方法。根据使用需求将商务酒店房间分为多个区域，以商务酒店行业照明标准或通用要求为参考，对商务酒店照明环境进行数学建模，并建立评价函数对各区域照度、照度均匀度达标程度进行评分。针对商务酒店照明的不同照明及特定使用需求，如：阅读、会客、娱乐、办公等，对评价函数进行调整，以增强照明效果的针对性，并一定程度上降低灯具的使用能耗。然后，引入粒子群优化算法，基于评价函数分值对客房内各灯具的照明参数进行优化，将依据不同评价函数获得的多个优化结果转换为灯具照明场景控制参数。同时，由训练图像集训练出各种照明场景的场景检测器。最后，在房间内安装集控主机和LED灯组，依据商务酒店客房布局布置于商务酒店客房内，场景检测根据所采集图像特征及传感数据的特征值，确定照明场景辨识，基于辨识出的照明场景，集控主机向灯具发送调光信号，打开相应场景，在不改变客房布局的情况下，为使用者提供更具针对性的自动场景照明，本发明通过以下技术方案实现。

首先，根据使用需求将商务酒店房间分为多个功能区域。其中，床面、写字台和沙发是用户使用较多的区域，因而定义为工作区域；其它用户可能使用到，但并不会长时间逗留的区域，列为临近区域；床面与洗手间墙壁之间的区域及窗台所在位置，由于用户一般很少使用，或在使用时对其光照要求很低，列入背景区域；洗手间包含洗手台，由于对其他区域的影响较小，在洗手间的门关上的情况下几乎不对外界产生任何影响，故暂不列入研究范围。

区域划分完成后，根据酒店照明相关标准或建议对商务酒店照明环境进行数学建模，获得商务酒店房间各功能区域、各照明灯具的几何位置和/或形状；同时，获取各灯具的光分布模型；然后，建立评价函数f，对各区域照度、照度均匀度的计算值相对于参考值的达标程度进行评分：

f＝w₁×u(E₁)+w₂×u(E₂)+w₃×u(E₃)+w₄×u(U₁)+w₅×u(U₂)

其中，E₁为工作平面水平照度，E₂为工作平面临近区域照度，E₃为背景区域照度，U₁为工作平面照度均匀度，U₂为工作平面临近区域照度均匀度；w₁、w₂、w₃、w₄、w₅分别为各项指标的权重系数；u()表示在一特定照明参数配置下，各项指标的计算值与相关标准或建议获取的参考值的接近程度，对于E₁、E₂、E₃而言当计算值不等于参考值时u()可由下式表示：

式中，E为相应被评价指标的参考值，E’为照明灯具按照对应的照明参数进行照明时各区域的照度值。对于U₁、U₂而言，当计算值小于参考值时按上述第一个比值公式计算，否则当计算值大于参考值时依然认为u()＝1。

评价函数f建立完成后，采用层次分析法对各权重系数w₁、w₂、w₃、w₄、w₅进行赋值。根据权重系数个数n建立判断矩阵A_n*n，并使用数字1到9中的两个整数的比对矩阵进行填充，其数值大小代表相应行权值项所对应指标，相比于相应列权值项所对应指标的重要程度(1为两者同样重要，小于1的分数则代表后者比前者更重要)，其数值可以是主观评价结果，或是通过样本调查所得的统计结果；再将矩阵A_n*n代入几何平均方程中，确定各权重系数具体数值，几何平均方程如下：

其后，根据节能、办公、会客、娱乐、休闲阅读五种不同使用及照明优化需求，分别对f进行补充建立新的评价函数F₁至F₅，内容如下：

其一、对节能指标而言由于要求灯具整体能耗尽量减小，故其相应评价函数F₁表示为：

其中，P(i)为第i盏灯具的功率消耗，可以看出P(i)越小，则评价函数F₁的取值越高。

其二、针对办公场景，对于需要办公的用户而言办公区域主要集中在写字台区域，为了达到最佳的工作照明效果，要求写字台的照度和光照照度均匀度尽量满足参考条件，此时新的评价函数F₂可表示为：

式中，E₁₁表示写字台区域内的桌面水平照度，U₁₁表示写字台区域内的桌面照度均匀度，q₁、q₂、k₁、k₂、k₃为相应项的权重系数，其数值可由层次分析法获得。

其三、针对会客场景，就评价指标而言，该场景更为注重区域内整体亮度和照度均匀度，可统一设定各区域内照度参考值为一固定值，照度均匀度参考值为一固定值，故新的评价函数F₃表示为：

通过增加权重系数k₁的取值使k₁＞k₂，以增加评价过程中对整体照度和照度均匀度的要求。

其四、娱乐场景，该场景主要适用于用户位于床面使用手机或电视时使用，要求背景及邻近区域照明亮度较低，此时新的评价函数F₄表示为：

其中，E₁₂表示工作区域内写字台外的水平照度，q₁、q₂、q₃、k₁、k₂、k₃为相应项的权重系数，其数值可由层次分析法获得。

其五、休闲阅读场景主要供用户在床头或沙发区域进行书本阅读时使用，要求床头附近的m盏灯具亮度较高，此时新的评价函数F₅表示为：

式中，I_t分别代表床头附近第t盏灯具的亮度，q_t表示其相应权重系数；k₁、k₂、k₃为相应项的权重系数，各权重系数的值可由层次分析法获得。

评价函数F₁至F₅建立完成后，采用粒子群优化算法对灯具参数即照明参数调制值进行优化，优化过程中分别使用评价函数F₁至F₅对群内各粒子进行评价，流程如下：

T1、随机生成粒子群初始集合X(1)_N*n，其元素x_ij(1)，i＝1，2，...N，j＝1，2，...n；n为客房内待优化灯具个数即粒子群维数，N为粒子群规模；每个元素x_ij(1)表示房间内灯具j的i组粒子初始照明参数调制值，根据光分布模型对第i组粒子对应的所有n个灯具计算酒店房间各区域在每个灯具按当前照明参数调制值进行照明时的照度分布，并采用评价函数F₁评价第i组粒子所对应的照明效果；

分别获取各粒子组照明参数调制值向量的初始评分值，作为自身历史最优解的初始评分值并记录照明参数调制值向量；

同时，记录所有N组粒子初始评分值中的最大值作为群体历史最优解的初始评分值并记录该照明参数调制值向量，令更新次数k＝1；

T2、在粒子群优化过程中，每个元素x_ij()都对应一个改变值v_ij()，元素v_ij()表示相应灯具j的在其照明参数调制值x_ij()的基础上还需进行v_ij()的改变，为保证其有效性，v_ij()取值区间一般不应大于x_ij()可能取到的最大值的10％；若改变后的x_ij()大于x_ij()可能取到的最大值，则x_ij()仍然取其最大值；

随机生成集合V(k)_N*n，其各元素分别表示合集X(k)_N*n中各元素需作出的改变值，并采用下式对V(k)_N*n及X(k)_N*n进行多次更新：

v_ij(k+1)＝wv_ij(k)+c₁r₁(P_ij(k)-x_ij(k))+c₂r₂(G_j(k)-x_ij(k))

x_ij(k+1)＝x_ij(k)+v_ij(k+1)

其中，k为当前更新次数；P_ij(k)代表第i组粒子数据在第k次更新时的自身历史最优解所对应的第i个具体照明参数调制值，通过比较更新后各组照明参数调制值与其自身历史最优解两者的评分值获得，若更新后的评分值大于其自身历史最优解的评分值，则将更新后的照明参数调制值作为新的自身历史最优解进行记录；

G_j(k)代表第j个具体照明参数调制值在第k次更新时的粒子群体历史最优解，通过比较更新后的各组照明参数调制值与群体历史最优解的评分值获得；

c₁，c₂为常数，r₁，r₂为均匀分布在区间(0，1)之间的随机数；w为权重系数；w_max，w_min分别为权重系数最大值和最小值，X(k+1)_N*n及V(k+1)_N*n表示对X(k)_N*n及V(k)_N*n的第k次优化更新；

K表示最大更新次数，当k等于K时结束更新，并输出G_j(k)中记录的群体历史最优解的照明参数调制值，作为最后的输出结果。

T3、重复进行T1、T2所述的优化过程四次，并分别利用评价函数F₂至F₅逐一替换T1中的评价函数F₁，以获得五组不同的优化结果，将优化结果转换和存储为照明场景灯具调控参数。

在进行照明场景中照明参数优化的同时，采集用户在办公、阅读、会客、娱乐、节能等各种照明场景下的样本图像，由这些样本图像组成训练图像集对场景检测器进行训练。

由训练图像集训练出场景检测器，获取商务酒店房间的图像及该图像对应的传感数据，提取图像特征及传感数据的特征值，根据所述图像特征及传感数据的特征值，确定所述图像的照明场景辨识。

作为优选，所述样本图像还可以留一部分作为验证集，以对训练处的场景检测器进行验证。

作为优选，所述场景检测器可以采用线性核函数的支持向量机即SVM分类器。

作为优选，根据所采集图像特征及传感数据的特征值，确定所述图像的照明场景辨识具体为：根据所述图像特征及传感数据的特征值确定所述图像的一个或多个照明场景辨识；当确定的图像的照明场景辨识为多个时，确定所述图像的照明场景辨识为综合照明场景辨识。

优化后的结果可以存储在采用本照明控制方法的照明系统中，所应用的照明系统包括布置在房间内的照明控制器，照明控制器中包括有集控主机，照明控制器识别场景并通过集控主机调节和驱动房间内的LED灯组，场景检测根据所采集图像特征及传感数据的特征值，确定照明场景辨识，基于辨识出的照明场景，集控主机按照明场景所对应的灯具调控参数分别调节LED灯组内各LED灯的驱动电流，打开相应照明场景。

作为优选，灯具调控参数可以是灯具光通量或与灯具光通量对应的驱动电流的大小，也可以是与灯具色温等其他参数对应的驱动电流的大小。

作为优选，驱动电流的大小，可以是绝对值，也可以是相对于额定驱动电流值的百分比值。

LED灯组由多个亮度可调的LED灯构成，依据商务酒店客房布局布置于商务酒店客房天花板内。集控主机中预设经优化所得的五组参数，当照明控制器的照明场景辨识完成后，集控主机依据相应场景灯具调控参数，通过改变其输出端PWM波占空比来改变LED灯组的供电电流，从而实现预设场景的开关控制。

作为优选，当照明场景辨识为综合照明场景辨识时，分别按多个照明场景所对应的灯具调控参数的加权和进行LED灯组的供电电流的调节控制。

作为优选，当照明场景辨识完成前，可以按预设照明场景对房间进行照明，比如，可以将房间所有灯都打开或均调亮为80％亮度。

作为优选，在自动识别场景的基础上，照明控制器还可以设置控制面板，用户在控制面板上进行手动调节的操作，通过集控主机来手动调节LED灯组的出光。同时，控制面板也可以用来进行优化处理过程中各参数的输入。

本发明专利优点：

1.照明参数针对商务酒店照明需求设计，为使用者提供更具针对性的自动场景照明；

2.提供了五种不同的目标场景优化指标，以满足用户的不同使用需求，更具人性化；

3.优化指标在满足用户照明需求的同时，兼顾能耗指标，节能环保。

附图说明

图1为本发明专利的客房区域示意图；

图2为本发明专利的LED灯及照度观测点分布示意图；

图3为本发明专利的灯具布局示意图；

图4为本发明专利优化过程的评分值更新示意图；

图5为摄像头、控制面板及集控主机布局示意图。

其中，1床面，2写字台，3沙发，4临近区域，5背景区域，6洗手间，7洗手台，8 LED灯，9照度观测点，10集控主机，11控制面板，12门厅，13窗台，14摄像头。

具体实施方式

以下结合附图对本发明的优选实施例进行详细描述，但本发明并不仅仅限于这些实施例。本发明涵盖任何在本发明的精神和范围上做的替代、修改、等效方法以及方案。

为了使公众对本发明有彻底的了解，在以下本发明优选实施例中详细说明了具体的细节，而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。

在下列段落中参照附图以举例方式更具体地描述本发明。需说明的是，附图均采用较为简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

如图1、5所示，采用本发明基于场景自动识别的商务酒店客房照明控制方法的照明系统应用环境，选取长宽高6m×4m×3m的酒店客房为例，根据使用需求将商务酒店房间分为多个区域，其中，床面1、写字台2和沙发3是用户使用较多的区域，因而定义为工作区域；其它部分，用户可能使用到，但并不会长时间逗留的区域，列为临近区域4；床面1与洗手间6的墙壁之间的区域及窗台13所在位置，由于用户一般很少使用，或在使用时对其光照要求很低，故列入背景区域5；洗手间6包含洗手台7，由于对其他区域的影响较小，在洗手间的门关上的情况下几乎不对外界产生任何影响，故暂不列入研究范围。

结合图1和图2所示，客房内共放置八个标记为带叉号圆圈的可调光LED灯8，同时，为观测各功能区域内的照度分布，设置十六个标记为带叉号矩形的照度观测点9。

区域划分完成后，通过查阅酒店照明相关标准或建议对商务酒店照明环境进行数学建模，在世界坐标系中表示出房间各功能区域位置和/或形状、各照明灯具的几何位置；同时，获取各灯具的光分布模型；然后，建立评价函数f，对各区域照度、照度均匀度的计算值相对于参考值的达标程度进行评分：

f＝w₁×u(E₁)+w₂×u(E₂)+w₃×u(E₃)+w₄×u(U₁)+w₅×u(U₂)

其中，E₁为工作平面水平照度(单位：lx)，其一般参考数值取300，E₂为工作平面临近区域照度，其一般参考数值取260，E₃为背景区域照度，其一般参考数值取200，U₁为工作平面照度均匀度，其一般参考数值取0.7，U₂为目标工作平面临近区域照度均匀度，其一般参考数值取0.6；w₁、w₂、w₃、w₄、w₅分别为各项指标的权重系数；u()表示各项指标的计算值与参考值的接近程度，对于E₁、E₂、E₃而言当计算值不等于参考值时u()可由下式表示：

式中，E为相应被评价指标的参考值，E’为照明灯具按照对应的照明参数进行照明时各区域的照度计算值。对于U₁、U₂而言，当计算值小于参考值时按上述第一个比值公式计算，否则当计算值大于参考值时依然认为u()＝1。

评价函数f建立完成后，采用层次分析法对其权重系数w₁、w₂、w₃、w₄、w₅进行赋值，根据权重系数个数n建立判断矩阵A_n*n，用数字1到9中的两个整数的比对矩阵进行填充，其数值大小代表相应行权值项所对应指标，相比于相应列权值项所对应指标的重要程度(1为两者同样重要，a_ij为第i个权值项与第j个权值项的重要性比值，如a_ij小于1则说明后者j比前者i更重要)。不失一般性，矩阵A_n*n各元素数值采用主观评价给定，取值如下：

其中，行1至5与列1至5分别对应优化指标E₁、E₂、E₃、U₁、U₂。元素a₁₂的数值为5，即表示填充决策认为E₁的重要程度高于E₂；同时，各元素之间具有一定独立性，例如E₂与E₃之间的重要度关系，不应由元素a₁₂与a₁₃的比值确定。然后，将矩阵A_5*5代入几何平均方程中，确定各权重系数具体数值，几何平均方程如下：

可得各项指标权重系数，如下：

在不同照明场景需求下，入住者或用户期望的照度分布也有所不同。因此，在上述基于达标程度评分的基础上，需要对评分计算式做出相应调整，以体现特定场景所对应的参数指标优化要求。依据客房使用的不同使用需求，确定节能、会客、娱乐、办公、休闲阅读等五种场景作为优化目标场景，以期提升入住者的入住体验。对于不同场景，根据场景需求特点分别对f进行补充建立新的总评价函数F₁至F₅，此时，各项指标中所引用的参考值可在上述一般参考数值基础上进行调整，而各项指标权重系数也可以根据偏好重新赋值。

其一、对节能指标而言由于要求灯具整体能耗尽量减小，故其相应评价函数F₁表示为：

其中，P(i)为第i盏灯具的功率消耗，可以看出P(i)越小，则评价函数F₁的取值越高。

其二、针对办公场景，对于需要办公的用户而言办公区域主要集中在写字台区域，为了达到最佳的工作照明效果，要求写字台的照度和光照照度均匀度尽量满足参考条件，此时新的评价函数F₂可表示为：

式中，E₁₁表示写字台区域内的桌面水平照度，U₁₁表示写字台区域内的桌面照度均匀度，q₁、q₂、k₁、k₂、k₃为相应项的权重系数，其数值可由层次分析法获得。

式中，E₁₁表示写字台区域内的桌面水平照度，其参考值取为320；U₁₁表示写字台区域内的桌面照度均匀度，其参考值取为0.7；q₁、q₂、k₁、k₂、k₃为相应项的权重系数，其数值亦可由层次分析法获得，不失一般性，数值可分别为0.45、0.55、0.27、0.46、0.27。

其三、针对会客场景，就评价指标而言，该场景更为注重区域内整体亮度和照度均匀度，因而统一设定各区域内照度参考值为一固定值如350lx，照度均匀度参考值为一固定值如0.6，以营造一种明亮、舒适的照明氛围，此时新的评价函数F₃表示为：

通过增加权重系数k₁的取值使k₁＞k₂，以增加评价过程中对整体照度和照度均匀度的要求。采用层次分析法重新对w₁、w₂、w₃、w₄、w₅、k₁、k₂进行赋值，其数值分别为0.2765、0.2559、0.0999、0.2765、0.0922、0.71、0.29。

其四、娱乐场景，该场景主要适用于用户位于床面使用手机或电视时使用，要求背景及邻近区域照明亮度较低，其照度参考值可设置为150lx，此时新的评价函数F₄表示为：

其中，E₁₂表示工作区域内写字台外的水平照度，q₁、q₂、q₃、k₁、k₂、k₃为相应项的权重系数。根据层次分析法，此时，w₁、w₂、w₃、w₄、w₅、q₁、q₂、q₃、k₁、k₂、k₃，分别赋值为0.2765、0.2559、0.2765、0.0999、0.0922、0.27、0.39、0.34、0.37、0.41、0.12。

其五、休闲阅读场景主要供用户在床头或沙发区域进行书本阅读时使用，要求床头附近的m盏灯具亮度较高，此时新的评价函数F₅表示为：

式中，I_t分别代表床头附近第t盏灯具的亮度，q_t表示其相应权重系数；k₁、k₂、k₃为相应项的权重系数。

结合图1、3所示，休闲阅读场景时要求床头附近的f、g、h共三盏灯具的亮度较高。根据层次分析法，此时，w₁、w₂、w₃、w₄、w₅、q₁、q₂、q₃、k₁、k₂、k₃，分别为0.1338、0.0933、0.0780、0.3662、0.3286、0.33、0.33、0.33、0.37、0.41、0.12。

评价函数F₁至F₅建立完成后，采用粒子群优化算法对灯具参数即照明参数或其调制值进行优化，优化过程中分别使用评价函数F₁至F₅对群内各粒子进行评价。

粒子群优化算法作为一种有效的智能搜索算法，被广泛运用于各种离散点的最优值寻找应用中，且寻优能力强、实现方法灵活性较高、应用领域广泛。其基本原理可以看做是搜索空间内一群粒子，粒子位置即为被优化指标最优值的可能取值。通过追踪粒子位置改变，寻找粒子本身的最优解(Pbest)和群体最优解(Gbest)并根据这两项指标调整粒子自身位置。

如图2及图3所示，客房内共放置八个可调光LED灯8，分别为灯具a至灯具h，使用某品牌LED灯泡，额定功率为15W，理论照度为1600lm，其布局位置根据商务酒店原有灯座位置安放，同时，设置十六个照度观测点9，选取时应尽量保证照度观测点9位于各区域垂直中线或水平中线位置，并做等间距分布。可以根据需要增加照度观测点。

灯具的光分布模型，优选采用已验证过的，如果没有先验模型，则可以采用实际单独亮灯实验来获取。通过单独亮灯实验测出每个灯具的出光参数，建立其光分布模型。然后，根据灯具的光分布模型、灯具及观测采样点在世界坐标系中的相对位置，计算：八个可调光LED灯8在具体的灯具参数即照明参数调制值状态下，空间中每个采样点的照度。其中，采样点在每个所划分的区域内都设四个以上，从而可以获得各区域的照度及照度均匀度，进而可以计算该照明参数调制值的评分值。

采用粒子群优化算法对灯具参数进行优化，并分别使用评价函数F₁至F₅对其优化结果进行评价，流程如下：

T1、随机生成集合X(1)_50*8，其表示房间内八盏灯具，粒子群的规模为50组，每个元素x_ij(1)表示房间内灯具j的i组粒子初始照明参数调制值；

根据光分布模型对第i组粒子对应的所有8个灯具计算酒店房间各区域在每个灯具按当前照明参数调制值进行照明时的照度分布，并采用当前评价函数F₁评价第i组粒子所对应的照明效果；

各区域的照度按其内所有采样点的平均照度值取值，并根据这些采样点的照度计算照度均匀度：

照度均匀度＝最小照度值/平均照度值

各采样点的照度值对应关系如下：

E_jP为灯具j在其照射空间内任意一点P的水平照度，L和H分别为点P与灯具在水平和垂直方向上的距离；I_θ表示灯具总光通量为1000lm时θ方向光强，K为维护系数；Φ为灯具实际光通量即集合X(1)_50*8中各元素x_ij(1)对应的照明参数调制值；

根据评价函数分别获取各粒子组照明参数调制值向量的初始评分值，作为自身历史最优解的初始评分值并记录照明参数调制值向量；

同时，记录所有N组粒子初始评分值中的最大值作为群体历史最优解的初始评分值并记录该照明参数调制值向量，令更新次数k＝1；

T2、在粒子群优化过程中，每个元素x_ij()都对应一个改变值v_ij()，元素v_ij()表示相应灯具j的在其照明参数调制值x_ij()的基础上还需进行v_ij()的改变，为保证其有效性，v_ij()取值区间一般不应大于x_ij()可能取到的最大值的10％；若改变后的x_ij()大于x_ij()可能取到的最大值，则x_ij()仍然取其最大值；

随机生成集合V(k)_50*8，其各元素分别表示合集X(k)_50*8中各元素需作出的改变值，并采用下式对V(k)_50*8及X(k)_50*8进行多次更新：

v_ij(k+1)＝wv_ij(k)+c₁r₁(P_ij(k)-x_ij(k))+c₂r₂(G_j(k)-x_ij(k))

x_ij(k+1)＝x_ij(k)+v_ij(k+1)

其中，k为当前更新次数；P_ij(k)代表第i组粒子数据在第k次更新时的自身历史最优解所对应的第i个具体照明参数调制值，通过比较更新后各组照明参数调制值与其自身历史最优解两者的评分值获得，若更新后的评分值大于其自身历史最优解的评分值，则将更新后的照明参数调制值作为新的自身历史最优解进行记录；

G_j(k)代表第j个具体照明参数调制值在第k次更新时的粒子群体历史最优解，通过比较更新后的各组照明参数调制值与群体历史最优解的评分值获得，若更新后的某组评分值大于其群体历史最优解的评分值，则将该组更新后的照明参数调制值作为新的群体历史最优解进行记录；；

c₁，c₂为常数一般取2.05，r₁，r₂为均匀分布在区间(0，1)之间的随机数，可通过随机数生成函数获得；w为权重系数，w_max，w_min分别为权重系数最大值和最小值，一般分别取0.9和0.5。

X(k+1)_i*n及V(k+1)_i*n表示对X(1)_i*n及V(1)_i*n的第k次优化结果。K表示最大更新次数，当k等于K时结束更新，并输出G_i(k)中记录的群体历史最优解的照明参数调制值，作为最后的输出结果。

重复进行T1、T2所述的优化过程四次，其中T1中用k替换1并跳过初始的随机生成过程，然后分别利用评价函数F₂至F₅逐一替换T1中的评价函数F₁，以获得五组不同的优化结果，将优化结果转换和存储为照明场景灯具调控参数。

如图4所示的粒子群优化过程评分值更新示意图是以节能指标优化为例的。从图4可看出，当更新次数逐渐接近最大更新次数K时，评价函数F₁取值，即对应群体历史最优解的评价值逐渐收敛，优化完成。节能场景下，所获得的群体历史最优解对应灯具a至灯具h的照明参数调制值(光通量)为：270，663，988，1016，1020，942，954，1000(lm)。

优化后的结果可以存储在采用本照明控制方法的照明系统中，所应用的照明系统包括布置在房间内的照明控制器，如图1、5所示，照明控制器包括摄像头14、集控主机10，采用广角镜头的摄像头14位于房间的一角，集控主机10可对房间内的LED灯组进行调控。

在进行照明场景中照明参数优化的同时，采集用户在办公、阅读、会客、娱乐、节能等各种照明场景下的样本图像，由这些样本图像组成训练图像集对场景检测器进行训练。

首先需要针对照明场景类别，基于各功能区域的特征来训练分类器。作为优选，可以利用线性核函数的支持向量机即SVM分类器作为场景检测器；以酒店客房图像中各特定区域内人员位置、动作，以及相关传感器数据的特征值来构成SVM的特征空间。

例如，针对办公场景，其场景特征是用户在写字台上处理工作，针对办公场景的场景检测器，可以主要识别人员在写字台旁边的图像特征，以及可以在写字台附近设置人体传感器如红外传感器，所述图像特征和红外传感器的值一起构成本场景的特征空间。

另外一个例子中，针对会客场景，可以在房间门口的人员计数器中获得多人进入房间的特征，且可以获得在沙发等区域内有多个人聚集在一起的场景图像特征。

作为优选，所述特征空间的特征可以是一个时间点的静态图像特征，也可以是多幅连续图像中检测到的人体移动特征。例如，用户从门口走到写字台附近，中途经过了多个区域，但最后才在写字台附近停留下来。

作为优选，所述样本图像还可以留一部分作为验证集，以对训练处的场景检测器进行验证。

作为优选，场景检测器包括多个局部检测器，所述多个局部检测器中的一个局部检测器对应一个局部区域的人体检测，每个局部检测器对应一个分类器。

由训练图像集训练出场景检测器后，获取商务酒店房间的图像及该图像对应的传感数据，提取图像特征及传感数据的特征值，根据所述图像特征及传感数据的特征值，确定所述图像的照明场景辨识。

作为优选，根据各区域的图像特征及相应传感数据的特征值确定所述图像的一个或多个照明场景辨识；当确定的图像的照明场景辨识为多个时，确定所述图像的照明场景辨识为综合照明场景辨识。

作为优选，对于综合照明场景辨识，对其包括的多个照明场景辨识的每一个照明场景辨识所对应的照明场景，进行重点区域标记，该照明场景的重点区域内的照明灯具按照该照明场景的灯具调控参数进行调控。如办公场景，其重点区域为写字台区域，则写字台区域内的如写字台区域正上方的照明灯具按照办公场景进行灯具调控参数的调控。

作为优选，当综合照明场景辨识所包括的多个照明场景辨识，对应的多个照明场景的重点区域有交叉时，则交叉部分的照明灯具，按照将交叉区域标记为重点区域的所有照明场景辨识所对应的照明场景的灯具调控参数的加权平均值进行调控。

作为优选，加权平均可采用算术平均。

照明控制器识别场景并通过集控主机调节和驱动房间内的LED灯组，基于辨识出的照明场景，集控主机按照明场景所对应的灯具调控参数分别调节LED灯组内各LED灯的驱动电流，打开相应照明场景。

作为优选，在自动识别场景的基础上，照明控制器还可以设置控制面板，用户在控制面板上进行手动调节的操作，通过集控主机来手动调节LED灯组的出光。同时，控制面板也可以用来进行优化处理过程中各参数的输入。

如图5及图3所示，当五组照明场景全部优化完成后，通过布置在商务酒店房间内的控制面板11、集控主机10来调控LED灯组。其中控制面板11包括两个完全相同的触控式控制面板，分别置于酒店客房门厅12和床面1右侧墙壁上。控制面板11采用触摸屏，其界面上有自动场景控制按键，点击按键后，根据识别的照明场景，集控主机10将由LED灯8构成的LED灯组，按照明场景所对应的灯具调控参数分别调节各LED灯的驱动电流，打开相应照明场景。

另外，控制面板11还可以提供手动调节按键，用户也可以通过这些按键来对各LED灯8的出光进行独立调节，并且调节后的结果可以保持在集控主机10中以备下次该场景下使用。

灯具调控参数可以是灯具光通量或与灯具光通量对应的驱动电流的大小，而驱动电流的大小，可以是绝对值，也可以是相对于额定驱动电流值的百分比值。假设LED灯的光通量与驱动电流成正比，则将不同场景优化所得的灯具调控参数映射为驱动电流PWM波的占空比，存储于集控主机10中。根据识别的照明场景，集控主机10获取场景相应的驱动电流PWM波占空比，改变驱动电流，分别改变可调光LED灯的供电电流，实现预设场景的切换。

不难理解，粒子群优化过程中，每个灯具可以具有多个照明参数调制值，如亮度、色温、颜色等，即粒子群中可以用多个元素x_ij()来表示房间内某一个灯具的i组粒子照明参数调制值。

以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等，均应包含在该技术方案的保护范围之以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等，均应包含在该技术方案的保护范围之内。

Claims (10)

1.基于场景自动识别的商务酒店客房照明控制方法，包含以下步骤：

S1、根据使用需求将商务酒店房间分为多个区域，以商务酒店行业照明标准或通用要求为参考，对商务酒店照明环境进行数学建模，并建立评价函数f对各区域照度、照度均匀度达标程度进行评分；

S2、针对商务酒店照明的照明场景使用需求，对评价函数f进行补充，从而建立评价函数F；

S3、获取分布在商务酒店房间各区域中的灯具的光分布模型，采用粒子群优化算法，基于F评价函数分值对客房内各灯具的照明参数进行优化，并将优化结果转换和存储为照明场景所对应的灯具调控参数；

S4、在照明控制器中，由训练图像集训练出场景检测器，获取商务酒店房间的图像及该图像对应的传感数据，提取图像特征及传感数据的特征值，根据所述图像特征及传感数据的特征值，确定所述图像的照明场景辨识；

S5、基于照明控制器内用来调节和驱动房间内LED灯组的集控主机，按步骤S4所述照明场景辨识的照明场景所对应的灯具调控参数分别调节LED灯组内各LED灯的驱动电流，打开相应场景。

2.如权利要求1所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S1包括：根据商务酒店客房使用频率将商务酒店客房划分为三个区域——工作区域、临近区域和背景区域，其中，床面、写字台和沙发等用户使用较多的区域，定义为工作区域；其它用户可能使用到，但并不会长时间逗留的区域，列为工作平面临近区域；床面与洗手间墙壁之间的区域及窗台所在位置，则列入背景区域；

同时，将各区域照度和区域照度均匀度作为主要指标，建立评价函数f：

f＝w₁×u(E₁)+w₂×u(E₂)+w₂×u(E₃)+w₄×u(U₁)+w₅×u(U₂)

其中，E₁为工作平面水平照度，E₂为工作平面临近区域照度，E₃为背景区域照度，U₁为工作平面照度均匀度，U₂为工作平面临近区域照度均匀度；w₁、w₂、w₃、w₄、w₅分别为各项指标的权重系数；u()表示针对各项指标，根据灯具光分布模型获得的计算值与参考值两者之间的接近程度，对于E₁、E₂、E₃而言当计算值等于参考值时u()＝1；

评价函数f建立完成后，采用层次分析法对各权重系数w₁、w₂、w₃、w₄、w₅进行赋值，具体步骤如下：

首先，根据权重系数个数n建立判断矩阵A_N*n，并使用区间[1，9]中的两个整数的比对矩阵进行填充，各元素数值大小代表相应行权值项所对应指标相比于相应列权值项所对应指标的重要程度，其数值可以是主观评价结果，亦可以是通过样本调查所得的统计结果；

然后，将矩阵A_N*n代入几何平均方程中，确定各权重系数具体数值，几何平均方程如下：

3.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店灯具全开照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：

以灯具照明节能为优化目标，对评价函数f进行补充，要求在各工作区域保证照度和照度均匀度指标的同时，灯具能耗降至最低，若房间内共有n盏灯具，则新的评价函数F₁可表示为：

式中，P(i)为第i盏灯具的功率消耗。

4.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店办公照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：

针对办公场景，要求写字台的照度和光照照度均匀度尽量满足参考条件，此时新的评价函数F₂可表示为：

式中，E₁₁表示写字台区域内的桌面水平照度，U₁₁表示写字台区域内的桌面照度均匀度，q₁、q₂、k₁、k₂、k₃为相应项的权重系数，其数值可由层次分析法获得。

5.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店会客照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：

针对会客场景，要求区域内整体亮度和照度均匀度更加接近，统一设定各区域内照度参考值为一固定值，照度均匀度参考值为一固定值，新的评价函数F₃表示为：

式中，k₁、k₂为相应项的权重系数，其数值可由层次分析法获得。

6.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店娱乐照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：

针对娱乐场景，要求背景及邻近区域照明亮度较低，此时新的评价函数F₄表示为：

式中，E₁₂表示工作区域内写字台外的水平照度，q₁、q₂、q₃、k₁、k₂、k₃为相应项的权重系数，其数值可由层次分析法获得。

7.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店休闲阅读照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：

针对休闲阅读场景，要求床头附近的m盏灯具亮度较高，此时新的评价函数F₅表示为：

式中，I_t分别代表床头附近第t盏灯具的亮度，q_t表示其相应权重系数；k₁、k₂、k₃为相应项的权重系数，各权重系数的值可由层次分析法获得。

8.如权利要求1～7中任何一项所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，步骤S3中所述优化的具体步骤如下：

T1、随机生成粒子群初始集合X(1)_N*n，其元素x_ij(1)，i＝1，2，...N，j＝1，2，...n；n为客房内待优化灯具个数即粒子群维数，N为粒子群规模；每个元素x_ij(1)表示房间内灯具j的i组粒子初始照明参数调制值，根据光分布模型对第i组粒子对应的所有n个灯具计算酒店房间各区域在每个灯具按当前照明参数调制值进行照明时的照度分布，并采用评价函数F评价第i组粒子所对应的照明效果；

分别获取各粒子组照明参数调制值向量的初始评分值，作为自身历史最优解的初始评分值并记录照明参数调制值向量；

同时，记录所有N组粒子初始评分值中的最大值作为群体历史最优解的初始评分值并记录该照明参数调制值向量，令更新次数k＝1；

T2、在粒子群优化过程中，每个元素x_ij()都对应一个改变值v_ij()，元素v_ij()表示相应灯具j的在其照明参数调制值x_ij()的基础上还需进行v_ij()的改变，为保证其有效性，v_ij()取值区间一般不应大于x_ij()可能取到的最大值的10％；若改变后的x_ij()大于x_ij()可能取到的最大值，则x_ij()仍然取其最大值；

随机生成集合V(k)_N*n，其各元素分别表示合集X(k)_N*n中各元素需作出的改变值，并采用下式对V(k)_N*n及X(k)_N*n进行多次更新：

v_ij(k+1)＝wv_ij(k)+c₁r₁(P_ij(k)-x_ij(k))+c₂r₂(G_j(k)-x_ij(k))

x_ij(k+1)＝x_ij(k)+v_ij(k+1)

其中，k为当前更新次数；P_ij(k)代表第i组粒子数据在第k次更新时的自身历史最优解所对应的第i个具体照明参数调制值，通过比较更新后各组照明参数调制值与其自身历史最优解两者的评分值获得，若更新后的评分值大于其自身历史最优解的评分值，则将更新后的照明参数调制值作为新的自身历史最优解进行记录；

G_j(k)代表第j个具体照明参数调制值在第k次更新时的粒子群体历史最优解，通过比较更新后的各组照明参数调制值与群体历史最优解的评分值获得；

c₁，c₂为常数，r₁，r₂为均匀分布在区间(0，1)之间的随机数；w为权重系数；w_max，w_min分别为权重系数最大值和最小值，X(k+1)_N*n及V(k+1)_N*n表示对X(k)_N*n及V(k)_N*n的第k次优化更新；

K表示最大更新次数，当k等于K时结束更新，并输出G_j(k)中记录的群体历史最优解的照明参数调制值，作为灯具调控参数输出。

9.如权利要求8所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述场景检测器包括多个局部检测器，所述多个局部检测器中的一个局部检测器对应一个局部区域的人体检测。

10.如权利要求8所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述根据所述图像特征及传感数据的特征值，确定所述图像的照明场景辨识具体为：根据所述图像特征及传感数据的特征值确定所述图像的一个或多个照明场景辨识；当确定的图像的照明场景辨识为多个时，确定所述图像的照明场景辨识为综合照明场景辨识。