买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中节能绿建环保科技有限公司

摘要：公开了一种智能楼宇监控系统及其监控方法，其考虑到楼宇室内的亮度和室外的亮度具有着关联性关系，并且楼宇的各个地方亮度不均会对楼宇整体的照明效果判断产生影响。因此，在本申请的技术方案中，基于室内和室外亮度信息在时间上的相对变化特征以及楼宇的图像特征来进行楼宇整体的照明效果检测，以此来进行照明效果是否需要调整的判断。

主权项：1.一种智能楼宇监控系统，其特征在于，包括：楼宇监控单元，用于获取亮度计采集的预定时间段内多个预定时间点的室外亮度值和室内亮度值以及由摄像头采集的当前时间点的楼宇照明图像；亮度结构化单元，用于将所述多个预定时间点的室外亮度值和室内亮度值分别按照时间维度排列为室外亮度输入向量和室内亮度输入向量；相对亮度转移单元，用于计算所述室内亮度输入向量相对于所述室外亮度输入向量的转移亮度矩阵；相对亮度特征提取单元，用于将所述转移亮度矩阵通过作为过滤器的第一卷积神经网络模型以得到相对亮度特征向量；照明图像特征提取单元，用于将所述楼宇照明图像通过包含深浅特征融合模块的第二卷积神经网络模型以得到楼宇照明特征矩阵；照明相对亮度转移单元，用于计算所述相对亮度特征向量相对于所述楼宇照明特征矩阵的转移向量作为分类特征向量；以及监控结果生成单元，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的楼宇整体照明效果是否需调整；其中，所述相对亮度转移单元，进一步用于：以如下公式计算所述室内亮度输入向量相对于所述室外亮度输入向量的转移亮度矩阵；其中，所述公式为： ，其中，表示所述室内亮度输入向量，表示所述室外亮度输入向量，表示所述转移亮度矩阵，表示矩阵相乘；其中，所述相对亮度特征提取单元，包括：所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述相对亮度特征向量，所述第一卷积神经网络模型的第一层的输入为所述转移亮度矩阵；其中，所述照明图像特征提取单元，包括：浅层特征提取子单元，用于从所述第二卷积神经网络模型的第M层提取浅层特征图，其中，M大于等于1且小于等于6；深层特征提取子单元，用于从所述第二卷积神经网络模型的第N层提取深层特征图，其中，NM大于等于5且小于等于10；融合子单元，用于使用所述第二卷积神经网络模型的深浅特征融合模块融合所述浅层特征图和所述深层特征图以得到融合特征图；以及池化子单元，用于对所述融合特征图进行沿通道维度的全局池化以得到所述楼宇照明特征矩阵。

全文数据：

权利要求：

百度查询： 中节能绿建环保科技有限公司 智能楼宇监控系统及其监控方法