[發明專利]一種LED無影燈照明系統中的智能調光控制器

有效

• 申請號: 201410588302.5
• 申請日: 2014-10-28
• 公開（公告）號: CN104320881B
• 公開（公告）日: 2017-06-16
• 發明（設計）人: 劉宇紅;傅建國;李樂樂;吳配貴
• 申請（專利權）人: 許敏
• 主分類號: H05B37/02
• 分類號: H05B37/02
• 代理公司: 南京正聯知識產權代理有限公司32243
• 代理人: 顧伯興

1.一種LED無影燈照明系統中的智能調光控制器，其特征在于：采用攝像傳感技術實現照明區域光照度的閉環控制，該控制器核心單元包括：圖像采集模塊，圖像分析與處理模塊，模糊圖像分割模塊，照度和色度特征提取模塊，模糊神經網絡系統單元,該控制器采用一種基于模糊視覺圖像處理的方法，運用數字圖像處理技術將現場攝像頭獲取的視頻圖像進行特征分析和處理，提取照明環境的亮度和色度信息，通過智能處理算法計算LED光源的電流控制參數，從而調節LED光源的亮度,系統通過CMOS攝像頭采集照明區域的視頻圖像并轉換為數字圖像信號，通過視頻圖像采集模塊將該信號讀取到系統內部，再由圖像分析與處理模塊將視頻圖像信號進行解析，提取照度和色度分布信息，通過照度和色度特征提取模塊提取相應的照度和色度特征向量，送入模糊神經網絡系統；同時，由模糊圖像分割模塊將遮擋物產生的陰影區域分割出來，并將分割區域的位置參數作為輸入值送入模糊神經網絡，最后通過模糊神經網絡內部強大的映射和計算能力，算出相應的LED光源的驅動電流值，并將這些信息發送給LED控制器，調節相應LED的亮度，以實現消除陰影、照度均勻和恒光控制的目的；對圖像中的遮擋物與背景進行分割，需要將圖像分為確定的背景區域與目標區域，將背景參考區域和目標參考區域視為灰度值論域[0,1,…,F-1]上的兩個模糊子集，該系統選用貼近度法中的距離貼進度，其中設論域U＝{x₁，x₂，...，x_n}，對任意的模糊集合A，模糊度為：

$L\left(A\right)=\frac{1}{mn}\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}\frac{|{\mathrm{\μ}}_A\left(x_{ij}\right)-{\mathrm{\μ}}_{0.5}\left(x_{ij}\right)|}{{\mathrm{\μ}}_A\left(x_{ij}\right)+{\mathrm{\μ}}_{0.5}\left(x_{ij}\right)}---\left(1\right)$

由該式計算出目標區域OR和背景區域BR的模糊度為L_BR和L_OR，

對模糊區內將其所分割范圍和分別加入到OR和BR中，g_f為g_FR集合的分割值，得到兩個新的模糊子集，記為OR′和BR′：

${\mathrm{OR}}^{\′}=OR\∪\left\{g_{FR}\right\}=OR\∪\[\stackrel{\‾}{g_o},g_f\]---\left(2\right)$

${\mathrm{BR}}^{\′}=BR\∪\left\{g_{FR}\right\}=BR\∪\[g_f,\stackrel{\‾}{g_b}\]$

由式(1)計算出新的L_OR′和L_BR′，在模糊子集加入了新的元素的情況下，其模糊度函數值會變大(即L_OR′>L_OR L_BR′>L_BR)，將其分別與L_OR和L_BR做歸一化，得到兩個模糊度影響因子，記為：

${\mathrm{\η}}_1\left(g_{FR}\right)=\frac{L_{{\mathrm{OR}}^{\′}}\left(g_{FR}\right)}{L_{OR}}---\left(3\right)$

${\mathrm{\η}}_2\left(g_{FR}\right)=\frac{L_{{\mathrm{BR}}^{\′}}\left(g_{FR}\right)}{L_{BR}}$

通過比較η₁和η₂的大小，判斷g_FR的加入是對背景還是目標區域的影響更大，若η₁>η₂,則g_FR對目標區域模糊子集影響更大，即與目標區域相似度更高，所以應將g_FR劃入背景區域的模糊集；反之，則將g_FR劃入遮擋物區域的模糊集，對模糊區域的灰度做同樣處理，則會有某一灰度值g_d，使η₁(g_d)＝η₂(g_d),則g_d為分割閾值；工作區亮度和色度的確定方法為：彩色圖像以RGB顏色空間表示，所有顏色都看作是3個基本顏色紅R、綠G、藍B的不同組合，該RGB顏色空間建立在笛卡兒坐標系統里；彩色圖像用HSI顏色空間表示，HSI顏色空間從人的視覺系統出發，用色調H、飽和度S和亮度I來描述色彩；HSI顏色空間用圓錐空間描述，兩種顏色空間之間存在著轉換關系，給定一幅RGB彩色格式的圖像，對任何一組歸一化到[0，1]范圍內的RGB的值都通過相應的轉換公式得到對應的HSI分量值；RGB到HSI顏色空間的轉換公式為：

$\begin{array}{ccc}r=\frac{R}{R+G+B}& g=\frac{G}{R+G+B}& b=\frac{B}{R+G+B}\end{array}$

$\begin{array}{cc}H=\left\{\begin{array}{cc}\mathrm{\θ}& g\≥b\\ 2\mathrm{\π}-\mathrm{\θ}& g\<b\end{array}\right.& H\∈\[0,2\mathrm{\π}\]\end{array}$

S＝1-3·min(r,g,b) S∈[0,1]

$\begin{array}{cc}I=\frac{R+G+B}{3\×255}& I\∈\[0,1\]\end{array}$

色調H(Hue)與光波的波長有關，它表示人的感官對不同顏色的感受，紅色、綠色、藍色等，它表示照明區域圖像的色度信息，暖色、冷色等，強度I(Intensity)，對應成像亮度和圖像灰度，是顏色的明亮程度，它表示照明區域圖像的照度信息；采用模糊神經網絡的視覺圖像目標識別方法，是以模糊系統模型為基礎，將每幀視頻圖像中需要識別的目標遮擋物與背景組成的場景看成一個模糊系統，用每一幀中提取的活動目標的位置和形狀信息作為特征矢量，將該特征矢量作為模糊聚類神經網絡(FCNN)系統的輸入，利用模糊聚類辨識算法，構建一種能夠對LED的光強分布進行映射的模糊聚類神經網絡(FCNN)模型，對系統的輸出進行預測，給出一組在當前場景狀況下LED光源光強分布和位置分布的最佳控制參數，通過調節LED燈盤的光源照射強度和角度，實現照射工作區域恒光、無影的目的；整個系統由兩個部分組成：第一部分是模糊分類器，它由一個三層BP網絡構成，輸入層由P個節點組成，對應輸入向量的P個分量；隱層由C個節點構成，其第i個節點表示輸入向量與第i個聚類中心之間的偏差，它們的傳遞函數為：

$d_{ik}=\left|\right|x_k-v_i|{|}^2=\underset{j=1}{\overset{P}{\Σ}}{(x_{kj}-v_{ij})}^2$

輸出層也由C個節點組成，每個節點的輸出代表輸入向量對某一類別的隸屬度，輸入節點與隱層節點之間的連接權代表了某一類的聚類中心v_i，它由學習算法進行優化；隱層節點與輸出節點之間采用無加權連接，它與各子網絡的輸出共同組成第三層節點的輸入，第二部分由C個子網絡組成，每個子網絡由一個雙層網絡構成，連接權矩陣w_i＝(w_i1，w_i2，，…，w_iQ)^T，其中w_ij＝(w_j0⁽ⁱ⁾，w_j1⁽ⁱ⁾，w_j2⁽ⁱ⁾，…，w_jP⁽ⁱ⁾)，輸入向量θ_k＝(1，x_k1，x_k2，…，x_kP)^T，第i個子網絡的輸出為：y_i^k＝w_iθ_k，它完成第k個輸入樣本的第i類規則的后件輸出的計算，系統總的輸出為

$y_k=\underset{i=1}{\overset{c}{\Σ}}{u}_{ik}{y}_i^k=\underset{i=1}{\overset{c}{\Σ}}{u}_{ik}{w}_i{\mathrm{\θ}}_k$

系統輸出y_k給出當前圖像場景中LED光源陣列的分布圖映射，該映射反映LED光源將以怎樣的亮度分布才能實現使被照區域的照度到達規定的值并保持恒定，同時又消除工作區陰影的目的，輸出y_k作為調節量控制LED光源驅動電流和LED燈盤投射角度。