[发明专利]一种户外媒体灯光自动识别系统

说明书

本发明涉及一种户外媒体灯光自动识别系统，包括射灯检测模块、射灯光照识别模块、射灯故障判断模块，射灯检测模块基于CNN卷积神经网络的GoogleTensorFlow深度学习系统，通过深度学习获取射灯物体模型，自动检测图片中射灯数量和射灯位置；射灯光照识别模块通过色域值分布模型可识别到独立的射灯是否亮灯，进而实现检测图片的光亮色度识别射灯是否开启；射灯故障判断模块通过系统摄像头定时拍图用射灯光照识别模块检测相关位置的射灯是否亮灯，如果判断有不亮灯的故障，向后台输出故障警告，及时反馈给维护人员。本系统能自动智能识别射灯是否正常亮灯，当射灯不亮时，能自动生成报告消息通知用户，大大降低了户外广告媒体灯光日常维护人工成本。

技术领域

本发明涉及户外广告媒体的维护系统领域，特别是一种对户外广告媒体的灯光监测报告系统。

背景技术

户外广告媒体一般都安装射灯作为亮灯，灯光媒介通常一个媒体由多组射灯组成灯光环境，通过灯光环境提升户外广告媒体在夜晚的展示效果。传统户外广告媒体灯光发生故障，如电路故障或者灯泡烧毁，只能等待固定周期的人工巡检时依赖人眼判断故障后，再安排维修人员维修，在媒体展示体验反馈上有较大缺失。

发明内容

本发明的目的在于解决上述问题和不足，提供一种户外媒体灯光自动识别系统，该系统运行后，能自动智能识别射灯是否正常亮灯，当射灯不亮时，能自动生成报告消息通知用户，帮助用户及时、零劳动强度地获知广告媒体灯光状态，大大降低了户外广告媒体灯光日常维护人工成本，提高了广告运营商的市场竞争力。

本发明的技术方案是这样实现的：一种户外媒体灯光自动识别系统，其特点在于：包括射灯检测模块、射灯光照识别模块、射灯故障判断模块，其中，所述射灯检测模块，基于CNN卷积神经网络的GoogleTensorFlow深度学习系统，在白天非亮灯时间段，通过摄像头定时拍图作为户外媒体射灯照片，训练深度学习系统学习识别射灯物体，深度学习系统通过深度学习获取射灯物体模型，自动检测图片中射灯数量和射灯位置；所述射灯光照识别模块，在夜晚亮灯时间段，利用摄像头拍图若干张亮灯图片，通过若干张亮灯图片分析建立户外媒体用射灯的色域值模型分布，生成色域值分布模型；通过色域值分布模型可识别到独立的射灯是否亮灯，进而实现检测图片的光亮色度识别射灯是否开启；所述射灯故障判断模块，系统分析户外媒体的白天图片通过射灯检测模块判断媒体部署的射灯数量和射灯位置，通过系统摄像头定时拍图用射灯光照识别模块检测相关位置的射灯是否亮灯，如果判断有不亮灯的故障，向后台输出故障警告，及时反馈给维护人员。

本发明的有益效果：本系统运行后，能自动智能识别射灯是否正常亮灯，当射灯不亮时，能自动生成报告消息通知用户，帮助用户及时、零劳动强度地获知广告媒体灯光状态，大大降低了户外广告媒体灯光日常维护人工成本，提高了广告运营商的市场竞争力。

附图说明

图1为本发明的原理方框示意图。

具体实施方式

如图1所示，本发明所述的一种户外媒体灯光自动识别系统，包括射灯检测模块1、射灯光照识别模块2、射灯故障判断模块3，其中，所述射灯检测模块1：基于CNN卷积神经网络的GoogleTensorFlow深度学习系统，在白天非亮灯时间段，通过摄像头定时拍图作为户外媒体射灯照片，训练深度学习系统学习识别射灯物体，深度学习系统通过深度学习获取射灯物体模型，自动检测图片中射灯数量和射灯位置。

所述射灯光照识别模块2：在夜晚亮灯时间段，利用摄像头拍图若干张亮灯图片，通过若干张亮灯图片分析建立户外媒体用射灯的色域值模型分布，生成色域值分布模型；通过色域值分布模型可识别到独立的射灯是否亮灯，进而实现检测图片的光亮色度识别射灯是否开启。