1.一种基于贝叶斯网络的智能灯自适应场景识别系统,其特征在于:包括灯光传感器、距离传感器、红外传感器、树莓派、数据收集及管理模块、智能灯自适应场景识别模块和智能灯动态调节模块;
所述灯光传感器、距离传感器和红外传感器安装于智能灯上,其输出端连接树莓派,所述树莓派与智能灯通过tcp进行连接;
所述数据收集及管理模块收集当前环境和用户行为信息,包括灯光传感器、距离传感器和红外传感器采集当前环境自然光的光照信息、智能灯本身光照信息、用户与智能灯之间的距离、智能灯所在房间内是否有人对智能灯做出控制信息,将采集到的信息存储到树莓派的数据库中,并传送到智能灯自适应场景识别模块;
所述智能灯自适应场景识别模块包括环境数据处理模块、模型训练模块和场景分类模块;所述环境数据处理模块处理数据收集模块所收集到的信息,并将处理后的数据提供给模型训练模块;所述模型训练模块进行贝叶斯网络训练;所述场景分类模块使用训练好的贝叶斯网络对当前环境信息和用户行为进行场景分类;
所述智能灯动态调节模块包括模型决策模块、网络动态更新模块和智能灯控制模块;所述模型决策模块将贝叶斯网络和模糊集进行结合共同决策,所述网络动态更新模块在出现场景输出失败或者用户调整的情况下,获取当前的环境信息和用户控制信息,对贝叶斯网络进行负反馈更新;所述智能灯控制模块根据贝叶斯网络输出的场景,对智能灯进行亮度和色温控制。
2.一种基于贝叶斯网络的智能灯自适应场景识别方法,通过权利要求1所述一种贝叶斯网络的智能灯自适应场景识别系统实现,其特征在于:包括以下步骤:
步骤1:使用灯光、距离和红外传感器对智能灯所在房间内的环境数据进行采集,并将采集到的数据和用户控制智能灯的数据存储到树莓派的数据库中;
步骤2:对步骤1中存储到数据库中的环境数据和用户控制信息进行转义解析,提取出每个出传感器所采集到的数值和对应时间点用户的控制信息;
步骤3:根据步骤2所提取的数据,使用基于搜索的网络结构化学习算法进行构建贝叶斯网络,部署到树莓派上并进行训练网络;
步骤4:根据步骤3所得的贝叶斯网络结合模糊集和模糊规则对智能灯的环境进行判断,模型联合决策输出场景;
步骤5:根据步骤4输出的场景信息对智能灯进行控制,实现智能灯场景的自适应。
3.根据权利要求2所述的基于贝叶斯网络的智能灯自适应场景识别方法,其特征在于,所述步骤3包括如下步骤:
步骤3.1:对步骤2中的数据进行状态划分,通过评价因素来确定每个传感器数据类型所占的权值;
步骤3.2:根据步骤3.1所获得的权重确定关联关系,获得数据状态之间的相关关系,使用基于搜索的网络结构化学习-k2算法来构建贝叶斯网络;
步骤3.3:对步骤3.2中的贝叶斯网络进行训练。
4.根据权利要求2所述的基于贝叶斯网络的智能灯自适应场景识别方法,其特征在于,所述步骤4包括如下步骤:
步骤4.1:将环境数据输入步骤3所获得的贝叶斯网络,若输出场景成功则跳转至步骤5,若失败则跳转至步骤4.2;
步骤4.2:场景输出失败,使用模糊规则库对贝叶斯网络进行动态调整,重新输出判别场景。