技术摘要：
本发明公开了一种基于神经网络算法的智能照明控制方法，具体包括以下步骤：S1、获取训练样本，S2、大范围的部署灯具进行采集，将颗粒度变细，获取频次、时间点、位置坐标、人员信息、车辆信息以及车位信息，综合训练样本的准确率，优化神经网络训练算法、隐含层数、隐  全部
背景技术：
智能照明控制系统是利用先进电磁调压及电子感应技术，对供电进行实时监控与 跟踪，自动平滑地调节电路的电压和电流幅度，改善照明电路中不平衡负荷所带来的额外 功耗，提高功率因素，降低灯具和线路的工作温度，达到优化供电目的的照明控制系统，智 能照明控制系统在确保灯具能够正常工作条件下，给灯具输出一个最佳照明功率，可减少 由于过压所造成的照明眩光，使灯光发出的光线更加柔和，照明分布更加均匀，又可大幅度 节省电能，智能照明控制系统节电率可达20%-40%，智能照明控制系统它可在照明及混合电 路中使用，适应性强，能在各种恶劣的电网环境和复杂的负载情况下连续稳定地工作，同时 还将有效地延长灯具寿命和减少维护成本，针对不同的工作场合，智能照明控制系统分为 单相和三相两种类型，系统最大的特点是场景控制，在同一室内可有多路照明回路，对每一 回路亮度调整后达到某种灯光气氛称为场景；可预先设置不同的场景，切换场景时的淡入 淡出时间，使灯光柔和变化，时钟控制，利用时钟控制器，使灯光呈现按每天的日出日落或 有时间规律的变化，利用各种传感器及遥控器达到对灯光的自动控制。 目前的智能照明控制方法，大多是直接通过箱控制系统内编辑固定控制程序进行 智能控制照明，然而，这样的控制方法只能实现固定式的控制照明，智能化程度较低，不能 给使用者带来很好的智能化照明控制体验，同时由于是固定式控制，不能实现更加精准的 降低能耗，无法达到通过在智能照明系统内创建神经网络算法，来使照明系统具有自我学 习控制的目的，不能实现通过大规模部署智能灯具进行图像采集和分析，使数据的颗粒度 变细，来进行精准识别分析，从而对照明系统的控制十分不利。
技术实现要素：
（一）解决的技术问题 针对现有技术的不足，本发明提供了一种基于神经网络算法的智能照明控制方法，可 以使照明系统在使用者高体验的基础上更加精准降低能耗。 （二）技术方案 为实现以上目的，本发明通过以下技术方案予以实现：一种基于神经网络算法的智能 照明控制方法，具体包括以下步骤： S1、获取训练样本，智能照明灯具采集到空间场景内的使用者进出时间点及滞留时间 和位置信息，同时对标定人员或车辆精准采集，提取特征参量，设定神经网络初始参数； S2、大范围的部署灯具进行采集，将颗粒度变细，获取频次、时间点、位置坐标、人员信 息、车辆信息以及车位信息，综合训练样本的准确率，优化神经网络训练算法、隐含层数、隐 含层节点数和迭代次数； 3 CN 111586941 A 说　明　书 2/3 页 S3、建立行为习惯比对库和实时库，进行系统性空间场景自主信令调整灯光使用。 优选的，所述步骤S1中通过图像采集模块采集照明空间场景中的图像数据，再通 过系统后台处理器对采集的图像数据进行转化处理得到训练样本。 优选的，所述步骤S1中通过人员信息分析单元、进出频次分析模块和进出时间分 析模块对获取训练特征中的人员信息、人员位置、人员进出频次、人员进出时间点以及人员 停留时间进行分析。 优选的，所述步骤S1中通过车辆信息分析单元、进出频次分析模块和进出时间分 析模块对获取训练特征中的车辆信息、车位信息、车辆进出频次、车辆进出时间点以及车辆 停留时间进行分析。 优选的，所述步骤S2中通过大规模部署步骤S1的智能灯具进行图像采集和分析， 能够将数据的颗粒度变细，进行精准识别分析。 优选的，所述步骤S2中通过神经网络训练单元中的隐含层数训练模块、隐含层节 点数训练模块和迭代次数训练模块分别对特征数据进行隐含层数、隐含层节点数和迭代次 数的神经网络算法优化。 优选的，所述步骤S3中通过将步骤S2中优化后的神经网络算法作用于系统采集的 特征数据，来分别创建行为习惯比对库和实施数据库，使智能照明灯具能够根据数据库中 的算法数据进行智能控制工作。 （三）有益效果 本发明提供了一种基于神经网络算法的智能照明控制方法。与现有技术相比具备以下 有益效果：该基于神经网络算法的智能照明控制方法，具体包括以下步骤：S1、获取训练样 本，智能照明灯具采集到空间场景内的使用者进出时间点及滞留时间和位置信息，同时对 标定人员或车辆精准采集，提取特征参量，设定神经网络初始参数，S2、大范围的部署灯具 进行采集，将颗粒度变细，获取频次、时间点、位置坐标、人员信息、车辆信息以及车位信息， 综合训练样本的准确率，优化神经网络训练算法、隐含层数、隐含层节点数和迭代次数，S3、 建立行为习惯比对库和实时库，进行系统性空间场景自主信令调整灯光使用，可实现通过 大规模部署智能灯具进行图像采集和分析，使数据的颗粒度变细，来进行精准识别分析，很 好的达到了通过在智能照明系统内创建神经网络算法，来使照明系统具有自我学习控制的 目的，大大提高了智能照明系统的智能化程度，给使用者带来了很好的智能化照明控制体 验，很好的实现了更加精准的降低能耗，从而对照明系统的控制十分有益。 附图说明 图1为本发明的工作流程图； 图2为本发明控制系统的结构原理框图。