CN114333073A - 基于视觉感知的智能台灯辅助调节方法与*** - Google Patents

Abstract

本发明公开了一种基于视觉感知的智能台灯辅助调节方法与***。方法包括：获取用户使用台灯时投影在台灯对侧背景上的人影图像；根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；对人影图像中头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；获取用户坐姿评估值；将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络得到台灯的最优角度值和最优亮度值。相较现有技术，本发明提取用户影子尤其是头部区域影子的特征来表征用户的姿势，能够克服用户自身遮挡以及光照对台灯调节的影响，准确性更高。

Description

基于视觉感知的智能台灯辅助调节方法与***

技术领域

本申请涉及智能台灯领域，具体涉及一种基于视觉感知的智能台灯辅助调节方法与***。

背景技术

日常工作与学习中，台灯是非常重要的工具。在使用台灯过程中，由于不同用户的坐姿不同，通常需要对台灯进行照射角度和亮度的调节以适应不同用户的使用需求。传统的调节方式一般通过手动来调节台灯的角度和亮度，体验感较差。为了提高用户体验，逐渐出现了智能台灯调节的方法。现有的智能台灯调节技术中，大多数通过直接对用户自身的坐姿图像进行相应的判断并根据判断结果进行调节，这种调节方式可能会由于光线和用户自身遮挡问题，造成对用户坐姿检测的局限性，从而影响后续对台灯角度和亮度的调节过程及结果。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于视觉感知的智能台灯辅助调节方法与***，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于视觉感知的智能台灯辅助调节方法：

获取用户使用台灯时投影在台灯对侧背景上的人影图像；

根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；

对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；

获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值；

将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络，得到台灯的最优角度值和最优亮度值。

优选的，利用二次函数曲线对头部轮廓拟合，所述表征头部影子轮廓宽度的参数为拟合所得二次函数二次项系数。

优选的，所述人体躯干的弯曲程度为人体躯干轮廓图像拟合曲线二次项系数的变化值。

优选的，所述用户坐姿评估值包括：获取头部区域的重心点和躯干重心点的连线，获取该连线与图像竖直方向的夹角，计算该夹角与夹角阈值的差异，根据第一权重对该差异进行修正得到第一修正值；计算人体躯干的弯曲程度与弯曲程度阈值的差异，根据第二权重对该差异进行修正得到第二修正值；根据第一修正值与第二修正值构建用户坐姿评估值。

优选的，所述智能台灯辅助调节网络的损失包括：获取智能台灯调节网络的角度输出值，计算该角度输出值与角度真值标签的差异，得到第一损失；获取智能台灯调节网络的亮度输出值，计算该亮度输出值与亮度真值标签的差异，得到第二损失；根据第一损失与第二损失得到智能台灯辅助调节网络的损失。

第二方面，本发明另一个实施例提供了一种基于视觉感知的智能台灯辅助调节***：

人影头部图像处理模块，获取用户使用台灯时投影在台灯对侧背景上的人影图像；根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；

用户坐姿评估模块，获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值；

智能台灯辅助调节网络模块，将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络模块，得到台灯的最优角度值和最优亮度值。

优选的，所述用户坐姿评估值包括：获取头部区域的重心点和躯干重心点的连线，获取该连线与图像竖直方向的夹角，计算该夹角与夹角阈值的差异，根据第一权重对该差异进行修正得到第一修正值；计算人体躯干的弯曲程度与弯曲程度阈值的差异，根据第二权重对该差异进行修正得到第二修正值；根据第一修正值与第二修正值构建用户坐姿评估值。

优选的，所述智能台灯辅助调节网络的损失包括：获取智能台灯调节网络的角度输出值，计算该角度输出值与角度真值标签的差异，得到第一损失；获取智能台灯调节网络的亮度输出值，计算该亮度输出值与亮度真值标签的差异，得到第二损失；根据第一损失与第二损失得到智能台灯辅助调节网络的损失。

本发明实施例至少具有如下有益效果：

(1)基于本发明人影特征进行台灯辅助调节，相较于现有技术，有益效果在于利用了人影的特殊性，排除了遮挡、光线等问题造成的影响。具体地，本发明获取不仅在台灯使用环境光线较差时可以获得准确的用户姿态信息，而且在用户肢体遮挡其自身头部但仍可得到头部影子特征信息时，也可以判断用户姿态信息，进而调节台灯。

(2)基于本发明所述检测用户头部区域人影方法，相较于现有技术，有益效果在于对人影边缘曲线进行多项式函数近似，并结合轮廓分割块数，能够提取到准确表征头部区域细节的特征。

(3)基于本发明所述的评估用户坐姿模型，相较于现有技术，有益效果在于考虑了人影的图像特征变化，相对准确性更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为一种基于视觉感知的智能台灯辅助调节方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于视觉感知的智能台灯辅助调节方法与***，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于视觉感知的智能台灯辅助调节方法与***的具体方案。

具体实施例1:

本实施例提供一种基于视觉感知的智能台灯辅助调节方法。

现有的智能台灯调节技术利用摄像头采集到的用户图像获得用户姿态，进而根据用户姿态实现台灯调节，在使用环境光线较弱或用户上身被遮挡时，调节效果较差。本发明用于对台灯进行辅助调节，针对的具体场景为：墙壁与书桌的相对位置已知，台灯位于用户左侧，背景墙位于用户右侧（或台灯位于用户右侧，背景墙位于用户左侧，根据用户习惯而定），可应用于家庭、办公场所的格子间、以及自习室的格子间。本发明能够有效解决现有智能台灯调节技术存在的问题。

请参阅图1，其示出了本发明一个实施例提供的一种基于视觉感知的智能台灯辅助调节方法流程图，该方法包括：

获取用户使用台灯时投影在台灯对侧背景上的人影图像；根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值；将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络，得到台灯的最优角度值和最优亮度值。

具体步骤如下：

在用户开启台灯后，在背景墙上会投影出人影。

首先，获取用户使用台灯时投影在台灯对侧背景上的人影图像。

具体地，获取背景墙区域人影图像的具体过程为：

(1)采集背景墙图像并进行预处理。通过智能台灯的灯罩上方架设的相机对背景墙图像进行采集，获取背景墙的RGB图像。为了提高在光线较暗情况下的图像质量，采集图像时应延长100ms并扩大光圈的大小。由于光线较暗时，容易出现明暗噪声点，对背景墙图像通过中值滤波进行去噪，避免噪声点的影响。

(2)对采集到的图像进行图像分割，只保留背景墙区域的图像。具体分割方法采用语义分割网络：对获取的图像进行像素标注，墙壁区域的像素点标注为1，其他区域的像素点标注为0；随后，将带识别标签的图像输入到语义分割编码器和解码器中，输出墙壁的语义分割图。损失函数采用交叉熵。输出的语义分割图像作为mask图像，将mask图像与原图像相乘得到墙壁区域的RGB图像，对墙壁区域的RGB图像进行灰度化处理得到墙壁区域的灰度图像。

(3)获取背景墙上的人影图像。通过墙壁区域中的人影区域和墙壁其他区域的灰度梯度，得到人影区域图像。

首先，计算墙壁区域灰度图像的每个像素点的灰度梯度。为了提高背景墙区域人影的判断效率，采用滑窗进行图像灰度梯度计算。优选的，滑窗采用

的滑动窗口，滑窗模板可采用边缘检测算子模板，根据台灯和用户的相对位置获得初始的滑窗区域。从滑窗区域的左上方开始滑动，滑窗每滑动一次，就在窗口区域进行8邻域灰度梯度计算，计算方法为：

计算像素点8邻域内的灰度梯度向量，其中包括梯度大小

和梯度方向θ=arctan(G_y/G_x)，G_x表示水平方向的灰度差值，G_y表示垂直方向的灰度差值。

其次，沿着梯度方向对灰度梯度幅值进行非极大值抑制，即对于每一像素点，将邻域中心与沿着其对应的梯度方向的两个像素相比，若中心像素为最大值，则保留，否则中心置0；这样可以抑制非极大值，保留局部梯度最大的点，以得到细化的边缘。最后，设定灰度梯度差异阈值M₁，优选地M₁=10，来获取人影边缘的像素点。

至此，对单帧图像的人影区域检测完成，得到背景墙区域的人影图像。

其次，根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值。

特别地，所述预设条件为：各轮廓段内相邻头部轮廓像素点的梯度差值不大于预设阈值。

特别地，利用二次函数曲线对头部轮廓拟合，所述表征头部影子轮廓宽度的参数为拟合所得二次函数二次项系数。

特别地，获取头部区域的重心点和躯干重心点的连线，获取该连线与图像竖直方向的夹角，计算夹角与夹角阈值的差异，根据第一权重对该差异进行修正得到第一修正值；计算人体躯干的弯曲程度与弯曲程度阈值的差异，根据第二权重对该差异进行修正得到第二修正值；根据第一修正值与第二修正值获得用户坐姿评估值。

优选的，人体躯干的弯曲程度为人体躯干轮廓图像拟合曲线二次项系数的变化值。

具体地，获取表征头部影子轮廓宽度的参数、头部影子轮廓分割块数和用户坐姿评估值的过程为：

(1)对获得的单帧人影边缘轮廓进行头部区域提取。提取方法为先验获取，当用户在标准坐姿状态下，头部区域应在人影区域的上方部分，根据人影曲线特征对头部区域人影进行分割。具体分割方法如下：首先，提取头顶边缘中心点，位置坐标在人影区域最上方且梯度方向

变化最大的点即为头顶边缘中心点。其次，基于头顶边缘中心点为起点，向两侧人影边缘像素点进行曲线拟合，拟合方程为二次函数。通过曲线拟合得到粗略的两条人影边缘曲线，此边缘曲线可能不能反映出人影的真实细节轮廓，需要后续的细分割得到人影的边缘细节。再次，根据得到的边缘曲线进行对应点连线，获取对应点连线上边缘像素点的距离d，距离d为像素点之间的欧式距离（即计算欧式距离时，具体获取连线上距离最远的两个人影边缘像素点距离作为d）；根据对应点的距离绘制距离映射函数图像，取映射函数中梯度变化极大值点的像素点连线即为颈部区域或头部和肩膀之间区域，作为人影头部分割线。最后，通过头部分割线对人影头部区域进行分割，得到只保留头部的人影图像。

(2)根据上述获取的人影头部图像，获取头部影子特征，具体方法如下：

本发明的头部影子特征包括：表征头部影子轮廓宽度的参数、头部影子轮廓分割块数。以下对使用两个特征的理由进行详细说明。以用户的惯用手为右手为例，台灯位于用户左前方，则当用户向右转头时，由于头部的前后径大于左右径，头部影子由前后径影子逐渐向左右径影子变化，且在右转时，面部轮廓逐渐远离台灯，头部影子逐渐变小，从而导致头部影子轮廓宽度逐渐减小且头部轮廓细节也会变化。当用户左转头时，也会因为前后径与左右径，导致头部影子轮廓宽度的变化，且头部轮廓细节也会变化。具体地，当用户左侧脸正对台灯时，头部影子轮廓分割块数最多；以左侧脸正对台灯为分界线，该分界线的角度称为分界角。分界角可通过模拟器获得：获取台灯与人的相对位置关系，在模拟器中，根据台灯的位置、台灯的姿态角设置模拟灯光，根据台灯与人的相对位置关系设置三维头部模型，旋转三维头部模型，即可获取临界角。当头部横向转角是临界角左侧的角度，则头部影子的变化可以通过头部影子二次函数拟合曲线的二次项参数体现；当头部横向转角是临界角右侧的角度，则头部影子的变化可以通过二次项参数以及分割块数体现。因此，头部影子轮廓分割块数与头部影子轮廓宽度的参数可以准确表征用户的头部横向转动，且这两个参数能够有效克服用户自身肢体遮挡以及光照强度的影响。

首先，对单帧图像分析获取第一个头部影子特征——头部影子轮廓分割块数。基于初始头部边缘轮廓曲线进行初始分割通过粗拟合得到的左侧线的长度L_z，比上初始块数c₀，优选地，c₀=10，得到初始分割长度L_z/c₀。通过初始分割长度对实际边缘图像进行分割，得到不同大小的初始分割块，分割块中包含着对应轮廓段内头部人影边缘的所有边缘点。然后根据分割块中的边缘点的梯度方向，获取梯度方向变化的极大值δ=max(α_i-α_i-1)，其中，i表示像素点标签。优选的，设定预设阈值M₂=2，对梯度方向变化进行约束，当存在分割块内，存在轮廓段相邻像素点梯度方向变化值δ>M₂时，对分割块内的边缘进一步细分，细分的初始步长为st₁=10个像素点。然后对一次细分后的分割块再进行判断，满足约束停止分块；当不满足约束时，步长为st₂=1/2st₁，继续细分；不断迭代，直到所有分割块内部边缘梯度方向变化满足约束为止。至此，得到单帧图像的头部影子轮廓分割块数。以用户的习惯手为右手为例，随着用户横向转角逐渐偏向右侧，头部影子轮廓分割块数先增大后减小。当分割块数为

时，用户侧脸正对台灯；当分割块数与N_max差值越大，说明用户向远离台灯方向转头的幅度越大，直到分割块数趋于稳定，当前用户的面部的突出轮廓（主要指人脸部的鼻子，额头，嘴巴等）消失。

其次，对图像进行分析获取第二个头部影子特征——头部影子轮廓宽度。根据用户的头部影子的拟合曲线y=ax²+bx+c得到头部影子轮廓宽度的参数a。为了提高该参数的表征能力，本实施例对参数a进一步处理，用

来表征用户的侧转头的角度，

越大，则转头幅度越大。

然后，记录每一帧的分割块数与头部曲线参数，作为后续智能台灯辅助调节网络的输入。具体地，对每一帧图像进行面部轮廓细分，得到不同帧图像的分割块数N_j，其中j表示图像帧标签。根据视频帧的分割块数N_j来判断用户的时序状态下的面部方向变化。获取每一帧的参数

。

此外，头部影子轮廓曲线的常数参数可以表征头部顶点的变化。头部顶点的变化可以体现头部俯仰角变化，因此，优选地，作为另一种实施方式，本发明还提供第三种头部影子特征参数—头部影子轮廓拟合曲线的常数参数c，作为智能台灯辅助调节网络的输入。

(3)获取用户坐姿评估值。首先，获取头部区域的重心点

和躯干重心点

的连线

，通过连线

与图像竖直方向的夹角θ，根据夹角θ的大小，来判断用户的头部坐姿状态。其次，对该图像上用户的人体躯干边缘进行曲线拟合：y=a'x²+b'x+c'。通过人体躯干边缘的弯曲程度ρ=

来判断用户的躯干坐姿状态，其中，人体躯干的弯曲程度为人体躯干轮廓图像拟合曲线二次项系数的变化值。设定夹角阈值M₃=15°，弯曲程度阈值M₄=e³，构建用户坐姿评估模型，得到用户坐姿评估值：

其中，w₁=0.4，w₂=0.6为权重参数，θ-M₃表示头部角度变化量，(ρ-M₄)表示躯干边缘曲线变化量，

为第一修正值，

为第二修正值。

至此，得到用户坐姿评估值。

最后，将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络得到台灯的最优角度值和最优亮度值。

特别地，智能台灯辅助调节网络的损失包括：获取智能台灯辅助调节网络的角度输出值，计算该角度输出值与角度真值标签的差异，得到第一损失；获取智能台灯辅助调节网络的亮度输出值，计算该亮度输出值与亮度真值标签的差异，得到第二损失；根据第一损失与第二损失得到智能台灯辅助调节网络的损失。

具体地，根据得到的用户时序状态下头部影子轮廓宽度的参数、头部影子轮廓分割块数和用户坐姿评估值Eva来获取当前用户在各个转动幅度下的对应的台灯调节参数数据：角度值和亮度值，将此数据作为训练数据对应的头部影子轮廓宽度的参数、头部影子轮廓分割块数和用户坐姿评估值Eva进行标记，在网络训练的过程中，测试集样本即实时采集到的指标值与训练集标记样本进行训练，当实时获取的指标值数据与对应的训练集数据接近时，损失函数才会不断收敛，最终网络输出台灯实时的角度值γ和亮度值l。训练网络采用全连接网络，网络输入为：实时采集的用户人影的各指标值。网络的损失为：

其中，

为网络的损失，L₁、L₂分别为第一损失、第二损失。

第一损失L₁为：

第二损失L₂为：

其中，

为角度输出值，

为角度真值标签，

为亮度输出值，

为亮度真值标签，n为样本数量。

最终可获得实时的台灯的最优角度值和最优亮度值。

同时，在进行台灯角度和亮度调节的过程中，针对用户坐姿评估模型，设定预警参数M₅=0.6，当Eva>M₅时，台灯可以智能报警，提醒用户注意坐姿。

需要说明的是，用户头部距离书桌的距离越近时，相应的台灯的亮度值应该调低，与具体上述的用户躯干边缘的弯曲程度有关，也即弯曲程度越大且连线

与垂直方向的夹角越大，台灯对应的亮度值越低。

具体实施例2：

本实施例提供一种基于视觉感知的智能台灯辅助调节***。

现有的智能台灯调节技术利用摄像头采集到的用户图像获得用户姿态，进而根据用户姿态实现台灯调节，在使用环境光线较弱或用户上身被遮挡时，调节效果较差。本发明用于对台灯进行辅助调节，针对的具体场景为：墙壁与书桌的相对位置已知，台灯位于用户左侧，背景墙位于用户右侧（或台灯位于用户右侧，背景墙位于用户左侧，根据用户习惯而定），可应用于家庭、办公场所的格子间、以及自习室的格子间。本发明能够有效解决现有智能台灯调节技术存在的问题。

获取用户使用台灯时投影在台灯对侧背景上的人影图像，输入至人影头部图像处理模块，根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数。

获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，输入至用户坐姿评估模块，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值。

将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络模块，得到台灯的最优角度值和最优亮度值。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于视觉感知的智能台灯辅助调节方法，其特征在于，该方法包括：

获取用户使用台灯时投影在台灯对侧背景上的人影图像；

根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；

对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；

获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值；

将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络，得到台灯的最优角度值和最优亮度值。

2.根据权利要求1所述的一种基于视觉感知的智能台灯辅助调节方法，其特征在于，所述方法还包括：利用二次函数曲线对头部轮廓拟合，所述表征头部影子轮廓宽度的参数为拟合所得二次函数二次项系数。

3.根据权利要求1所述的一种基于视觉感知的智能台灯辅助调节方法，其特征在于，所述人体躯干的弯曲程度为人体躯干轮廓图像拟合曲线二次项系数。

4.根据权利要求1所述的一种基于视觉感知的智能台灯辅助调节方法，其特征在于，所述用户坐姿评估值包括：

获取头部区域的重心点和躯干重心点的连线，获取该连线与图像竖直方向的夹角，计算夹角与夹角阈值的差异，根据第一权重对该差异进行修正得到第一修正值；计算人体躯干的弯曲程度与弯曲程度阈值的差异，根据第二权重对该差异进行修正得到第二修正值；

根据第一修正值与第二修正值获得用户坐姿评估值。

5.根据权利要求1所述的一种基于视觉感知的智能台灯辅助调节方法，其特征在于，所述智能台灯辅助调节网络的损失包括：

获取智能台灯辅助调节网络的角度输出值，计算该角度输出值与角度真值标签的差异，得到第一损失；

获取智能台灯辅助调节网络的亮度输出值，计算该亮度输出值与亮度真值标签的差异，得到第二损失；

根据第一损失与第二损失得到智能台灯辅助调节网络的损失。

6.一种基于视觉感知的智能台灯辅助调节***，其特征在于，该***包括：

人影头部图像处理模块，获取用户使用台灯时投影在台灯对侧背景上的人影图像；根据人影图像中头部轮廓拟合曲线获取表征头部影子轮廓宽度的参数；对人影图像中的头部轮廓进行分割，直至分割所得各轮廓段内头部轮廓像素点的梯度满足预设条件，获得头部影子轮廓分割块数；

用户坐姿评估模块，获取人影图像中头部区域的重心点和躯干重心点的连线与图像竖直方向的夹角，根据该夹角和人体躯干的弯曲程度得到用户坐姿评估值；

智能台灯辅助调节网络模块，将表征头部影子轮廓宽度的参数、头部影子轮廓分割块数、用户坐姿评估值输入智能台灯辅助调节网络模块，得到台灯的最优角度值和最优亮度值。

7.根据权利要求6所述的一种基于视觉感知的智能台灯辅助调节***，其特征在于，所述用户坐姿评估值包括：

获取头部区域的重心点和躯干重心点的连线，获取该连线与图像竖直方向的夹角，计算夹角与夹角阈值的差异，根据第一权重对该差异进行修正得到第一修正值；计算人体躯干的弯曲程度与弯曲程度阈值的差异，根据第二权重对该差异进行修正得到第二修正值；

根据第一修正值与第二修正值获得用户坐姿评估值。

8.根据权利要求6所述的一种基于视觉感知的智能台灯辅助调节***，其特征在于，所述智能台灯辅助调节网络的损失包括：

获取智能台灯辅助调节网络的角度输出值，计算该角度输出值与角度真值标签的差异，得到第一损失；

获取智能台灯辅助调节网络的亮度输出值，计算该亮度输出值与亮度真值标签的差异，得到第二损失；

根据第一损失与第二损失得到智能台灯辅助调节网络的损失。

Images