具有自适应亮度和色彩的LED氛围灯控制方法和系统与流程

具有自适应亮度和色彩的led氛围灯控制方法和系统
技术领域
1.本发明涉及人工智能领域，特别涉及一种具有自适应亮度和色彩的led氛围灯控制方法和系统。


背景技术：

2.在视觉信号的早期加工中，色彩作为一种重要的视觉信号，情感和情绪都会产生影响。不同的颜色可以激发不同的情感和心理反应。例如，红色通常与激动、愤怒或热情相关，蓝色则与冷静、安静或沉思相关。目前，通过分析用户的情感来调节led氛围灯的色彩和亮度来提升用户的体验逐渐成为了研究的主要方向，然而对于用户的情感分析主要是通过用户的肢体或者声音来实现，而忽略了用户在一段时间内的情感变化，因此无法对用户的情感进行准确的分析，从而使用户得不到更好的体验。


技术实现要素：

3.本发明的主要目的为提供一种具有自适应亮度和色彩的led氛围灯控制方法和系统，旨在解决现有技术无法对用户的情感进行准确的分析，从而使用户得不到更好的体验的问题。
4.本发明提供了一种具有自适应亮度和色彩的led氛围灯控制方法，包括：通过预设的传感器持续采集n个人员的传感器数据；n为大于等于2的整数；从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据；按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第一数据；其中第一数据，x
tn
表示时间排序为t时的第n个人员的目标传感器数据；对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据；通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征；根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征；将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值；根据所述情感数值调整led氛围灯的亮度和色彩。
5.进一步地，所述通过预设的时间编码器对所述第二数据进行编码，得到第一特征的步骤，包括：通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵,,，其中，q，k，v分别表示不同的第一中间矩阵，r为实数，a表示对应第一中间矩阵的行数量，d表示对应第一中间矩阵的列数量；将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵；将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵；将所述目标矩阵输入预设的卷积层中进行特征提取，得到所述第一特征。
6.进一步地，所述根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征的步骤，包括：将所述第一特征和所述第二特征根据公式进行初步融合，得到初步特征；其中，f1表示初步特征，w表示预设的权重，f1表示第一特征，f2表示第二特征，b表示预设的偏置量，concat表示将向量在维度上进行连接的操作；根据softmax函数计算第一特征和第二特征的权重w1和w2；其中，w1表示第一特征的权重，w2表示第二特征的权重，且；根据公式计算得到所述目标特征，其中，f2表示目标特征。
7.进一步地，所述将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值的步骤之前，还包括：获取指定数量的样本数据以及各组样本数据对应的情感数值；将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；根据预设的比例将所述目标数据分为训练数据集和验证数据集；将所述训练数据集中的数据输入预设的神经网络模型中进行有监督的训练，从而得到暂时模型；利用所述验证数据集对所述暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；若验证结果为验证通过，则将所述暂时模型记为情感分析模型。
8.进一步地，所述根据所述情感数值调整led氛围灯的亮度和色彩的步骤，包括：基于所述情感数值获取到所需的灯光亮度和色彩；根据所述所需的灯光亮度和色彩设置所述led氛围灯的参数，从而使led氛围灯展现对应的亮度和色彩。
9.本发明还提供了一种具有自适应亮度和色彩的led氛围灯控制系统，包括：采集模块，用于通过预设的传感器持续采集n个人员的传感器数据；n为大于等于2的整数；提取模块，用于从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据；排列模块，用于按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第
一数据；其中第一数据，x
tn
表示时间排序为t时的第n个人员的目标传感器数据；变换模块，用于对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据；编码模块，用于通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征；融合模块，用于根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征；处理模块，用于将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值；调整模块，用于根据所述情感数值调整led氛围灯的亮度和色彩。
10.进一步地，所述编码模块，包括：变换子模块，用于通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵,,，其中，q，k，v分别表示不同的第一中间矩阵，r为实数，a表示对应第一中间矩阵的行数量，d表示对应第一中间矩阵的列数量；第一计算子模块，用于将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵；第二计算子模块，用于将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵；特征提取子模块，用于将所述目标矩阵输入预设的卷积层中进行特征提取，得到所述第一特征。
11.进一步地，所述融合模块，包括：初步融合子模块，用于将所述第一特征和所述第二特征根据公式进行初步融合，得到初步特征；其中，f1表示初步特征，w表示预设的权重，f1表示第一特征，f2表示第二特征，b表示预设的偏置量，concat表示将向量在维度上进行连接的操作；第三计算子模块，用于根据softmax函数计算第一特征和第二特征的权重w1和w2；其中，w1表示第一特征的权重，w2表示第二特征的权重，且；第四计算子模块，用于根据公式计算得到所述目标特征，其中，f2表示目标特征。
12.进一步地，所述具有自适应亮度和色彩的led氛围灯控制系统，还包括：
情感数值获取模块，用于获取指定数量的样本数据以及各组样本数据对应的情感数值；样本数据标记模块，用于将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；划分模块，用于根据预设的比例将所述目标数据分为训练数据集和验证数据集；训练数据输入模块，用于将所述训练数据集中的数据输入预设的神经网络模型中进行有监督的训练，从而得到暂时模型；验证模块，用于利用所述验证数据集对所述暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；标记模块，用于若验证结果为验证通过，则将所述暂时模型记为情感分析模型。
13.进一步地，所述调整模块，包括：参数获取子模块，用于基于所述情感数值获取到所需的灯光亮度和色彩；参数设置模块，用于根据所述所需的灯光亮度和色彩设置所述led氛围灯的参数，从而使led氛围灯展现对应的亮度和色彩。
14.本发明的有益效果：通过获取多个人员的传感器数据，并进行维度变换、编码、融合等处理，得到情感分值，再根据情感分值对led氛围灯的亮度和色彩进行设定。从而实现了根据一段时间内多个人员的传感器数据来分析多个人员的情感分值，使情感分值的计算结果更加贴近实际值，提高了用户的体验。
附图说明
15.图1 是本发明一实施例的一种具有自适应亮度和色彩的led氛围灯控制方法的流程示意图；图2 是本发明一实施例的一种具有自适应亮度和色彩的led氛围灯控制系统的结构示意框图；图3 为本技术一实施例的计算机设备的结构示意框图。
16.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后等）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。
19.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
20.另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为
指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
21.参照图1，本发明提出一种具有自适应亮度和色彩的led氛围灯控制方法，包括：s1：通过预设的传感器持续采集n个人员的传感器数据；n为大于等于2的整数；s2：从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据；s3：按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第一数据；其中第一数据，x
tn
表示时间排序为t时的第n个人员的目标传感器数据；s4：对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据；s5：通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征；s6：根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征；s7：将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值；s8：根据所述情感数值调整led氛围灯的亮度和色彩。
22.如上述步骤s1所述，预设的传感器可以是各种传感器设备，需要说明的是，可以将相关的传感器设备佩戴在人员的身体上，以获取对应的传感器数据，传感器也可以不佩戴在人员的身体上，当然传感器与人员可以是一对一的关系，也可以是一对多的关系，可以获取对应各个人员的传感器数据即可，传感器设备可以是生理传感器，生理传感器通常使用不同的技术和传感器元件来检测和测量上述生理指标。这些技术包括电学、光学、压力传感、温度传感等。常见的生理传感器设备包括心率监测仪、血压计、体温计、呼吸传感器等。用于采集个体的相关数据。持续采集的意味着传感器会在一段时间内（可能是持续的、间断的或根据预定的时间间隔）持续进行数据采集，这些传感器可以通过与身体的接触或无接触方式来测量生理指标。例如，心率监测仪可以通过脉搏的感知来测量心率，血压计可以通过手臂的压力来测量血压。这样可以收集到个体的长期数据，以便进行更全面的分析和研究。n个人员表示这个数据收集方法可以同时应用于多个人员。
23.如上述步骤s2所述，从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据。具体地可以先读取传感器数据：首先，将传感器数据加载至程序或系统
中。传感器数据可以以文件、数据库或实时流的形式提供。然后确定当前时间点，获取当前时间点的时间戳或系统时间，以便后续的计算。将当前时间点与每个传感器数据点的时间戳进行比较，并计算时间差（绝对值）。选择t个时间差最小的传感器数据点。从而可以获取到传感器的时序数据，以便更好地理解传感器数据的时间变化和趋势。
24.如上述步骤s3所述，按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第一数据。具体地，收集人员的目标传感器数据：获取每个人员的传感器数据，并确保每个数据点都包含时间戳信息。将所有人员的传感器数据合并成一个数据集，然后按照时间戳进行排序，从而得到对应的矩阵，即第一数据。
25.如上述步骤s4所述，对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据。用于维度变换的预设权重矩阵为根据第一数据的维度预先设置的，由于传感器可以预先确定，虽然第一数据的具体数值无法确定，但是其维度可以预先知晓。另外需要注意的是权重矩阵的大小应适配第一数据的维度，从而便于将第一数据与预设的权重矩阵相乘，可以使用矩阵乘法运算来实现。确保权重矩阵的列数与第一数据的维度相匹配，得到第二数据，即经过预设的权重矩阵进行维度变换后的第二数据。
26.如上述步骤s5所述，通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征。其中时间编码器旨在获取传感器数据的时间相关性特征，可以采用任意可行的编码器。并且为了考虑所有的时间步包含的信息对当前时间步的影响，更具体地，后续有详细的时间编码器的编码规则，此处不作赘述，详情请参照后文的内容，同理，人员编码器用于提取第二数据的横向数据的特征，即其他人员对当前人员的影响，以得到第二特征，通过两种不同的特征提取可以便于后续对于多个人员情感分数的判断，从而利于调整led灯的色彩和亮度。
27.如上述步骤s6所述，根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征。具体地，可以根据第一特征和第二特征的数据特征，选择合适的数据融合方法，数据融合可以采用加权求和、拼接、逐元素相乘等不同的方式进行，本技术对此不作限定。然后根据数据融合方法进行融合，从而得到目标特征，由于目标特征融合了时间和多个人员情感之间的关系，故而后续根据目标特征可以得出更加符合多个人员情感的情感分值。在一个具体的实施例中，后续提供了一种数据融合方法，详情请参见后文。
28.如上述步骤s7所述，将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值。情感分析模型可以是预训练的神经网络模型、机器学习模型或其他适合情感分析任务的模型。将目标特征输入至该模型中，可以得到对应的情感数值，需要说明的是，情感数值对应一种情感色彩，其与多个人员的情感相关，可以是紧张、愉快等情感。
29.如上述步骤s8所述，根据所述情感数值调整led氛围灯的亮度和色彩。具体地，将情感数值映射到亮度和色彩范围：根据情感数值的范围和设计需求，将情感数值映射到合适的亮度和色彩范围。例如，可以定义情感数值低于阈值时灯光亮度较低且颜色偏暖，而情感数值高于阈值时灯光亮度较高且颜色偏冷。根据映射后的情感数值，调整led灯的亮度。
可以使用调光功能控制led灯的亮度，具体实现方式取决于灯光控制系统。根据映射后的情感数值，调整led灯的色彩。可以使用色彩控制功能改变led灯的色温、色相或色饱和度，具体实现方式取决于灯光控制系统。在一个具体地实施例中，可以预先设定情感数值与led氛围灯的亮度和色彩之间的对应关系表，然后根据得到的情感数值进行设定即可。从而实现了根据一段时间内多个人员的传感器数据来分析多个人员的情感分值，使情感分值的计算结果更加贴近实际值，提高了用户的体验。
30.在一个实施例中，所述通过预设的时间编码器对所述第二数据进行编码，得到第一特征的步骤s5，包括：s501：通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵,,，其中，q，k，v分别表示不同的第一中间矩阵，r为实数，a表示对应第一中间矩阵的行数量，d表示对应第一中间矩阵的列数量；s502：将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵；s503：将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵；s504：将所述目标矩阵输入预设的卷积层中进行特征提取，得到所述第一特征。
31.如上述步骤s501所述，通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵，需要说明的是三个不同的线性矩阵的维度需要保持一致，即三个线性矩阵的维度是相同的，然后进行线性变换，从而可以得到三个第一中间矩阵，其中，a与前述的t表示同一个参数。
32.如上述步骤s502-s503所述，将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵。通过这种方式，可以运用矩阵操作来捕捉数据的相关性或者提取出有用的时间信息，然后将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵，通过归一化处理，可以在数据上进行了标准化，以确保数据在一定范围内，并消除不同维度之间的量纲差异。从而可以得到更准确的结果时间信息的结果。
33.在一个实施例中，通过预设的人员编码器对所述第二数据进行编码，得到第二特征的步骤，也可以进行实现第二特征的获取，具体的实现方式与第一特征的获取方式相似，不同点在于第一特征是对第二数据的横向数据进行处理，第二特征则是对纵向的数据进行处理，因此对应的线性矩阵也需要保持与维度相同，以对列项的数据进行特征的提取，从而得到第二特征。
34.在一个实施例中，所述根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征的步骤s6，包括：s601：将所述第一特征和所述第二特征根据公式进行初步融合，得到初步特征；其中，f1表示初步特征，w表示预设的权重，f1表示第一特征，f2表示第二特征，b表示预设的偏置量，concat表示将向量在维度上进行连接的操作；s602：根据softmax函数计算第一特征和第二特征的权重w1和w2；其中，w1表示第一特征的权重，w2表示第二特征的权重，且；
s603：根据公式计算得到所述目标特征，其中，f2表示目标特征。
35.如上述步骤s601所述，即将第一特征和第二特征按照列进行连接形成一个新的特征，即初步特征，这种方式可以保留每个特征的独立性，并同时考虑它们的信息，能够提供更全面、更准确的特征表示。
36.如上述步骤s602所述，根据softmax函数计算第一特征和第二特征的权重w1和w2，其中，具体地计算方式为将第一特征和第二特征分别进行加权求和，然后将求和的值进行归一化，即输入至softmax计算函数中，得到两个特征分别对应的权重值。
37.如上述步骤s603所述，根据公式计算得到所述目标特征，其中，f2表示目标特征。即采用门控结构对两种特征进行融合，考虑了第一特征和第二特征之间的相关性，更加有利于后续的分析过程，提高预测的精确度。
38.在一个实施例中，所述将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值的步骤s7之前，还包括：s611：获取指定数量的样本数据以及各组样本数据对应的情感数值；s612：将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；s613：根据预设的比例将所述目标数据分为训练数据集和验证数据集；s614：将所述训练数据集中的数据输入预设的神经网络模型中进行有监督的训练，从而得到暂时模型；s615：利用所述验证数据集对所述暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；s616：若验证结果为验证通过，则将所述暂时模型记为情感分析模型。
39.如上述步骤s611-s612所述，获取指定数量的样本数据以及各组样本数据对应的情感数值；将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；其中，指定数量的样本数据可以是通过人为收集得到，对应的情感数值也可以是相关人员根据对应的样本数据进行分析得到，然后对其进行标记，从而便于后续进行有监督的训练。
40.如上述步骤s614-s616所述，通过将数据输入神经网络模型中进行训练，可以通过学习数据的模式和特征来构建一个针对情感分析任务的模型。随后，可以利用验证数据集对模型进行评估，以了解模型在新数据上的性能表现。如果验证结果符合要求，可以将该暂时模型视为一个情感分析模型，并用于后续的预测或分析任务。
41.在一个实施例中，所述根据所述情感数值调整led氛围灯的亮度和色彩的步骤s8，包括：s801：基于所述情感数值获取到所需的灯光亮度和色彩；s802：根据所述所需的灯光亮度和色彩设置所述led氛围灯的参数，从而使led氛围灯展现对应的亮度和色彩。
42.如上述步骤s801-s802所述，通过根据情感数值设置led氛围灯的参数，可以调整灯光的亮度和色彩，使其展现出适合情感的光照效果。例如，可以通过调整led灯的亮度来传达不同情感状态下的明暗程度，或者通过调整色彩的温度或色相来传递情感状态下的冷暖或色彩特点。这种方式可以将情感体验与环境光照相结合，为用户提供更加个性化和沉
浸式的氛围体验。
43.参照图2，本发明还提供了一种具有自适应亮度和色彩的led氛围灯控制系统，包括：采集模块10，用于通过预设的传感器持续采集n个人员的传感器数据；n为大于等于2的整数；提取模块20，用于从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据；排列模块30，用于按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第一数据；其中第一数据，x
tn
表示时间排序为t时的第n个人员的目标传感器数据；变换模块40，用于对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据；编码模块50，用于通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征；融合模块60，用于根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征；处理模块70，用于将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值；调整模块80，用于根据所述情感数值调整led氛围灯的亮度和色彩。
44.在一个实施例中，所述编码模块50，包括：变换子模块，用于通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵,,，其中，q，k，v分别表示不同的第一中间矩阵，r为实数，a表示对应第一中间矩阵的行数量，d表示对应第一中间矩阵的列数量；第一计算子模块，将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵；第二计算子模块，用于将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵；特征提取子模块，用于将所述目标矩阵输入预设的卷积层中进行特征提取，得到所述第一特征。
45.在一个实施例中，所述融合模块60，包括：初步融合子模块，用于将所述第一特征和所述第二特征根据公式
进行初步融合，得到初步特征；其中，f1表示初步特征，w表示预设的权重，f1表示第一特征，f2表示第二特征，b表示预设的偏置量，concat表示将向量在维度上进行连接的操作；第三计算子模块，用于根据softmax函数计算第一特征和第二特征的权重w1和w2；其中，w1表示第一特征的权重，w2表示第二特征的权重，且；第四计算子模块，用于根据公式计算得到所述目标特征，其中，f2表示目标特征。
46.在一个实施例中，所述具有自适应亮度和色彩的led氛围灯控制系统，还包括：情感数值获取模块，用于获取指定数量的样本数据以及各组样本数据对应的情感数值；样本数据标记模块，用于将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；划分模块，用于根据预设的比例将所述目标数据分为训练数据集和验证数据集；训练数据输入模块，用于将所述训练数据集中的数据输入预设的神经网络模型中进行有监督的训练，从而得到暂时模型；验证模块，用于利用所述验证数据集对所述暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；标记模块，用于若验证结果为验证通过，则将所述暂时模型记为情感分析模型。
47.在一个实施例中，所述调整模块80，包括：参数获取子模块，用于基于所述情感数值获取到所需的灯光亮度和色彩；参数设置模块，用于根据所述所需的灯光亮度和色彩设置所述led氛围灯的参数，从而使led氛围灯展现对应的亮度和色彩。
48.本发明的有益效果：通过获取多个人员的传感器数据，并进行维度变换、编码、融合等处理，得到情感分值，再根据情感分值对led氛围灯的亮度和色彩进行设定。从而实现了根据一段时间内多个人员的传感器数据来分析多个人员的情感分值，使情感分值的计算结果更加贴近实际值，提高了用户的体验。
49.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各种传感器数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时可以实现上述任一实施例所述的具有自适应亮度和色彩的led氛围灯控制方法。
50.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定。
51.本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现上述任一实施例所述的具有自适应亮度和色彩的led氛围灯控制方法。
52.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram可为诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、增强型sdram（esdram）、同步链路（synchlink）dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
53.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、系统、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、系统、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、系统、物品或者方法中还存在另外的相同要素。
54.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
55.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
56.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

技术特征：
1.一种具有自适应亮度和色彩的led氛围灯控制方法，其特征在于，包括：通过预设的传感器持续采集n个人员的传感器数据；n为大于等于2的整数；从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据；按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第一数据；其中第一数据，x
tn
表示时间排序为t时的第n个人员的目标传感器数据；对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据；通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征；根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征；将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值；根据所述情感数值调整led氛围灯的亮度和色彩。2.如权利要求1所述的具有自适应亮度和色彩的led氛围灯控制方法，其特征在于，所述通过预设的时间编码器对所述第二数据进行编码，得到第一特征的步骤，包括：通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵,,，其中，q，k，v分别表示不同的第一中间矩阵，r为实数，a表示对应第一中间矩阵的行数量，d表示对应第一中间矩阵的列数量；将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵；将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵；将所述目标矩阵输入预设的卷积层中进行特征提取，得到所述第一特征。3.如权利要求1所述的具有自适应亮度和色彩的led氛围灯控制方法，其特征在于，所述根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征的步骤，包括：将所述第一特征和所述第二特征根据公式进行初步融合，得到初步特征；其中，f1表示初步特征，w表示预设的权重，f1表示第一特征，f2表示第二特征，b表示预设的偏置量，concat表示将向量在维度上进行连接的操作；根据softmax函数计算第一特征和第二特征的权重w1和w2；其中，w1表示第一特征的权重，w2表示第二特征的权重，且；根据公式计算得到所述目标特征，其中，f2表示目标特征。
4.如权利要求1所述的具有自适应亮度和色彩的led氛围灯控制方法，其特征在于，所述将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值的步骤之前，还包括：获取指定数量的样本数据以及各组样本数据对应的情感数值；将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；根据预设的比例将所述目标数据分为训练数据集和验证数据集；将所述训练数据集中的数据输入预设的神经网络模型中进行有监督的训练，从而得到暂时模型；利用所述验证数据集对所述暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；若验证结果为验证通过，则将所述暂时模型记为情感分析模型。5.如权利要求1所述的具有自适应亮度和色彩的led氛围灯控制方法，其特征在于，所述根据所述情感数值调整led氛围灯的亮度和色彩的步骤，包括：基于所述情感数值获取到所需的灯光亮度和色彩；根据所述所需的灯光亮度和色彩设置所述led氛围灯的参数，从而使led氛围灯展现对应的亮度和色彩。6.一种具有自适应亮度和色彩的led氛围灯控制系统，其特征在于，包括：采集模块，用于通过预设的传感器持续采集n个人员的传感器数据；n为大于等于2的整数；提取模块，用于从获取的传感器数据中，提取距离当前时间点最近的t个时间点目标传感器数据；排列模块，用于按照时间顺序将所述n个人员的目标传感器数据进行排列，得到第一数据；其中第一数据，x
tn
表示时间排序为t时的第n个人员的目标传感器数据；变换模块，用于对所述第一数据通过预设的权重矩阵进行维度变换，得到第二数据；编码模块，用于通过预设的时间编码器对所述第二数据进行编码，得到第一特征，以及通过预设的人员编码器对所述第二数据进行编码，得到第二特征；其中，所述时间编码器用于提取所述第二数据的纵向数据的特征，所述人员编码器用于提取所述第二数据的横向数据的特征；融合模块，用于根据预设的数据融合方法，对所述第一特征和所述第二特征进行融合处理，得到目标特征；处理模块，用于将所述目标特征输入预设的情感分析模型中进行处理，从而得到所述预设的情感分析模型输出的情感数值；调整模块，用于根据所述情感数值调整led氛围灯的亮度和色彩。7.如权利要求6所述的具有自适应亮度和色彩的led氛围灯控制系统，其特征在于，所
述编码模块，包括：变换子模块，用于通过三个不同的线性矩阵对所述第二数据进行线性变换，分别得到三个第一中间矩阵，，，其中，q，k，v分别表示不同的第一中间矩阵，r为实数，a表示对应第一中间矩阵的行数量，d表示对应第一中间矩阵的列数量；第一计算子模块，用于将第一中间矩阵q与转置后的第一中间矩阵k相乘，得到第二中间矩阵；第二计算子模块，用于将所述第二中间矩阵进行归一化处理并与第一中间矩阵v相乘，得到目标矩阵；特征提取子模块，用于将所述目标矩阵输入预设的卷积层中进行特征提取，得到所述第一特征。8.如权利要求6所述的具有自适应亮度和色彩的led氛围灯控制系统，其特征在于，所述融合模块，包括：初步融合子模块，用于将所述第一特征和所述第二特征根据公式进行初步融合，得到初步特征；其中，f1表示初步特征，w表示预设的权重，f1表示第一特征，f2表示第二特征，b表示预设的偏置量，concat表示将向量在维度上进行连接的操作；第三计算子模块，用于根据softmax函数计算第一特征和第二特征的权重w1和w2；其中，w1表示第一特征的权重，w2表示第二特征的权重，且；第四计算子模块，用于根据公式计算得到所述目标特征，其中，f2表示目标特征。9.如权利要求6所述的具有自适应亮度和色彩的led氛围灯控制系统，其特征在于，所述具有自适应亮度和色彩的led氛围灯控制系统，还包括：情感数值获取模块，用于获取指定数量的样本数据以及各组样本数据对应的情感数值；样本数据标记模块，用于将各个情感数值对对应的样本数据进行标记，得到标记后的目标数据；划分模块，用于根据预设的比例将所述目标数据分为训练数据集和验证数据集；训练数据输入模块，用于将所述训练数据集中的数据输入预设的神经网络模型中进行有监督的训练，从而得到暂时模型；验证模块，用于利用所述验证数据集对所述暂时模型进行验证，以得到验证结果，并判断验证结果是否为验证通过；标记模块，用于若验证结果为验证通过，则将所述暂时模型记为情感分析模型。10.如权利要求6所述的具有自适应亮度和色彩的led氛围灯控制系统，其特征在于，所述调整模块，包括：参数获取子模块，用于基于所述情感数值获取到所需的灯光亮度和色彩；参数设置模块，用于根据所述所需的灯光亮度和色彩设置所述led氛围灯的参数，从而使led氛围灯展现对应的亮度和色彩。

技术总结
本发明提供了一种具有自适应亮度和色彩的LED氛围灯控制方法和系统，其中，方法包括：通过获取多个人员的传感器数据，并进行维度变换、编码、融合等处理，得到情感分值，再根据情感分值对LED氛围灯的亮度和色彩进行设定。本发明的有益效果：实现了根据一段时间内多个人员的传感器数据来分析多个人员的情感分值，使情感分值的计算结果更加贴近实际值，提高了用户的体验。户的体验。户的体验。


技术研发人员：李尧 肖琼 王子钧 汤爱保
受保护的技术使用者：深圳市东陆科技有限公司
技术研发日：2023.08.25
技术公布日：2023/9/20