一种照明灯具亮度调节方法、装置、电子设备及存储介质与流程

阅读：评论：0

1.本发明属于照明控制技术领域，具体涉及一种照明灯具亮度调节方法、装置、电子设备及存储介质。

背景技术：

2.随着智能家居技术的发展成熟，智能控制的照明灯具也越来越被广泛应用于人们的日常生活中，照明灯具可通过智能终端进行开关控制及亮度调节，实现照明灯具的智能化控制，给用户带来良好的照明体验。
3.然而，由于不同照明灯具的照明功率不同，照明灯具所在室内的室内环境也不同，这些均会对灯具的照明效果产生一影响，使得室内光照强度往往不符合健康用眼习惯的亮度，而室内光照强度过高或过低均会对用户的眼睛造成一定的伤害，因此有必要提供一种有效的方案以便将室内光照强度调节在符合健康用眼习惯所对应的亮度。

技术实现要素：

4.本发明的目的是提供一种照明灯具亮度调节方法、装置、电子设备及存储介质，用以解决现有技术中存在的上述问题。
5.为了实现上述目的，本发明采用以下技术方案：第一方面，本发明提供了一种照明灯具亮度调节方法，用于室内目标照明灯具的亮度调节，包括：获取目标照明灯具的设备信息和室内全景图像，所述设备信息包括照明功率；确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到所述目标照明灯具所对应的目标占空比；基于所述目标占空比调节所述目标照明灯具的亮度；其中，所述亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。
6.在一个可能的设计中，所述确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值，包括：将所述室内全景图像划分为多个子图像；计算所述多个子图像中各子图像在r颜通道的平均亮度值、g颜通道的平均亮度值和b颜通道的平均亮度值；所述将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b
颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型，得到所述目标照明灯具所对应的目标占空比，包括：将所述照明功率、所述多个子图像中各子图像在r颜通道的平均亮度值、所述多个子图像中各子图像在g颜通道的平均亮度值、所述多个子图像中各子图像在b颜通道的平均亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型，得到所述目标照明灯具所对应的目标占空比。
7.在一个可能的设计中，所述方法还包括：获取亮度检测设备所检测到的室内亮度；所述基于所述目标占空比调节所述目标照明灯具的亮度，包括：当室内亮度低于预设亮度阈值时，启动所述目标照明灯具并基于所述目标占空比调节所述目标照明灯具的亮度。
8.在一个可能的设计中，所述方法还包括：获取摄像机通过在水平方向上旋转镜头的方式采集的多个室内局部图像，其中相邻角度所对应的两个室内局部图像之间存在重叠区域；对获取到的多个所述室内局部图像进行图像拼接，得到所述室内全景图像。
9.在一个可能的设计中，所述对获取到的多个所述室内局部图像进行图像拼接，得到所述室内全景图像，包括：将多个所述室内局部图像转换为灰度图像后进行二值化处理，得到与多个所述室内局部图像一一对应的多个二值化图像；将所述多个二值化图像中的各二值化图像划分为大小相同的多个网格区域；针对所述多个二值化图像中的任一二值化图像，按照如下方式进行处理：计算所述任一二值化图像中后n-i列网格与所述任一二值化图像相邻的后一二值化图像的前n-i列网格中，所有排列位次相同的网格的平均灰度差值，其中n为所述多个网格区域的网格总列数，i的初始值为1；对i进行自加1操作，重新计算所述任一二值化图像中后n-i列网格与所述任一二值化图像相邻的后一二值化图像的前n-i列网格中，所有排列位次相同的网格的平均灰度差值，直到i=n-a，其中a为大于等于1的整数；确定出平均灰度差值最小时i的取值i；将所述任一二值化图像的前i列网格所对应的室内局部图像中的区域，与所述任一二值化图像相邻的后一二值化图像所对应的室内局部图像进行拼接；其中，与所述任一二值化图像相邻的后一二值化图像是指，与所述任一二值化图像所对应室内局部图像相邻的后一室内局部图像的二值化图像。
10.在一个可能的设计中，当所述室内全景图像为非rgb格式的图像时，所述方法还包括：将所述室内全景图像转换为rgb格式的图像。在一个可能的设计中，所述亮度调节模型为卷积神经网络模型或递归神经网络模型。
11.第二方面，本发明提供了一种照明灯具亮度调节装置，用于室内目标照明灯具的亮度调节，照明灯具亮度调节装置包括：
获取单元，用于获取目标照明灯具的设备信息和室内全景图像，所述设备信息包括照明功率；确定单元，用于确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；运算单元，用于将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到所述目标照明灯具所对应的目标占空比；调节单元，用于基于所述目标占空比调节所述目标照明灯具的亮度；其中，所述亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。
12.第三方面，本发明提供了一种电子设备，包括包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如上述第一方面所述的照明灯具亮度调节方法。
13.第四方面，本发明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上存储有指令，当所述指令在计算机上运行时，执行第一方面所述的照明灯具亮度调节方法。
14.第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面所述的照明灯具亮度调节方法。
15.有益效果：本发明提供的照明灯具亮度调节方案，通过获取目标照明灯具的设备信息和室内全景图像，设备信息包括照明功率；确定出室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；然后将照明功率、r颜通道的亮度值、g颜通道的亮度值、b颜通道的亮度值和室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到目标照明灯具所对应的目标占空比；最后基于目标占空比调节目标照明灯具的亮度；其中，亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。如此，在对室内照明灯具的亮度进行调节时，能够综合考虑到照明灯具的照明功率、室内背景颜以及室内面积等会对室内亮度产生影响的因素，从而使得室内亮度能够达到符合健康用眼习惯的亮度，能够有效避免室内光照强度过高或过低而对用户眼睛造成伤害的问题，便于实际推广和应用。
附图说明
16.图1为本技术实施例提供的照明灯具亮度调节方法、装置、电子设备及存储介质的应用环境示意图；图2为本技术实施例提供的照明灯具亮度调节方法的流程图；图3为本技术实施例提供的照明灯具亮度调节装置的框图示意图；图4为本技术实施例提供的电子设备的框图示意图。
具体实施方式
17.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，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述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他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
18.为了对室内照明灯具的亮度进行调节，本技术实施例提供了一种照明灯具亮度调节方法、装置、电子设备及存储介质，该照明灯具亮度调节方法、装置、电子设备及存储介质可对室内照明灯具的亮度进行调节，确保室内亮度能够达到符合人健康用眼习惯的亮度。
19.首先，为了更直观地理解本技术实施例提供的方案，下面结合图1，对本技术实施例提供的照明灯具亮度调节方案的系统架构进行说明。
20.如图1所示，是本技术一个或多个实施例提供的照明灯具亮度调节方法、装置、电子设备及存储介质的应用环境示意图。如图1所述，电子设备分别与摄像机、亮度检测设备以及一个或多个照明灯具通信连接，所述电子设备可以但不限于是服务器、个人计算机、智能手机、平板电脑或个人数字助理等。
21.下面将对本技术实施例提供的照明灯具亮度调节方法进行详细说明。
22.本技术实施例提供的照明灯具亮度调节方法可应用于所述电子设备，为了便于描述，除特别说明外，本技术实施例均以电子设备为执行主体进行说明。
23.可以理解，所述执行主体并不构成对本技术实施例的限定。
24.如图2所示，本技术实施例第一方面提供的照明灯具亮度调节方法可以包括如下步骤s21-s24。
25.步骤s21,获取目标照明灯具的设备信息和室内全景图像。
26.其中，所述目标照明灯具为与所述电子设备通信连接的其中任意一个照明灯具，目标照明灯具安装于室内，目标照明灯具的设备信息包括照明功率，还可以包括设备厂商、型号等其他参数。目标照明灯具的设备信息可以是在安装目标照明灯具时预先录入的。
27.摄像机可用于获取室内图像，具体的，可通过在水平方向上旋转镜头的方式采集的多个室内局部图像，其中相邻的两个室内局部图像之间存在重叠区域。例如，摄像机镜头可以从正北方向开始在水平方向上每间隔60
°
拍摄一张室内局部图像，从而可得到6张室内局部图像。需要说明的是，摄像机在在水平方向上旋转镜头时，镜头在竖直方向上保持不变，以方便后续对室内局部图像进行拼接。
28.电子设备可获取摄像机通过在水平方向上旋转镜头的方式采集的多个室内局部图像，并对获取到的多个室内局部图像进行图像拼接，得到室内全景图像。
29.对获取到的多个室内局部图像进行图像拼接，得到室内全景图像，可以但不限于包括如下步骤s211-s213。
30.步骤s211.将多个室内局部图像转换为灰度图像后进行二值化处理，得到与多个所述室内局部图像一一对应的多个二值化图像。
31.步骤s212.将多个二值化图像中的各二值化图像划分为大小相同的多个网格区域。
32.在对二值化图像进行划分时，可以将二值化图像划分为一行多列的多个网格区
域，或者多行多列的网格区域，每个网格区域的大小相同。一般情况，将二值化图像划分为一行多列的多个网格区域即可，例如可以将二值化图像划分为1
×
200的网格区域。
33.步骤s213.针对多个二值化图像中的任一二值化图像，按照如下方式进行处理：步骤s213a.计算任一二值化图像中后n-i列网格与任一二值化图像相邻的后一二值化图像的前n-i列网格中，所有排列位次相同的网格的平均灰度差值。
34.其中，n为所述多个网格区域的网格总列数，i为正整数且初始值为1。与任一二值化图像相邻的后一二值化图像是指，与任一二值化图像所对应室内局部图像相邻的后一室内局部图像的二值化图像。
35.举例对于二值化图像a和二值化图像b，其中二值化图像a对应室内局部图像a1，二值化图像b对应室内局部图像b1，而摄像机按照拍摄角度从小到大依次拍摄的多个角度的室内局部图像时，室内局部图像b1刚好是拍摄室内局部图像a1后在下一个角度拍摄的图像，则室内局部图像b1为与室内局部图像a1相邻的后一室内局部图像，二值化图像b为与二值化图像a相邻的后一二值化图像。
36.需要说明的是，摄像机按照拍摄角度从小到大依次拍摄的多个角度的室内局部图像时，与最后一个角度的室内局部图像相邻的后一室内局部图像，为第一个角度拍摄的室内局部图像。举例摄像机按照拍摄角度从小到大依次拍摄有室内局部图像a1、室内局部图像b1、室内局部图像c1、室内局部图像d1、室内局部图像e1和室内局部图像f1，则室内局部图像a1可以被认为是与室内局部图像f1相邻的后一室内局部图像。
37.任一二值化图像中后n-i列网格与相邻的后一二值化图像的前n-i列网格中，排列位次相同的网格，是指任一二值化图像中后n-i列网格中排列位次与相邻的后一二值化图像的前n-i列网格中排列位次相同的网格。仍基于上述的例子，二值化图像b为与二值化图像a相邻的后一二值化图像，n的取值为100，i的取值为1，则此时二值化图像a中后n-i列网格为二值化图像a中的第2-100个网格（后99个网格），二值化图像b中前n-i列网格为二值化图像b中第1-99个网格（前99个网格），此时二值化图像a的后n-i列网格中位次为1的网格即为二值化图像a中的第2个网格，二值化图像b的前n-i列网格中位次为1的网格即为二值化图像b中的第1个网格。同理，二值化图像a的后n-i列网格中位次为2的网格即为二值化图像a中的第3个网格，二值化图像b的前n-i列网格中位次为2的网格即为二值化图像b中的第2个网格，以此类推。然后计算二值化图像a中后n-i列网格与二值化图像b的前n-i列网格中，所有排列位次相同的网格的平均灰度差值。
38.步骤s213b.对i进行自加1操作，重新计算任一二值化图像中后n-i列网格与任一二值化图像相邻的后一二值化图像的前n-i列网格中，所有排列位次相同的网格的平均灰度差值，直到i=n-a，其中a为大于等于1的整数，且a远小于n。
39.步骤s213c.确定出平均灰度差值最小时i的取值i。
40.步骤s213d.将任一二值化图像的前i列网格所对应的室内局部图像中的区域，与任一二值化图像相邻的后一二值化图像所对应的室内局部图像进行拼接。
41.仍基于上述的例子，对于二值化图像b与二值化图像a，确定出平均灰度差值最小时i的取值为30，则可将二值化图像a的前30列网格所对应的室内局部图像中的区域，与二值化图像b所对应的室内局部图像进行拼接。依次类推，可将所有相邻的室内局部图像进行拼接得到室内全景图像。
42.由此通过上述的图像拼接方式，只需要对图像进行二值化处理、网格分割和平均灰度差值计算，即可十分方便的完成对室内局部图像的拼接，从而能够降低图像拼接过程中的运算量，以便十分简单高效的完成图像拼接，特别适用于一些对拼接精度要求不高的图像进行拼接。
43.步骤s22.确定出室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值。
44.可以理解的，如果室内全景图像为非rgb格式的图像，则在确定室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值之前，还需要将室内全景图像转换为rgb格式的图像。
45.图像格式的转换可以采用现有的转换方式，本技术实施例中不做详细说明。
46.由于室内不同区域的背景颜可能不同，如窗户区域与墙面颜明显不同，墙角或立柱区域由于阴影效果也会与墙面存在一定差异，或者室内墙面绘制壁画或悬挂装饰物的区域可能与其他区域的颜有较大差异等，而不同颜对灯光的反射效果存在差异。基于此，本技术实施例还可将室内图像分为多个区域，分别计算不同区域图像在r颜通道、g颜通道和b颜通道的亮度值，其可以但不限于包括如下步骤s221-s222。
47.步骤s221.将室内全景图像划分为多个子图像。
48.步骤s222.计算多个子图像中各子图像在r颜通道的平均亮度值、g颜通道的平均亮度值和b颜通道的平均亮度值。
49.步骤s23.将照明功率、r颜通道的亮度值、g颜通道的亮度值、b颜通道的亮度值和室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到目标照明灯具所对应的目标占空比。
50.本技术实施例中，预先训练有用于预测照明灯具点亮时，使室内亮度能够达到符合人健康用眼习惯的亮度时照明灯具所对应的占空比。
51.亮度调节模型在进行训练时，可以以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像（的各个子图像）在r颜通道的亮度值、室内背景图像（的各个子图像）在g颜通道的亮度值和室内背景图像（的各个子图像）在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。
52.在通过亮度调节模型计算目标照明灯具所对应的目标占空比时，可将照明功率、多个子图像中各子图像在r颜通道的平均亮度值、多个子图像中各子图像在g颜通道的平均亮度值、多个子图像中各子图像在b颜通道的平均亮度值和室内的室内面积输入基于神经网络且预先训练好的亮度调节模型，得到目标照明灯具所对应的目标占空比。
53.其中，室内面积可以是预先录入的，也可以是将用于获取室内局部图像的摄像机设置为深度相机，并根据摄像机获取到的图像中携带的距离信息计算出来的。
54.本技术实施例中，亮度调节模型可以是但不限于卷积神经网络模型(convolutionalneural networks，cnn)或递归神经网络模型(recursive neural network，rnn)等。
55.步骤s24.基于目标占空比调节目标照明灯具的亮度。
56.在一个或多个实施例中，室内还设置有亮度检测设备，亮度检测设备用于检测室
内亮度，在调节目标照明灯具的亮度时，可先获取亮度检测设备所检测到的室内亮度，并当室内亮度低于预设亮度阈值时，启动目标照明灯具并基于目标占空比调节目标照明灯具的亮度。如此，可避免在光照条件良好的白天启动照明灯具而造成不必要的电量浪费。
57.综上所述，本技术实施例提供的照明灯具亮度调节方法，通过获取目标照明灯具的设备信息和室内全景图像，设备信息包括照明功率；确定出室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；然后将照明功率、r颜通道的亮度值、g颜通道的亮度值、b颜通道的亮度值和室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到目标照明灯具所对应的目标占空比；最后基于目标占空比调节目标照明灯具的亮度；其中，亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。如此，在对室内照明灯具的亮度进行调节时，能够综合考虑到照明灯具的照明功率、室内背景颜以及室内面积等会对室内亮度产生影响的因素，从而使得室内亮度能够达到符合人健康用眼习惯的亮度，能够有效避免室内光照强度过高或过低而对用户眼睛造成伤害的问题，便于实际推广和应用。同时，在进行图像拼接时，只需要对图像进行二值化处理、网格分割和平均灰度差值计算，即可十分方便的完成对室内局部图像的拼接，从而能够降低图像拼接过程中的运算量，以便十分简单高效的完成图像拼接，特别适用于一些对拼接精度要求不高的图像进行拼接。
58.请参阅图3，本技术实施例第二方面提供了一种照明灯具亮度调节装置，用于室内目标照明灯具的亮度调节，该照明灯具亮度调节装置包括：获取单元，用于获取目标照明灯具的设备信息和室内全景图像，所述设备信息包括照明功率；确定单元，用于确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；运算单元，用于将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到所述目标照明灯具所对应的目标占空比；调节单元，用于基于所述目标占空比调节所述目标照明灯具的亮度；其中，所述亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。
59.本实施例第二方面提供的装置的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
60.如图4所示，本技术实施例第三方面提供了一种电子设备，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面所述的照明灯具亮度调节方法。
61.具体举例的，所述存储器可以但不限于包括随机存取存储器（ram）、只读存储器（rom）、闪存（flash memory）、先进先出存储器（fifo）和/或先进后出存储器（filo）等等；所述处理器可以不限于采用型号为stm32f105系列的微处理器、arm（advanced risc machines）、x86等架构处理器或集成npu（neural-network processing units）的处理器；所述收发器可以但不限于为wifi（无线保真）无线收发器、蓝牙无线收发器、通用分组无线服务技术（generalpacket radio service，gprs）无线收发器、紫蜂协议（基于ieee802.15.4标准的低功耗局域网协议，zigbee）无线收发器、3g收发器、4g收发器和/或5g收发器等。
62.本实施例第四方面提供了一种存储包含有实施例第一方面所述的照明灯具亮度调节方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的照明灯具亮度调节方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
63.本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面所述的照明灯具亮度调节方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
64.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。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。

技术特征：

1.一种照明灯具亮度调节方法，用于室内目标照明灯具的亮度调节，其特征在于，包括：获取目标照明灯具的设备信息和室内全景图像，所述设备信息包括照明功率；确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到所述目标照明灯具所对应的目标占空比；基于所述目标占空比调节所述目标照明灯具的亮度；其中，所述亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。2.根据权利要求1所述的照明灯具亮度调节方法，其特征在于，所述确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值，包括：将所述室内全景图像划分为多个子图像；计算所述多个子图像中各子图像在r颜通道的平均亮度值、g颜通道的平均亮度值和b颜通道的平均亮度值；所述将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型，得到所述目标照明灯具所对应的目标占空比，包括：将所述照明功率、所述多个子图像中各子图像在r颜通道的平均亮度值、所述多个子图像中各子图像在g颜通道的平均亮度值、所述多个子图像中各子图像在b颜通道的平均亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型，得到所述目标照明灯具所对应的目标占空比。3.根据权利要求1所述的照明灯具亮度调节方法，其特征在于，所述方法还包括：获取亮度检测设备所检测到的室内亮度；所述基于所述目标占空比调节所述目标照明灯具的亮度，包括：当室内亮度低于预设亮度阈值时，启动所述目标照明灯具并基于所述目标占空比调节所述目标照明灯具的亮度。4.根据权利要求1所述的照明灯具亮度调节方法，其特征在于，所述方法还包括：获取摄像机通过在水平方向上旋转镜头的方式采集的多个室内局部图像，其中相邻角度所对应的两个室内局部图像之间存在重叠区域；对获取到的多个所述室内局部图像进行图像拼接，得到所述室内全景图像。5.根据权利要求4所述的照明灯具亮度调节方法，其特征在于，所述对获取到的多个所述室内局部图像进行图像拼接，得到所述室内全景图像，包括：将多个所述室内局部图像转换为灰度图像后进行二值化处理，得到与多个所述室内局部图像一一对应的多个二值化图像；
将所述多个二值化图像中的各二值化图像划分为大小相同的多个网格区域；针对所述多个二值化图像中的任一二值化图像，按照如下方式进行处理：计算所述任一二值化图像中后n-i列网格与所述任一二值化图像相邻的后一二值化图像的前n-i列网格中，所有排列位次相同的网格的平均灰度差值，其中n为所述多个网格区域的网格总列数，i的初始值为1；对i进行自加1操作，重新计算所述任一二值化图像中后n-i列网格与所述任一二值化图像相邻的后一二值化图像的前n-i列网格中，所有排列位次相同的网格的平均灰度差值，直到i=n-a，其中a为大于等于1的整数；确定出平均灰度差值最小时i的取值i；将所述任一二值化图像的前i列网格所对应的室内局部图像中的区域，与所述任一二值化图像相邻的后一二值化图像所对应的室内局部图像进行拼接；其中，与所述任一二值化图像相邻的后一二值化图像是指，与所述任一二值化图像所对应室内局部图像相邻的后一室内局部图像的二值化图像。6.根据权利要求1所述的照明灯具亮度调节方法，其特征在于，当所述室内全景图像为非rgb格式的图像时，所述方法还包括：将所述室内全景图像转换为rgb格式的图像。7.根据权利要求1所述的照明灯具亮度调节方法，其特征在于，所述亮度调节模型为卷积神经网络模型或递归神经网络模型。8.一种照明灯具亮度调节装置，用于室内目标照明灯具的亮度调节，其特征在于，包括：获取单元，用于获取目标照明灯具的设备信息和室内全景图像，所述设备信息包括照明功率；确定单元，用于确定出所述室内全景图像所对应背景在r颜通道的亮度值、g颜通道的亮度值和b颜通道的亮度值；运算单元，用于将所述照明功率、所述r颜通道的亮度值、所述g颜通道的亮度值、所述b颜通道的亮度值和所述室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到所述目标照明灯具所对应的目标占空比；调节单元，用于基于所述目标占空比调节所述目标照明灯具的亮度；其中，所述亮度调节模型是以照明灯具的照明功率、照明灯具所在室内的室内面积、室内背景图像在r颜通道的亮度值、室内背景图像在g颜通道的亮度值和室内背景图像在b颜通道的亮度值作为训练输入，室内光照强度在符合健康用眼习惯时所对应照明灯具的占空比作为输出进行训练的。9.一种电子设备，其特征在于，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的照明灯具亮度调节方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的照明灯具亮度调节方法。

技术总结

本发明公开了一种照明灯具亮度调节方法、装置、电子设备及存储介质，涉及照明控制技术领域。照明灯具亮度调节方法包括：获取目标照明灯具的设备信息和室内全景图像，设备信息包括照明功率；确定出室内全景图像所对应背景在R颜通道的亮度值、G颜通道的亮度值和B颜通道的亮度值；将照明功率、R颜通道的亮度值、G颜通道的亮度值、B颜通道的亮度值和室内的室内面积输入基于神经网络且预先训练好的亮度调节模型进行运算，得到目标照明灯具所对应的目标占空比；基于目标占空比调节目标照明灯具的亮度。本发明公开的方法、装置、电子设备及存储介质可对室内照明灯具的亮度进行调节，确保室内亮度能够达到符合人健康用眼习惯的亮度。惯的亮度。惯的亮度。