一种基于智能射灯的人体行为识别方法和系统与流程

本发明涉及智能家居的，尤其涉及一种基于智能射灯的人体行为识别方法和系统。

背景技术：

1、随着智能射灯在环境照明领域的广泛应用，对于实现智能、人性化的照明调节需求日益增长。然而，在目前已知的技术中存在一些不足之处，这些技术在人体行为识别和光照调节方面尚有改进空间。传统的环境照明方法主要基于时间控制或手动设置，无法动态适应环境中人体行为的变化，这导致了传统方法无法实时调整照明参数，从而无法提供用户期望的照明效果，降低了用户体验。一些方法对于复杂场景和多样化的人体行为识别精度较低，容易受到光照、阴影和姿态变化的影响。部分方法无法实时地对人体行为进行识别，限制了其在动态环境中的应用。目前的智能照明系统往往局限于特定的照明参数调节，缺乏对环境中人体行为的深度理解，这导致了照明系统在提供用户期望光照效果方面的不足。

技术实现思路

1、有鉴于此，本发明提供一种基于智能射灯的人体行为识别方法，目的在于提供一种基于智能射灯的人体行为识别方法，该方法可以实时感知环境中的人体行为，从而动态调整照明参数，以满足用户对照明效果的个性化需求。

2、实现上述目的，本发明提供的一种基于智能射灯的人体行为识别方法，包括以下步骤：

3、s1：使用智能射灯设备搭载的摄像头，定期采集环境中的图像数据并进行均衡化；

4、s2：在均衡化后的图像中，利用人体检测算法识别出图像中的人体区域；

5、s3：从检测到的人体区域图像中初步提取人体关节点；

6、s4：基于提取的人体关节点，通过行为识别算法判断人体的当前行为；

7、s5：根据识别到的人体行为，智能射灯自动调整照明参数，以提供相应的光照效果；

8、作为本发明的进一步改进方法：

9、可选地，所述s1步骤中使用智能射灯设备搭载的摄像头，定期采集环境中的图像数据并进行均衡化，包括：

10、s11：计算图像的直方图：

11、直方图表示图像中每个灰度级别的像素数量，灰度级别的直方图的计算方式为：

12、；

13、其中，，，和分别表示图像的长度和宽度，表示图像于像素位置处的像素值；，表示灰度级别的最大值；的计算方式为：；

14、s12：计算累积分布函数：

15、累积分布函数表示直方图中灰度级别的累积分布，对于灰度级别的直方图的累积分布，其计算公式为：

16、；

17、其中，；是灰度级别的概率密度，即

18、；

19、s13：直方图均衡化：

20、均衡化后的图像灰度级别由累积分布函数进行调整，计算公式如下：

21、；

22、其中，表示均衡化后的图像于像素位置处的像素值；表示直方图均衡化分割点，分割点基于最大化分割熵获得；为灰度级别为的累积分布；为灰度级别为的累积分布；函数将结果四舍五入为整数。

23、可选地，所述s2步骤中在均衡化后的图像中，利用人体检测算法识别出图像中的人体区域，包括：

24、基于yolo目标检测网络，将均衡化后的图像分成网格，并在每个网格上预测人体边界框：

25、s21：人体检测置信度计算：

26、在yolo目标检测网络中，每个网格单元预测一个人体边界框，并为每个边界框提供置信度得分，置信度公式为：

27、；

28、其中，是网格的索引；是给定均衡化后的图像，网格中存在人体的概率，由yolo目标检测网络预测得到；

29、s22：边界框坐标预测：

30、yolo目标检测网络预测的人体边界框包含中心坐标、长度、宽度，通过以下公式计算：

31、；

32、其中，表示sigmoid函数；，，和由yolo目标检测网络预测获取；和是网格单元的中心坐标；

33、s23：损失函数计算：

34、yolo目标检测网络的损失函数包括定位误差和目标置信度误差，损失函数的计算方法为：

35、；

36、其中，和是损失函数中的权重；，和分别是实际人体边界框的中心坐标、长度和宽度，和分别是人体存在和人体不存在的指示函数；是实际人体边界框的置信度。

37、可选地，所述s3步骤中从检测到的人体区域图像中初步提取人体关节点，包括：

38、s31：边缘检测：

39、计算人体区域图像的梯度幅度，计算方式为：

40、；

41、其中，表示人体区域图像像素位置；为像素位置处的梯度幅度；为人体区域图像位置处的值；为人体区域图像位置处的值；为人体区域图像位置处的值；为像素位置处的横向梯度幅度；为像素位置处的纵向梯度幅度；

42、基于梯度幅度计算边缘图：

43、；

44、其中，为边缘图位置处的值；

45、s32：角点检测：

46、计算梯度幅度的自相关矩阵：

47、；

48、其中，表示自然常数；表示以为中心范围内的坐标；为中的元素；为自相关矩阵位置处的值；为像素位置处的横向梯度幅度；为像素位置处的纵向梯度幅度；

49、基于自相关矩阵计算角点响应：

50、；

51、其中，表示矩阵的行列式；表示矩阵的迹；为角点响应位置处的值；

52、角点图的计算方式为：

53、；

54、其中，为角点图位置处的值；

55、s33：基于形态学操作提取人体关节点；

56、提取人体关节特征的计算公式为：

57、；

58、其中，表示交集操作；和分别代表膨胀和腐蚀操作；为人体关节特征处的值。

59、可选地，所述s4步骤中基于提取的人体关节点，通过行为识别算法判断人体的当前行为，包括：

60、s41：特征提取：

61、提取相邻关节点之间的距离特征与角度特征：

62、；

63、；

64、其中，和表示相邻关节点序号；和分别表示关节点的横纵坐标；和分别表示关节序号为和的关节的横坐标；和分别表示关节序号为和的关节的纵坐标；表示反正切函数；表示关节序号为和的关节的距离；表示关节序号为和的关节的角度；

65、s42：行为分类器：

66、将人体区域图像和s41中提取出的特征输入至训练好的行为识别网络进行分类：

67、；

68、其中，代表行为识别网络；表示人体行为分类结果；和分别代表标准化为均值为0，标准差为1的距离特征和角度特征。

69、可选地，所述s5步骤中根据识别到的人体行为，智能射灯自动调整照明参数，以提供相应的光照效果，包括：

70、考虑人体行为在智能射灯照明度的影响，智能射灯照明度的计算公式为：

71、；

72、其中，表示射灯的默认照明度；表示人体行为调整因子；表示人体与智能射灯的连线和地面垂直方向的夹角；表示人体与智能射灯之间的距离；

73、根据计算出的照度调整射灯的光照强度从而提供相应的光照效果。

74、本发明还公开了一种基于智能射灯的人体行为识别系统，包括：

75、图像采集模块：使用智能射灯设备搭载的摄像头，定期采集环境中的图像数据并进行均衡化；

76、人体识别模块：利用人体检测算法识别出图像中的人体区域；

77、人体关节点提取模块：从检测到的人体区域图像中初步提取人体关节点；

78、人体行为判断模块：基于提取的人体关节点，通过行为识别算法判断人体的当前行为；

79、照明调整模块：根据识别到的人体行为，智能射灯自动调整照明参数，以提供相应的光照效果；

80、有益效果

81、本发明利用搭载在智能射灯设备上的摄像头，通过使用高效的人体检测算法，能够准确地识别环境中的人体位置。采用先进的检测算法，可以应对复杂的场景、不同光照条件以及多人存在的情况，提高了检测的准确性和稳定性。

82、在检测到的人体区域图像中，本发明采用人体关节点提取算法。这种算法能够从人体图像中准确提取关键的身体部位信息，为后续的行为识别提供了丰富的数据。

83、本发明基于提取的人体关节点，采用高效的行为识别算法。这种算法能够快速而准确地判断人体的当前行为，包括静止、行走、举手等多种行为。通过使用行为识别算法，提高了系统对人体行为的理解能力。

84、本发明通过使用实时反馈和调整机制，能够实时调整照明参数。采用先进的控制算法，根据识别到的人体行为，动态地调整智能射灯的照度，以提供更合适的光照效果。

85、本发明将人体检测、关节点提取和行为识别等多个算法有机地整合在一起，形成一个综合性的智能照明系统。这种整合效果使得系统更全面地理解环境中的人体信息，从而提供更个性化、智能化的照明服务。