[发明专利]基于深度学习的灯具识别的室内定位方法、装置及系统

权利要求书

1.一种基于深度学习的灯具识别的室内定位方法，其特征在于，应用于客户端，所述方法包括：

获取待识别的包含可见光特征信息的第一图像，所述第一图像包括：第一基准图像和第一非基准图像；所述第一基准图像为使用基准成像设备所拍摄得到的图像，所述第一非基准图像为使用非基准成像设备所拍摄得到的图像；

对所述第一图像依次进行光晕及亮度补偿预处理，得到第二图像；

将所述第二图像发送至服务器，以使所述服务器返回针对所述第二图像的位置信息；

接收所述服务器返回的所述位置信息，并根据所述位置信息进行定位；

其中，所述对所述第一图像依次进行光晕及亮度补偿预处理，得到第二图像的步骤，包括：

基于预设的第二基准图像，对所述第一图像进行光晕补偿，得到第三基准图像和第二非基准图像；

将所述第二非基准图像的亮度均值，与所述第三基准图像的亮度均值的比值，确定为伽马补偿的伽马参数值；

利用第一预设表达式，对所述第二非基准图像进行伽马补偿，得到第三非基准图像；

分别计算所述第三非基准图像对应的RGB三通道的每一通道的亮度均值，以及所述第三基准图像对应的RGB三通道的每一通道的亮度均值；

针对RGB三通道的每一通道，计算该通道下所述第三非基准图像的亮度均值与所述第三基准图像的亮度均值的比值，将所得比值作为第一比值；

针对所述第三非基准图像，将该图像在RGB三个通道下各通道的亮度值分别与所述第一比值相乘，得到处理后的第三非基准图像；

判断所述处理后的第三非基准图像的最大亮度值是否在预设数组中；

如果所述处理后的第三非基准图像的最大亮度值在预设数组中，则将所述处理后的第三非基准图像确定为第二图像；

如果所述处理后的第三非基准图像的最大亮度值不在预设数组中，则利用第二预设表达式，对所述处理后的第三非基准图像进行亮度归一化处理，得到第二图像。

2.根据权利要求1所述的方法，其特征在于，所述第一预设表达式为：

式中，G_out表示伽马补偿后所述第三非基准图像的像素值，G_in表示伽马补偿前所述第二非基准图像的像素值，c表示预设的常数值，γ表示伽马补偿的伽马参数值；

所述第二预设表达式为：

式中，V_out为亮度归一化处理后第二图像的颜色矩阵，B_in为处理后的第三非基准图像的颜色矩阵，minB_in为处理后的第三非基准图像颜色矩阵中的最小值，maxB_in为处理后的第三非基准图像颜色矩阵中的最大值，maxA_in为第三基准图像颜色矩阵中的最大值，minA_in为第三基准图像颜色矩阵中的最小值，所述颜色矩阵中包含的元素为：RGB三个通道下各通道的亮度值。