一种路灯照明控制方法、装置、设备及存储介质与流程

1.本技术涉及智能交通控制技术领域，特别涉及一种路灯照明控制方法、装置、设备及存储介质。


背景技术：

2.led路灯广泛应用于城市节能照明中，如白天可由太阳能板对led路灯中的贮能电池充电，夜晚再由贮能电池供led路灯照明使用。当然，led路灯也可以采用交流电源直接供电模式，但这种交流电直联模式并没有充分发挥 led内在性能的优越性，如实现led路灯的联网优化控制，不仅能进一步提高led路灯的实用性、舒适性、节能性，而且也可以为碳达峰碳中和作出贡献。
3.相关技术中，常见的led路灯照明控制方法主要包括人工分档、声控感应、光感应控制。其中，“人工分档”是将路灯设置成若干亮度等级，由人工确定路灯照明亮度等级，再通过配套的时间定时器控制路灯白天和夜间的工作状态。“声控感应”是将路灯固定成一个持续点亮时间段，再由声控感应传感器控制路灯启动状态和自动熄灭。“光感应式”是由光感应传感器控制路灯的工作状态，即根据室外的环境照度来实现日夜模式的切换。
4.然而，“人工分档”一旦确定就以固定形式工作，无法自适应调节，耗电严重；“声控感应”需要有一定分贝的声音启动，可能需要多次人为制造声音，且应用场景单一，仅限于地下停车场、居民楼道等应用场景；“光感应控制”设定点亮的光感应照度等级，但如果光感应传感器安装位置不当，则在夜间受雷电、汽车大灯等外因干扰下，光感应传感器的正常工作状态也会被外界改变，出现夜间路灯被熄灭现象产生。因此上述的灯光控制都不够智能化，无法实现多级调节。


技术实现要素：

5.本技术提供了一种路灯照明控制方法、装置、设备及存储介质，解决相关技术中对路灯控制不够智能化、节能效果差的问题。
6.一方面，本技术提供一种路灯照明控制方法，所述方法用于照明系统中的路灯，照明系统包含至少两个具有图像传感器的路灯，所述方法包括：
7.第一路灯通过第一图像传感器获取检测范围内的第一视频帧图像和第二视频帧图像，基于所述第一视频帧图像、所述第二视频帧图像和背景图像进行差分计算，获得第一差分图像和第二差分图像；
8.对所述第一差分图像和所述第二差分图像进行目标特征提取和分析，获取帧图像中目标物体的运动特征和标签信息；所述标签信息用于表述所述目标物体的类别信息；
9.将所述运动特征和所述标签信息发送至第二路灯，通过所述第二路灯对所述标签信息和所述运动特征进行分析，确定目标照明场景和目标亮度等级；其中，不同的照明场景对应不同的灯光点亮时间、照明时长以及亮度等级；
10.所述第二路灯基于确定的所述目标照明场景和所述目标亮度等级进行照明控制。
11.另一方面，本技术提供一种路灯照明控制装置，所述装置用于照明系统中的路灯，照明系统包含至少两个具有图像传感器的路灯，所述装置包括：
12.图像获取模块，用于通过第一路灯上第一图像传感器获取检测范围内的第一视频帧图像和第二视频帧图像，基于所述第一视频帧图像、所述第二视频帧图像和背景图像进行差分计算，获得第一差分图像和第二差分图像；
13.特征获取模块，用于对所述第一差分图像和所述第二差分图像进行目标特征提取和分析，获取帧图像中目标物体的运动特征和标签信息；所述标签信息用于表述所述目标物体的类别信息；
14.照明确定模块，用于将所述运动特征和所述标签信息发送至第二路灯，通过所述第二路灯对所述标签信息和所述运动特征进行分析，确定目标照明场景和目标亮度等级；其中，不同的照明场景对应不同的灯光点亮时间、照明时长以及亮度等级；
15.照明控制模块，用于所述第二路灯基于确定的所述目标照明场景和所述目标亮度等级进行照明控制。
16.另一方面，本技术提供一种计算机设备，所述计算机设备包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现上述方面所述的路灯照明控制方法。
17.另一方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一条指令，所述至少一条指令用于被处理器执行以实现上述方面所述的路灯照明控制方法。
18.另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述方面所述的路灯照明控制方法。
19.本技术提供的技术方案带来的有益效果至少包括：本方案通过在路灯上安装图像传感器，面对目标物体时，前一路灯可以通过对采集的第一视频帧图像和第二视频帧图像进行差分计算，根据差分图像实现对目标物体的追踪，并生成运动数据和标签信息；在未进入到下一路灯的照明区域前，将数据发送至下一路灯，继续由下一路灯运动特征和标签信息进行预测，根据具体情况预测出目标照明场景和目标亮度等级，在目标物体未进入照明区域时，提前将灯光调节到目标亮度等级，方便目标物体通过。相比相关技术中人工分档的方式，基于实际情况预测光照的方式更为智能化，也更为节能，在道路照明网中具有较好的应用前景。
附图说明
20.图1是本技术实施例提供的照明系统的场景示意图；
21.图2是本技术实施例提供的照明系统结构框图；
22.图3是本技术实施例提供的路灯控制方法的流程图；
23.图4是本技术另一实施例提供的路灯照明控制方法的流程图；
24.图5是本技术另一实施例提供的路灯照明控制方法的流程图；
25.图6示出了第一路灯或第二路灯执行照明控制的流程示意图；
26.图7是本技术实施例提供的路灯照明控制装置的结构框图。
具体实施方式
27.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
28.在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
29.图1是本技术实施例提供的照明系统的场景示意图，该照明系统中包括至少两个路灯，路灯的照明范围相同，相邻路灯之间的照明范围可以互不干涉或存在重叠，路灯上安装有无线通讯组件，并通过通信协议组成照明网络，实现相邻路灯之间的数据传输。
30.图2是本技术实施例提供的照明系统结构框图，路灯集成有图像传感器、微处理器、光敏传感器、无线通讯组件、存储设备和led灯具组成。在一些实施例中，图像传感器可以采用针眼式cmos图像传感器芯片，针眼孔朝地面倾斜，确保照明区被监测视野覆盖，芯片能够以25fps的速率实现对照明场景的全天候成像能力，图像分辨率不低于720p，覆盖视频监测距离不小于50m，照度不大于0.01lux。光敏传感器设置在灯具中，感应小孔朝天空方向，该亮度光感应小孔用于判断白天、黑夜照度，如果是白天状态，则控制路灯不启动照明状态；如果是黑夜状态，则结合图像传感器感知结果控制路灯照明亮度等级。
31.微处理器集成有亮度光感应及调控接口，用于连接光敏传感器和led灯、网络通信接口连接无线通讯组件、目标交互接口连接存储设备，如flash存储器或其他存储设备。无线通讯组件包括点对点通信组件、紫蜂zigbee通讯组件中的至少一种，具体根据路灯之间的通讯距离和传输效率决定。本方案以 zigbee通讯组件为例，照明系统中的所有路灯采用zigbee通信协议技术形成自组网络。在满足数据通讯条件时相互传输数据。
32.可选的，该照明系统还包括管理服务器，路灯可以通过zigbee通信协议向管理服务器发送管理信息，包括但不限于采集的视频结构化数据和路灯亮度等级调控的数据信息等，用于后续交通事故溯源以及节能数据计算与评估。可选的，为了确保数据通信的安全性，还可以给组网的zigbee通信协议进行加密，防止照明场景目标特征隐私被泄漏。对于图像传感器和微处理器的工作时间，也可以设定为全天工作，对于照明场景中的目标分析可以不留死角，确保通过照明场景中的目标全被记录下来，并进行分档管理，即使白天同步给出照明亮度等级，也会被亮度光感应电路所屏蔽，不会去启动路灯照明状态。
33.图3是本技术实施例提供的路灯控制方法的流程图，应用于图1和图2中的第一路灯和第二路灯，包括如下步骤：
34.步骤301，第一路灯通过第一图像传感器获取检测范围内的第一视频帧图像和第二视频帧图像，基于第一视频帧图像、第二视频帧图像和背景图像进行差分计算，获得第一差分图像和第二差分图像。
35.本方案以照明系统中的第一路灯和第二路灯为例对进行阐述，第一路灯中的第一图像传感器负责采集视频数据，由第一微处理器对视频帧图像进行分析。以下内容以采集的视频帧图像中出现目标物体进行说明。第一视频帧图像和第二视频帧图像是依次从视频中采集的，背景图像是在第一路灯或第二路灯的图像传感器在未点亮灯光(或默认最低等
级灯光)，且没有目标物体情况下采集的图像，将整张图像或指定照明范围区域的画面设置为背景图像。设置背景图像目的为进行差分运算，也即分别基于第一视频帧图像和背景图像、第二视频帧图像和背景图像进行差分计算，得到第一差分图像和第二差分图像。差分图像可以用于目标追踪和定位，快速锁定目标物体的位置区域。
36.需要说明的是，第一视频帧图像和第二视频帧图像之间的时间间隔并不要求严格按照图像传感器的采集频率(例如25fps)设定，还可以通过程序设定，如按照0.5s或100ms频率采集，目的为减少计算量以及提高测量精度。
37.第一图像传感器和第二图像传感器的检测覆盖范围可以出现重叠区域或不不出现。同理，各自的图像传感器检测范围和光照范围可以相同或不相同，对于覆盖范围较大(超过光照范围)的图像传感器，还可以在图像中设定检测范围，和背景图像做差分运算时则仅对检测范围的图像进行处理和运算，以提高检测的准确性。
38.步骤302，对第一差分图像和第二差分图像进行目标特征提取和分析，获取帧图像中目标物体的运动特征和标签信息。
39.第一微处理器计算得到第一差分图像和第二差分图像后，对图像的像素内容进行识别和特征提取，获取到目标物体的运动特征，运动特征不仅用于后续判断需要发送的第二路灯，还用于第一路灯进行目标追踪。标签信息用于表示目标物体的类别信息，如机动车、非机动车、行人和抛洒物等物体，生成标签信息有利于数据存储和归档，同时也便于数据的快速传输和第二路灯(第二微处理器)的判断分析。
40.可选的，第一微处理器还会记录本次识别结果，基于识别结果生成监控日志和视频，并通过存储设备进行保存，便于交通事故溯源和分析。
41.可选的，由照明系统组成的照明网络中，还设置有至少一个网络节点路灯，本方案以第一路灯为网络节点路灯为例，网络节点路灯的(第一)微处理器上的目标交互接口外接管理服务器，管理服务器负责接收第一微处理器生成的关于目标物体的归档信息，归档信息包括交通事件、机动车、非机动车、行人等目标物体通过路灯场景的监控信息、标签信息和图片等。而第二路灯和组网中的其他非网络节点路灯，通过无线通讯组件将归档信息发送至第一路灯或其他邻近网络节点路灯的管理服务器中。
42.交通事件定义为影响正常交通秩序的行为，如抛散物和交通事故等。当机动车、非机动车以及行人中存在同一场景下数秒内(如设定一个时间阀值，5 秒)没有产生位移的行为，则可判定为一个交通事件产生。其次，依据一帧帧图像之间比对过程中，如果发现机动车、非机动车、行人等目标运动过程中掉落的物品，则可判断为一个交通事件产生；此外，如果发现机动车与非机动车、机动车与行人、非机动车与行人发生碰撞，则可判断为一个交通事件产生。当出现交通事件后，可以通过第一路灯(网络节点路灯)连接的管理服务器报警，及时通知交管处理。
43.可选的，由于路灯中一体化嵌入微型低照度图像传感器、mcu微处理器等芯片，为充分挖掘mcu微处理器巨大智能，可以将机动车、非机动车、行人等目标特征预置在mcu微处理器中，一旦mcu微处理器发现相同或相似的机动车、非机动车、行人等目标特征，mcu微处理器可以向网络节点路灯联网的管理服务器进行报警，如预置在mcu微处理器中的新能源汽车号牌“苏bda8888”，当号牌“苏bda8888”通过路灯照明场景时，mcu微处理器将号牌“苏bda8888”通过时间、地点等信息向联网的管理服务器报警，可为社会管理提供信息支持。
44.步骤303，第一路灯将运动特征和标签信息发送至第二路灯，通过第二路灯对标签信息和运动特征进行分析，确定目标照明场景和目标亮度等级。
45.第二路灯在接收第一路灯发送的关于目标物体的运动特征和标签信息前， led灯处于关闭状态或默认最低亮度等级，而在接收到后，首先对标签信息和运动特征进行分析，预测出相应的目标照明场景，例如行人照明场景，机动车照明场景、非机动车照明场景和混合照明场景(行人和机动车等多种情形)等，因为不同的情形下所需的灯光亮度等级是不同的，本方案为将不同照明场景分为各种亮度等级，根据实际情况设定最佳的亮度等级和照明时间，以达到节能和智能化需求。
46.步骤304，第二路灯基于确定的目标照明场景和目标亮度等级进行照明控制。
47.需要说明的是，第二路灯在确定目标照明场景和目标亮度等级，以及点亮led灯发生在目标物体进入到第二路灯的光照范围内之前，路灯点亮时间也能够确保目标物体能够完全通过第二路灯的光照区域，这样可以确保行进过程中视野的开阔性、安全性及合理性，且在没有接收到相关数据(无目标检测物体经过)时，自动关闭或调节到最低亮度，实现照明系统的智能化，减少电能消耗。
48.综上所述，本方案通过在路灯上安装图像传感器，面对目标物体时，前一路灯可以通过对采集的第一视频帧图像和第二视频帧图像进行差分计算，根据差分图像实现对目标物体的追踪，并生成运动数据和标签信息；在未进入到下一路灯的照明区域前，将数据发送至下一路灯，继续由下一路灯运动特征和标签信息进行预测，根据具体情况预测出目标照明场景和目标亮度等级，在目标物体未进入照明区域时，提前将灯光调节到目标亮度等级，方便目标物体通过。相比相关技术中人工分档的方式，基于实际情况预测光照的方式更为智能化，也更为节能，在道路照明网中具有较好的应用前景。
49.图4是本技术另一实施例提供的路灯照明控制方法的流程图，包括如下步骤：
50.步骤401，第一路灯获取上一周期设置背景图像时的设定时间，当时间间隔到达刷新设定值后，重新通过第一图像传感器采集并确定背景图像。
51.考虑到照明的节能和智能性，在路灯上顶部位置分别安装有光敏传感器，微处理器根据光强决定是否进行图像采集以及视频帧分析和处理。当光敏传感器检测亮度小于光照阈值时，指示当前处于夜晚或光线不足，需要提供照明。然后第一路灯的第一微处理器通过第一图像传感器获取以及分析视频帧图像。但需要说明的是，采集图像过程还可以实时进行，目的为白天情况下也进行拍摄，用于交通事故溯源和取证。
52.微处理器在获取差分图像前，还需要提前设置背景图像，背景图像是用于快速计算像素差，检测目标物体。且为计算的准确性，背景图像需要在路灯未点亮或默认光照下采集，且视频帧画面中不存在目标物体。例如设定每十分钟或半小时更新一次背景图像。第一路灯获取上一周期设置背景图像时的设定时间，当时间间隔到达刷新设定值后，重新通过第一图像传感器采集并确定背景图像。
53.步骤402，将背景图像进行灰度转换，获得灰度背景图像。
54.灰度转换是为了将24位彩色图像转换8位灰度图像。转换公式如下：
55.f(x,y)＝r(x,y)
×
p+g(x,y)
×
q+b(x,y)
×m56.其中的r(x,y)为图像坐标x、y上的背景图像像素点红色分量；g(x,y)为坐标x、y上的背景图像像素点绿色分量；b(x,y)为坐标x、y上的背景图像像素点蓝色分量，p、q和m分别
表示转换的权值分量。灰度背景图像用f0(x,y) 表示。
57.步骤403，将第一视频帧图像进行灰度处理，获得第一灰度视频帧图像，通过与灰度背景图像作差获得第一差分图像；将灰度处理获得的第二灰度视频帧图像与灰度背景图像作差获得第二差分图像。
58.按照上述方法将第一视频帧图像进行灰度处理，第一灰度视频帧图像，用 f1(x,y)表示，第二灰度视频帧图像用f2(x,y)表示。
59.第一差分图像d1(x,y)是第一灰度视频帧图像和灰度背景图像的差值；第二差分图像d2(x,y)是第二灰度视频帧图像和灰度背景图像的差值。用如下公式表示：
60.di(x,y)＝|fi(x,y)-f0(x,y)|
61.步骤404，通过对各个差分图像中像素点分布及其连通性判断，确认图像中发生像素变化的位置区域，以及对位置区域进行图像识别，确定目标物体的类别。
62.该步骤通过对两张差分图像中像素点的分布情况和连通性判断，确认图像中发生像素变化的位置区域，同时也用于目标锁定和跟踪。该变化区域就是目标物体的出现区域。通过图像识别算法，如yolov5算法对图像内容进行识别，确定目标物体的类别。
63.步骤405，基于识别目标物体的类别生成标签信息。
64.标签信息用于后续第二路灯确定目标照明场景和目标亮度等级，以及向第一路灯向发送反馈等。且目标物体可以包含有单个或多个，每个目标物体都会生成对应的标签信息，如label1表示机动车1，label2表示机动车2，label3表示行人1等。
65.步骤406，基于前后两张差分图像中位置区域的位移变化情况，确定目标物体的运动特征。
66.运动特征包括目标物体的行进方向和行进速度，行进方向用于确定下一亮灯的第二路灯，因为同一路灯的左右两个方向都存在路灯，因而需要确定下一路灯的标号或序列号，然后发送。行进速度基于两张图像的时间间隔和位移变化计算获得。当然为了确保数据的准确性，同时考虑到图像传感器的拍摄范围较大，需要设定检测区，也即目标物体进入到检测范围内后再触发检测。
67.步骤407，第二路灯基于接收到的目标物体的标签信息和标签数量确定出目标照明场景和目标亮度等级。
68.如图1所示，当有目标物体进入到ab之间的区域时，第一微处理器对其进行识别和发送。当然第二路灯上的第二图像传感器视野也可以达到a点，但其检测区域同样设定为灯杆1到c点的距离(为了检测的准确性和响应的及时性)。当目标物体离开b点后，第一图像传感器将无法捕捉到。而为了确保安全性，第二路灯需要在目标物体未进入到第二路灯照明范围(未离开第一路灯照明范围)时，提前确定出目标照明场景，并点亮或调整目标亮度等级。但由于交通事件、机动车、非机动车、行人等目标在照明场景中出现是随机并发的，故在照明场景中出现的目标应是交通事件、机动车、非机动车、行人等集合。此时第二路灯需要根据具体情况来确定目标照明场景和目标亮度等级，如图5 所示，确定目标照明场景和目标亮度等级的内容参考如下步骤：
69.步骤407a，当目标照明场景指示为单目标物体时，直接将单目标物体的标签信息所匹配的亮度等级确定目标亮度等级。
70.例如接收到的是行人的标签信息和运动特征，则直接将行人的标签信息所匹配的
亮度等级确定目标亮度等级。
71.步骤407b，当目标照明场景指示为多个目标物体时，将所有目标物体中标签信息匹配的最高亮度等级确定为目标亮度等级。
72.多目标物体特指出现人、机动车、非机动车以及交通事件的情况下，则将所有的目标物体中标签信息匹配的最高亮度等级确定为目标亮度等级。例如，将无目标物体设置为第一亮度等级(默认亮度等级)，机动车设置为第二亮度等级，非机动车设置为第三亮度等级，行人设置为第四亮度等级，交通事件设置为第五亮度等级。当存在多种物体集合出现的场景，则认定匹配其中亮度最高的等级。例如存在行人和非机动车，认定为第三亮度等级。
73.在一种可能的和实施方式中，以灯杆8m的led路灯间距24m、功率40w 的led路灯为例，其照明区域的地面照度约6～60lux，比无路灯但有明亮月光下的地面照度高出20～200倍。对于行人来说，如果走在无路灯但有明亮月光下不存在太大问题的话，则前述功率40w的led路灯照明区照度下降一半也是可以的，led路灯额定亮度的50％照度为3～30lux；对机动车来说，由于在夜间行驶过程中往往开启自适应远近光灯，一定程度上保障了路面夜间照明，故针对机动车或连续车流的led路灯亮度是可以适当下降的，如果保持功率 40w的led路灯照明区的地面照度2～20lux，加上车灯照明，其实机动车经过瞬间的地面照度也不低，也就是说，针对机动车来说，led路灯只需开启额定亮度的33％即可；对于非机动车来说，由于行进速度是行人的3倍多，但非机动车自身照明条件相对差一些，如果保持功率40w的led路灯照明区的地面照度4～40lux，则从驾驶人安全行车来说也是足够的，即led路灯只需开启额定亮度的66％；对于交通事件来说，为避免产生二次交通事故后果，期望第一时间将交通事件场景反馈给远方的通行者，此时交通事件场景的照度应是最高等级亮度，即前述功率40w的led路灯照明区的地面照度约6～60lux，led路灯需开启额定亮度的100％；对于没有交通事件、通行人员、车辆来说，保持功率40w的led路灯照明区最小照度，如按照地面照度0.6～6lux设定，led 路灯需开启额定亮度的10％。对于照度低于0.01lux的cmos图像传感器来说，最低场景照明0.6～6lux也是合适的。也就是说，从实用性、舒适性、节能性出发，交通事件亮度等级可设置为100％、行人亮度等级可设置为50％、机动车亮度等级可设置为33％、非机动车亮度等级可设置为66％、其他亮度等级(无目标物体)可设置为10％。
74.本方案中，假设led路灯照明区中有交通事件序列函数e(t)、机动车时间序列函数v(t)、非机动车序列函数m(t)、通行人员序列函数p(t)，led路灯亮度等级值f(t)即为同一时间内取目标亮度最大值。计算公式表示如下：
75.f(t)＝max(e(t)
×
100％,v(t)
×
33％,m(t)
×
66％,p(t)
×
50％)+δ
76.其中，e(t)、v(t)、m(t)、p(t)根据标签信息匹配得出，而δ则为误差修正值，如果场景中有目标物体，则δ取值为0，否则δ取值为10％，表示最低亮度为10％。如图6所示，为第一路灯或第二路灯执行照明控制的流程示意图。
77.步骤408，基于目标物体的行进速度、行进方向，以及到达第二路灯的距离，确定点亮路灯的第一点亮距离和第一点亮时间。
78.确定场景和亮度等级后，还需要确定第二路灯触发的时机，即点亮或调整亮度的时间点以及照明时长。但考虑到不同目标物体之间所需的视野各不相同，如机动车的速度较快，需要较远的观察视野来确保安全；而行人步行速度较慢，短距离的观察视野不影响行
走，因而可以在特定的位置来执行调整操作。
79.第一点亮距离表示预测目标物体距离下一路灯照明范围的距离，第一点亮时间表示预测目标物体到达第一点亮距离时的时间，不同目标物体对应不同的第一点亮距离。以第二路灯为例，当第二路灯的第二微处理器接收到第一路灯发送的运动特征和标签信息后，结合标签信息、目标物体的行进速度、行进方向，以及到达第二路灯的距离，确定点亮路灯的第一点亮距离和第一点亮时间。
80.例如，设置行人在距离第二路灯照明范围5m调节为目标亮度，非机动车设置为10m、机动车设置为20m、交通事故设置为20m等，具体根据路灯设置以及安装标准决定，本技术对此不作详细赘述。
81.在一种可能的实施方式中，可以根据到达第二路灯的距离和目标物体的行进速度的比值确定预侧到达的时间。
82.步骤409，基于目标物体的第一点亮距离、行进方向以及路灯之间的距离确定出照明时长。
83.照明时长的计算方式和计算第一点亮时间类似，第一点亮距离是确定的，离开第二路灯照明范围的距离也是确定的，因而可以根据行进速度计算出离开第二路灯照明范围的预测通行时长。但上述说到标签信息可能包含多种集合，及人车混合场景，此时还需要根据实际情况判断混合场景下的照明时长。如图 5所示，步骤409还包括如下步骤：
84.步骤409a，当目标照明场景指示为单目标物体时，直接将单目标物体预计通过光照范围的时间确定为光照时长。
85.单目标物体即为单个行人、机动车、非机动车等物体，预计通过光照范围的时间即为点亮位置(根据目标物体决定)到离开光照范围的距离与行进方向的比。同时为了考虑误差因素，还应当设置修正参数，例如考虑到车辆突然加速或减速导致时间缩短或延长的情形，且不同目标物体的修正参数各不相同，具体基于标签信息和行进速度决定。
86.步骤409b，当目标照明场景指示为多个目标物体时，分别计算出各个目标物体预计通光照范围所需的通行时间，将最大通行时间确定为光照时长。
87.对于多目标物体情形，因行进速度各不相同，将最先到达第一点亮距离的目标物体的时间作为开始计时点，但离开光照范围的目标物体则以最大通行时间对应的目标物体决定。例如，包括行人、机动车和非机动车，机动车先到达对应的第一点亮距离(20m)，但第二微处理器以行人的标签信息确定目标光照等级(第四亮度等级)开始点亮，此时行人并未移动到与其对应的第一点亮距离(5m)，第二微处理器分别计算非机动车和行人此时位置到离开光照范围的距离与行进距离的比值计算通行时间，以最大通行时间作为光照时长(可能是非机动车或行人最后离开)。
88.设led路灯照明区中交通事件集合e{t1,β1}，t1为交通事件产生时间、β1为交通事件持续时间；机动车集合v{t2,β2}，t2为机动车发现时间、β2为机动车通过时间；非机动车集合m{t3,β3}，t3为非机动车发现时间、β3为非机动车通过时间；行人集合p{t4,β4}，t4为行人发现时间、β4为行人通过时间。led路灯亮度时间长度即取通行时间的集合并。光照时长t计算公式如下：
89.t＝e{t1,β1}∪v{t2,β2}∪m{t3,β3}∪p{t4,β4}+λ
90.其中，集合e、v、m、p中t1～t4、β1～β4值可由第二微处理器预测分析得出，而λ则为
误差修正参数，可由邻近灯杆相互联动及特定照明场景设定。
91.步骤410，第二路灯基于确定的目标照明场景和目标亮度等级进行照明控制。
92.基于上述内容确定的目标照明场景、目标亮度等级、灯光点亮时间以及照明时长时，是第二微处理器基于获取的运动特征和标签信息进行计算预测获得，而并非采用第二微处理器采集和运算得到，且基于前者预测和计算做出决策的及时性优于通过第二图像传感器采集并通过第二微处理器分析做出决策的及时性，计算产生的运算更低，执行效率更高。
93.第二路灯在进行照明控制后，目标物体陆续进入路灯光照范围和第二图像传感器的采集和检测范围，继续执行如上述第一路灯识别和向后传输数据的过程。
94.综上所述，本方案通过第一路灯的微处理器定时设定背景图像，获取视频图像帧来计算差分图像，便于目标物体的追踪以及获取目标物体的运动特征和标签信，及时的将数据通过无线通讯组件发送到第二路灯进行预测，预测过程考虑单目标物体和多目标物体情形，分别基于标签信息和行进速度计算出不同的第一点亮距离，并根据所有目标物体中标签信息匹配的最高亮度等级确定目标亮度等级，将最大通行时间确定为光照时长，以此确通行视野的开阔性通行安全性和亮灯节能性，且相对于通过下一路灯的微处理器检测和做出光照调整的方式，其调整的及时性更高，计算产生的运算量更低。
95.在上述实施例中，当目标物体逐渐进入到第二路灯的检测范围时，且第二路灯通过第二图像传感器检测到目标物体的数量和接收到的标签信息一致时，及时向第一路灯发送回调指令，回调指令用于指示第一路灯恢复默认亮度等级，做到智能调和节约电能的效果。
96.而第二路灯通第二图像传感器检测到目标物体的数量和接收到的标签信息不一致时，目标物体中出现行为异常，需要进一步确认，所以需要向第一路灯发送提示指令；提示指令用于指示存在至少一个目标物体出现行为异常，须通过第一路灯进行行为确认，行为确认至少包括识别交通事故和轨迹折返等。例如，出现抛洒物或出现车体碰撞等行为，以及行人或车辆中途折返行程等行为。此时第二路灯在确定超出照明时间后仍不一致时，立即向第一路灯发送提示指令。此时的第一路灯再次确定上一周期内追踪的目标物体的位置，确定照明场景。并根据照明场景向第二路灯反馈，进而第二路灯根据第一路灯的照明场景控制灯光的状态。例如，确定出现交通事故时(包括出现抛洒物或车体碰撞行为)，第二路灯调节为最高亮度等级并持续亮灯，目的为提醒过往车辆和行人，同时将信息发送至网络节点路灯，网络节点路灯再通过交互接口连接的管理服务器进行报警。可选的，当事故隐患消除或事故解除后，由网络节点路灯发送指令恢复正常照明。例如本方案中以第一路灯是网络节点路灯为例，第一路灯可以直接进行报警，若第二或其他位置的路灯是网络节点时，则由第一路灯向其他网络节点路灯发送指令(通过zigbee组网就近发送)。对于出现车辆或行人折返的行为，第二路灯则选择结束当前的目标照明场景，恢复正常状态的照明或关闭亮灯。
97.对于实施本方案后能够为节能减排和实现碳达峰做出的贡献，可以通过估算二氧化碳排放量计算。设f(ti)为第i天t时间内的led路灯亮度等级，单位为％；ti为led路灯第i天工作时间，单位为小时；ri为led路灯安装点第i天夜间长度，单位为小时；n为led路灯安装总数，单位为盏；c为节省的二氧化碳排放量，单位为公斤，计算公式表示如下：
[0098][0099]
其中，常数0.785是指一度电的二氧化碳排放量。以城市道路照明为例，一年四季依据日夜变化来控制led路灯工作模式，天夜启动，天亮关闭，如果路灯日平均工作时间约11个小时，而城市道路上真正有行人、车辆等出没时间并不会超过6个小时，则通过led路灯优化控制可以节省45％以上。以 40wled路灯计算，年直接节省耗电73度。如果按0.6元一度电计算，年节省电费支出43.8元；如果按照一度电对应0.785公斤二氧化碳排放量计算，则对应减少二氧化碳排放量57.3公斤。根据住建部数据，2020年城市道路照明新增 led路灯3048.6万盏，如果对led路灯全部实现优化控制，则年节省22.25 亿度电，对应节省电费支出约13.35亿元，对应减少二氧化碳排放量约17.47万吨。
[0100]
综上所述，本方案将场景照明与运动目标实际照明需求相结合，通过微型低照度图像传感器与mcu微处理器相连，嵌入快速获取照明场景中交通事件、行人、机动车、非机动车等目标特征的识别算法，结合各类目标照明亮度等级，按目标分级控制led路灯工作状态，既降低了led路灯使用过程中能源消耗，又提升了led路灯的智能化水平，避免led路灯100％亮度从天夜一直亮到天明，从源头上实现了路灯按需供给。也可为照明场景中的交通事件溯源和路灯评估提供技术支撑，真正实现了led路灯的赋能提质，实现了 led路灯照明场景中亮度精细化控制，led路灯的照明实用性、舒适性、节能性得到全面提升。
[0101]
图7是本技术实施例提供的路灯照明控制装置的结构框图。所述装置用于照明系统中的路灯，照明系统包含至少两个具有图像传感器的路灯，所述装置包括：
[0102]
图像获取模块，用于通过第一路灯上第一图像传感器获取检测范围内的第一视频帧图像和第二视频帧图像，基于所述第一视频帧图像、所述第二视频帧图像和背景图像进行差分计算，获得第一差分图像和第二差分图像；
[0103]
特征获取模块，用于对所述第一差分图像和所述第二差分图像进行目标特征提取和分析，获取帧图像中目标物体的运动特征和标签信息；所述标签信息用于表述所述目标物体的类别信息；
[0104]
照明确定模块，用于将所述运动特征和所述标签信息发送至第二路灯，通过所述第二路灯对所述标签信息和所述运动特征进行分析，确定目标照明场景和目标亮度等级；其中，不同的照明场景对应不同的灯光点亮时间、照明时长以及亮度等级；
[0105]
照明控制模块，用于所述第二路灯基于确定的所述目标照明场景和所述目标亮度等级进行照明控制。
[0106]
本技术实施例中，还提供了一种计算机设备，所述计算机设备包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现上述各个方法实施例提供的路灯照明控制方法。
[0107]
本技术实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述任一方面所述的路灯照明控制方法。
[0108]
本技术实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质
存储有至少一条指令，所述至少一条指令用于被处理器执行以实现如上述任一方面所述的路灯照明控制方法。
[0109]
以上对本发明的较佳实施例进行了描述；需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容；因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。