智能补光方法、装置、电子设备及存储介质

摘要

本发明涉及人工智能，提供了一种智能补光方法，应用于电子设备，该方法包括接收数据采集终端发送的第一图像，确定第一图像中待识别目标的位置信息；根据位置信息生成位置调整指令发送至补光灯系统，实时控制补光灯系统调整补光灯的照射角度，并记录补光灯当前的偏转速度及照射亮度；获取数据采集终端在补光灯调整过程中拍摄的第二图像，将第二图像输入情绪识别模型输出第二图像中待识别目标的情绪类型；当情绪类型为包含第一预设标签的情绪类型时调整偏转速度及/或照射亮度。此外，本发明还涉及区块链技术，数据采集终端上传的第一图像可存储于区块链节点中。本发明能够控制补光灯的照射方向始终朝向待识别目标，实现智能补光的目的。

权利要求

1.一种智能补光方法，应用于电子设备，其特征在于，该方法包括：

接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息，所述数据采集终端为单目视觉摄像机或双目立体视觉摄像机或全方位视觉摄像机，所述定位算法为视觉定位算法；

根据所述位置信息生成位置调整指令发送至预设的补光灯系统，获取所述补光灯的原始照射亮度，在所述原始照射亮度的基础上降低预设数值的亮度得到第一亮度，并在所述补光灯偏转过程中逐渐增加所述第一亮度的亮度直至恢复所述原始照射亮度，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度；

获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型；及当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及照射亮度。

2.如权利要求1所述的智能补光方法，其特征在于，该方法还包括以下步骤：实时获取所述数据采集终端采集区域内的环境亮度，判断所述环境亮度是否大于或等于预设阈值，若大于或等于预设阈值则关闭所述补光灯。

3.如权利要求1所述的智能补光方法，其特征在于，所述情绪识别模型的训练过程包括：获取样本图像，按照预先确定的特征提取算法提取出训练集和验证集中每张样本图像的特征向量图，所述特征向量图包括方向梯度直方图特征向量图；

为每张样本图像分配唯一的情绪标签；

将所述样本图像按照预设比例分成训练集和验证集，所述训练集中的样本图像数量大于所述验证集中的样本图像数量；

将所述训练集中的样本图像输入所述情绪识别模型进行训练，每隔预设周期使用所述验证集对所述情绪识别模型进行验证，利用所述验证集中各特征向量图与其对应的情绪标签对该情绪识别模型的准确率进行验证；及当所述准确率大于预设阈值时，结束训练，得到所述情绪识别模型。

4.如权利要求1‑3中任一项所述的智能补光方法，其特征在于，所述参数调整算法包括：降低所述补光灯的偏转速度及照射亮度。

5.一种智能补光装置，其特征在于，包括：

定位模块，用于接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息，所述数据采集终端为单目视觉摄像机或双目立体视觉摄像机或全方位视觉摄像机，所述定位算法为视觉定位算法；

补光模块，用于根据所述位置信息生成位置调整指令发送至预设的补光灯系统，获取所述补光灯的原始照射亮度，在所述原始照射亮度的基础上降低预设数值的亮度得到第一亮度，并在所述补光灯偏转过程中逐渐增加所述第一亮度的亮度直至恢复所述原始照射亮度，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度；

识别模块，用于获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型；及调整模块，用于当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及照射亮度。

6.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任一所述的智能补光方法。

7.一种计算机可读存储介质，其特征在于，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1‑4中任一项所述的智能补光方法的步骤。

说明书

智能补光方法、装置、电子设备及存储介质

技术领域

[0001] 本发明涉及人工智能，尤其涉及一种智能补光方法、装置、电子设备及存储介质。

背景技术

[0002] 在远程视频教学的应用场景中，为了给被教学者更好的观看体验，通常会给教学者的画面进行补光处理。但是由于目前的补光灯照射角度是固定不变的，当被教学者出现走动位置变化较大的时候，照射角度固定的灯光无法跟随教学者移动进行智能补光，导致拍摄的视频图像质量不好，例如人脸出现阴影，影响远程授课整体效果，降低了教学质量。因此如何提升拍摄视频的图像质量成为了亟需解决的技术问题。

发明内容

[0003] 本发明的主要目的在于提供一种智能补光方法、装置、电子设备及存储介质，旨在如何提升拍摄视频的图像质量的问题。

[0004] 为实现上述目的，本发明提供的一种智能补光方法，应用于电子设备，该方法包括：

[0005] 接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息；

[0006] 根据所述位置信息生成位置调整指令发送至预设的补光灯系统，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度；

[0007] 获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型；及

[0008] 当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及/或照射亮度。

[0009] 优选地，在控制所述补光灯系统调整补光灯的照射角度之前，该方法还包括以下步骤：

[0010] 获取所述补光灯的原始照射亮度，在所述原始照射亮度的基础上降低预设数值的亮度得到第一亮度，并在所述补光灯偏转过程中逐渐增加所述第一亮度的亮度直至恢复所述原始照射亮度。

[0011] 优选地，该方法还包括以下步骤：

[0012] 获取包含第二预设标签的情绪类型的多张第二图像，分别获取所述补光灯在所述数据采集终端拍摄每张所述第二图像时的偏转速度及照射亮度，选取偏转速度及照射亮度出现频率最高者作为所述补光灯的初始速度及初始亮度。

[0013] 优选地，该方法还包括以下步骤：

[0014] 实时获取所述数据采集终端采集区域内的环境亮度，判断所述环境亮度是否大于或等于预设阈值，若大于或等于预设阈值则关闭所述补光灯。

[0015] 优选地，所述数据采集终端为单目视觉摄像机或双目立体视觉摄像机或全方位视觉摄像机，所述定位算法为视觉定位算法。

[0016] 优选地，所述情绪识别模型的训练过程包括：

[0017] 获取样本图像，按照预先确定的特征提取算法提取出所述训练集和验证集中每张样本图像的特征向量图，例如方向梯度直方图特征向量图；

[0018] 为每张样本图像分配唯一的情绪标签；

[0019] 将所述样本图像按照预设比例分成训练集和验证集，所述训练集中的样本图像数量大于所述验证集中的样本图像数量；

[0020] 将所述训练集中的样本图像输入所述情绪识别模型进行训练，每隔预设周期使用所述验证集对所述情绪识别模型进行验证，利用所述验证集中各特征向量图与其对应的情绪标签对该情绪识别模型的准确率进行验证；及

[0021] 当所述准确率大于预设阈值时，结束训练，得到所述情绪识别模型。

[0022] 优选地，所述参数调整算法包括：降低所述补光灯的偏转速度；及/或所述补光灯的照射亮度预设的数值。

[0023] 为实现上述目的，本发明还进一步提供一种智能补光装置，所述智能补光装置包括：

[0024] 定位模块，用于接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息；

[0025] 补光模块，用于根据所述位置信息生成位置调整指令发送至预设的补光灯系统，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度；

[0026] 识别模块，用于获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型；及

[0027] 调整模块，用于当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及/或照射亮度。

[0028] 为实现上述目的，本发明还进一步提供一种电子设备，所述电子设备包括：

[0029] 存储器，存储至少一个指令；及

[0030] 处理器，执行所述存储器中存储的指令以实现上述所述的智能补光方法。

[0031] 为实现上述目的，本发明进一步提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如上所述的智能补光方法的步骤。

[0032] 本发明提出的智能补光方法、装置、电子设备及存储介质，通过实时获取数据采集终端上传的包含待识别目标的第一图像，利用预先确定的定位算法定位出第一图像中待识别目标的位置信息；根据位置信息生成位置调整指令发送至预设的补光灯系统，实时控制补光灯系统调整补光灯的照射角度，并在数据库中记录补光灯当前的偏转速度及照射亮度；获取数据采集终端在补光灯调整过程中拍摄的包含待识别目标的第二图像，将第二图像输入预先确定的情绪识别模型，输出第二图像中待识别目标的情绪类型；当情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整偏转速度及/或照射亮度。本发明能够实时获取待识别目标的具体位置，并控制补光灯的照射方向始终朝向待识别目标，实现智能补光的目的。相比较现有技术中补光灯的照射角度固定，本发明能够随着教学者位置移动进行智能补光，提升拍摄视频的图像质量，达到远程授课整体效果好，用户体验度高的目的。

附图说明

[0033] 图1为本发明一实施例提供的实现智能补光方法的流程示意图；

[0034] 图2为本发明一实施例提供的智能补光装置的模块示意图；

[0035] 图3为本发明一实施例提供的智能补光方法的电子设备的内部结构示意图。

[0036] 本发明目的的实现、功能特点及优点将结合实施例，参附图做进一步说明。

具体实施方式

[0037] 为了使本发明的目的、技术本实施例及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做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。

[0038] 需要说明的是，在本发明中涉及“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本实施例可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术本实施例的结合出现相互矛盾或无法实现时应当认为这种技术本实施例的结合不存在，也不在本发明要求的保护范围之内。

[0039] 本发明提供一种智能补光方法。参照图1所示，为本发明一实施例提供的智能补光方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

[0040] 在本实施例中，智能补光方法包括：

[0041] S110，接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息。

[0042] 以远程视频教学为例对本方案进行解释说明。由于现有的灯光照射角度固定，当被摄像头拍摄的待识别目标(例如讲师)走动位置变化较大的时候，照射角度固定的灯光无法跟随待识别目标移动而智能补光，导致拍摄的视频图像质量不好，例如人脸出现阴影，影响远程授课整体效果，降低了教学质量。

[0043] 因此，在本实施例中，利用双目摄像头作为数据采集终端，通过实时获取数据采集终端上传的包含待识别目标的第一图像，利用定位算法确定第一图像中待识别目标的位置信息，为后续根据待识别目标的位置信息实时调整补光灯的偏转角度，使补光灯始终朝向待识别目标，避免数据采集终端拍摄的视频图像由于存在光线问题影响教学质量。

[0044] 具体地，数据采集终端为单目视觉摄像机或双目立体视觉摄像机或全方位视觉摄像机，定位算法为视觉定位算法。

[0045] 在本实施例中，视觉定位算法是利用视觉传感器获取物体图像，然后用计算机进图像处理，进而获得物体的位置信息。根据摄像机数目的不同，基于计算机视觉的目标定位方法可以分为单目视觉定位、双目视觉立体定位和全方位视觉定位。单目视觉定位方法是仅利用一台视觉传感器来完成定位工作的，双目立体视觉定位方法是仿照人类利用双目线索感知距离的方法，实现对三维信息的感知，即运用两个视觉传感器来完成定位工作的。全方位视觉定位是利用全方位视觉传感器来完成定位工作的。

[0046] S120，根据所述位置信息生成位置调整指令发送至预设的补光灯系统，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度。

[0047] 在本实施例中，预设的补光灯系统按照包含待识别目标位置信息的位置调整指令实时控制补光灯调整照射角度，使得补光灯始终朝向待识别目标，实现智能补光的目的。并在数据库中记录补光灯当前的偏转速度及照射亮度。

[0048] 在另一实施例中，在控制所述补光灯系统调整补光灯的照射角度之前，该方法还包括以下步骤：

[0049] 获取所述补光灯的原始照射亮度，在所述原始照射亮度的基础上降低预设数值的亮度得到第一亮度，并在所述补光灯偏转过程中逐渐增加所述第一亮度的亮度直至恢复所述原始照射亮度。

[0050] 在本实施例中，通过获取补光灯原始照射亮度，例如500mcd，在原始照射亮度的基础上降低预设数值(根据实际而定)的亮度得到第一亮度，例如降低100mcd的光照强度，并在补光灯偏转过程中在第一亮度的基础上逐渐增加亮度直至恢复原始照射亮度，例如500mcd，从而让待识别目标(例如讲师)能够适应补光灯的光照变化。

[0051] S130，获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型。

[0052] 在本实施例中，为了避免补光灯在调整照射角度的过程中出现偏转速度及/或照射亮度不符合实际要求，例如偏转速度过快或照射亮度过强，引起待识别目标的不满。因此，在本实施例中，通过获取数据采集终端在补光灯调整过程中拍摄的包含待识别目标的第二图像，将第二图像输入情绪识别模型，输出第二图像中待识别目标的情绪标签(如“平常”、“开心”、“悲伤”、“愤怒”、“恐惧”、“厌恶”等)。

[0053] 在进一步地实施例中，所述情绪识别模型的训练过程包括：

[0054] 获取样本图像，按照预先确定的特征提取算法提取出所述训练集和验证集中每张样本图像的特征向量图，例如方向梯度直方图特征向量图；

[0055] 为每张样本图像分配唯一的情绪标签；

[0056] 将所述样本图像按照预设比例分成训练集和验证集，所述训练集中的样本图像数量大于所述验证集中的样本图像数量；

[0057] 将所述训练集中的样本图像输入所述情绪识别模型进行训练，每隔预设周期使用所述验证集对所述情绪识别模型进行验证，利用所述验证集中各特征向量图与其对应的情绪标签对该情绪识别模型的准确率进行验证；及

[0058] 当所述准确率大于预设阈值时，结束训练，得到所述情绪识别模型。

[0059] 在本实施例中，情绪识别模型为支持向量机(Support Vector Machine，SVM，是常见的一种判别方法，在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析)，情绪识别模型的训练过程包括：

[0060] 获取预设数量(例如10万)的样本图像，按照预先确定的特征提取算法提取出所述训练集和验证集中每张样本图像的特征向量图，例如方向梯度直方图(Histogram of Oriented Gradient，HOG)特征向量图；

[0061] 为每张样本图像分配唯一的情绪标签；

[0062] 将所述样本图像按照预设比例(例如4:1)分成训练集和验证集，所述训练集中的样本图像数量大于所述验证集中的样本图像数量；

[0063] 将所述训练集中的样本图像输入所述情绪识别模型进行训练，每隔预设周期(例如每进行1000次迭代)使用所述验证集对所述情绪识别模型进行验证，利用所述验证集中各特征向量图与其对应的情绪标签对该情绪识别模型的准确率进行验证；及[0064] 当所述准确率大于预设阈值(例如95％)时，结束训练，得到所述情绪识别模型。

[0065] S140，当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及/或照射亮度。

[0066] 在本实施例中，当情绪识别模型输出的情绪类型为包含第一预设标签的情绪类型时，例如“愤怒”，说明第二图像被拍摄时补光灯的偏转速度及照射亮度给待识别目标(例如讲师)带来不好的体验感。根据预设的参数调整算法修改偏转速度及/或照射亮度。

[0067] 具体地，所述参数调整算法包括：降低所述补光灯的偏转速度；及/或所述补光灯的照射亮度预设的数值。

[0068] 在本实施例中，通过同时降低偏转速度及照射亮度预设的数值，或者调整偏转速度及照射亮度其中一个指标的数据，使得补光灯在移动过程中能够给待识别目标(例如讲师)带来较好的体验感。

[0069] 在另一实施例中，该方法还包括以下步骤：

[0070] 获取包含第二预设标签的情绪类型的多张第二图像，分别获取所述补光灯在所述数据采集终端拍摄每张所述第二图像时的偏转速度及照射亮度，选取偏转速度及照射亮度出现频率最高者作为所述补光灯的初始速度及初始亮度。

[0071] 在本实施例中，当情绪识别模型识别出别第二图像中的待识别目标的情绪类型为第二预设类型时，例如“开心”，说明第二图像被拍摄时补光灯的偏转速度及照射亮度是比较合适的，能够给待识别目标(例如讲师)带来较好的体验感。同时为了减少误差，通过获取所有包含第二预设标签的情绪类型的第二图像，分别获取补光灯在数据采集终端拍摄每张第二图像时的偏转速度及照射亮度，将偏转速度及照射亮度出现频率最高者作为补光灯刚开始运转时的初始速度及初始亮度。

[0072] 在另一实施例中，该方法还包括以下步骤：

[0073] 实时获取所述数据采集终端采集区域内的环境亮度，判断所述环境亮度是否大于或等于预设阈值，若大于或等于预设阈值则关闭所述补光灯。

[0074] 在本实施例中，通过实时获取数据采集终端采集区域内的环境亮度，并判断环境亮度是否大于或等于预设阈值，例如500mcd。若是则说明目前待识别目标所处环境亮度较为舒适，不需要进行补光，可以关闭补光灯，实现智能节能的目的。

[0075] 关于上述步骤的详细介绍，请参照下述图2关于智能补光程序10实施例的程序模块示意图及图3关于智能补光方法实施例的电子设备1的结构示意图的说明。

[0076] 如图2所示，是本发明智能补光装置100的功能模块图。

[0077] 本发明所述智能补光装置100可以安装于电子设备中。根据实现的功能，所述智能补光装置100可以包括定位模块110、补光模块120、识别模块130及调整模块140。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

[0078] 在本实施例中，关于各模块/单元的功能如下：

[0079] 定位模块110，用于接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息。

[0080] 以远程视频教学为例对本方案进行解释说明。由于现有的灯光照射角度固定，当被摄像头拍摄的待识别目标(例如讲师)走动位置变化较大的时候，照射角度固定的灯光无法跟随待识别目标移动而智能补光，导致拍摄的视频图像质量不好，例如人脸出现阴影，影响远程授课整体效果，降低了教学质量。

[0081] 因此，在本实施例中，利用双目摄像头作为数据采集终端，通过实时获取数据采集终端上传的包含待识别目标的第一图像，利用定位算法确定第一图像中待识别目标的位置信息，为后续根据待识别目标的位置信息实时调整补光灯的偏转角度，使补光灯始终朝向待识别目标，避免数据采集终端拍摄的视频图像由于存在光线问题影响教学质量。

[0082] 具体地，数据采集终端为单目视觉摄像机或双目立体视觉摄像机或全方位视觉摄像机，定位算法为视觉定位算法。

[0083] 在本实施例中，视觉定位算法是利用视觉传感器获取物体图像，然后用计算机进图像处理，进而获得物体的位置信息。根据摄像机数目的不同，基于计算机视觉的目标定位方法可以分为单目视觉定位、双目视觉立体定位和全方位视觉定位。单目视觉定位方法是仅利用一台视觉传感器来完成定位工作的，双目立体视觉定位方法是仿照人类利用双目线索感知距离的方法，实现对三维信息的感知，即运用两个视觉传感器来完成定位工作的。全方位视觉定位是利用全方位视觉传感器来完成定位工作的。

[0084] 补光模块120，用于根据所述位置信息生成位置调整指令发送至预设的补光灯系统，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度。

[0085] 在本实施例中，预设的补光灯系统按照包含待识别目标位置信息的位置调整指令实时控制补光灯调整照射角度，使得补光灯始终朝向待识别目标，实现智能补光的目的。并在数据库中记录补光灯当前的偏转速度及照射亮度。

[0086] 在另一实施例中，在控制所述补光灯系统调整补光灯的照射角度之前，该装置还包括以下模块，用于：

[0087] 获取所述补光灯的原始照射亮度，在所述原始照射亮度的基础上降低预设数值的亮度得到第一亮度，并在所述补光灯偏转过程中逐渐增加所述第一亮度的亮度直至恢复所述原始照射亮度。

[0088] 在本实施例中，通过获取补光灯原始照射亮度，例如500mcd，在原始照射亮度的基础上降低预设数值(根据实际而定)的亮度得到第一亮度，例如降低100mcd的光照强度，并在补光灯偏转过程中在第一亮度的基础上逐渐增加亮度直至恢复原始照射亮度，例如500mcd，从而让待识别目标(例如讲师)能够适应补光灯的光照变化。

[0089] 识别模块130，用于获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型。

[0090] 在本实施例中，为了避免补光灯在调整照射角度的过程中出现偏转速度及/或照射亮度不符合实际要求，例如偏转速度过快或照射亮度过强，引起待识别目标的不满。因此，在本实施例中，通过获取数据采集终端在补光灯调整过程中拍摄的包含待识别目标的第二图像，将第二图像输入情绪识别模型，输出第二图像中待识别目标的情绪标签(如“平常”、“开心”、“悲伤”、“愤怒”、“恐惧”、“厌恶”等)。

[0091] 在进一步地实施例中，所述情绪识别模型的训练过程包括：

[0092] 获取样本图像，按照预先确定的特征提取算法提取出所述训练集和验证集中每张样本图像的特征向量图，例如方向梯度直方图特征向量图；

[0093] 为每张样本图像分配唯一的情绪标签；

[0094] 将所述样本图像按照预设比例分成训练集和验证集，所述训练集中的样本图像数量大于所述验证集中的样本图像数量；

[0095] 将所述训练集中的样本图像输入所述情绪识别模型进行训练，每隔预设周期使用所述验证集对所述情绪识别模型进行验证，利用所述验证集中各特征向量图与其对应的情绪标签对该情绪识别模型的准确率进行验证；及

[0096] 当所述准确率大于预设阈值时，结束训练，得到所述情绪识别模型。

[0097] 在本实施例中，情绪识别模型为支持向量机(Support Vector Machine，SVM，是常见的一种判别方法，在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析)，情绪识别模型的训练过程包括：

[0098] 获取预设数量(例如10万)的样本图像，按照预先确定的特征提取算法提取出所述训练集和验证集中每张样本图像的特征向量图，例如方向梯度直方图(Histogram of Oriented Gradient，HOG)特征向量图；

[0099] 为每张样本图像分配唯一的情绪标签；

[0100] 将所述样本图像按照预设比例(例如4:1)分成训练集和验证集，所述训练集中的样本图像数量大于所述验证集中的样本图像数量；

[0101] 将所述训练集中的样本图像输入所述情绪识别模型进行训练，每隔预设周期(例如每进行1000次迭代)使用所述验证集对所述情绪识别模型进行验证，利用所述验证集中各特征向量图与其对应的情绪标签对该情绪识别模型的准确率进行验证；及[0102] 当所述准确率大于预设阈值(例如95％)时，结束训练，得到所述情绪识别模型。

[0103] 调整模块140，用于当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及/或照射亮度。

[0104] 在本实施例中，当情绪识别模型输出的情绪类型为包含第一预设标签的情绪类型时，例如“愤怒”，说明第二图像被拍摄时补光灯的偏转速度及照射亮度给待识别目标(例如讲师)带来不好的体验感。根据预设的参数调整算法修改偏转速度及/或照射亮度。

[0105] 具体地，所述参数调整算法包括：降低所述补光灯的偏转速度；及/或所述补光灯的照射亮度预设的数值。

[0106] 在本实施例中，通过同时降低偏转速度及照射亮度预设的数值，或者调整偏转速度及照射亮度其中一个指标的数据，使得补光灯在移动过程中能够给待识别目标(例如讲师)带来较好的体验感。

[0107] 在另一实施例中，该装置还包括以下模块，用于：

[0108] 获取包含第二预设标签的情绪类型的多张第二图像，分别获取所述补光灯在所述数据采集终端拍摄每张所述第二图像时的偏转速度及照射亮度，选取偏转速度及照射亮度出现频率最高者作为所述补光灯的初始速度及初始亮度。

[0109] 在本实施例中，当情绪识别模型识别出别第二图像中的待识别目标的情绪类型为第二预设类型时，例如“开心”，说明第二图像被拍摄时补光灯的偏转速度及照射亮度是比较合适的，能够给待识别目标(例如讲师)带来较好的体验感。同时为了减少误差，通过获取所有包含第二预设标签的情绪类型的第二图像，分别获取补光灯在数据采集终端拍摄每张第二图像时的偏转速度及照射亮度，将偏转速度及照射亮度出现频率最高者作为补光灯刚开始运转时的初始速度及初始亮度。

[0110] 在另一实施例中，该装置还包括以下模块，用于：

[0111] 实时获取所述数据采集终端采集区域内的环境亮度，判断所述环境亮度是否大于或等于预设阈值，若大于或等于预设阈值则关闭所述补光灯。

[0112] 在本实施例中，通过实时获取数据采集终端采集区域内的环境亮度，并判断环境亮度是否大于或等于预设阈值，例如500mcd。若是则说明目前待识别目标所处环境亮度较为舒适，不需要进行补光，可以关闭补光灯，实现智能节能的目的。

[0113] 如图3所示，是本发明实现智能补光方法的电子设备的结构示意图。

[0114] 所述电子设备1可以包括处理器12、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器12上运行的计算机程序，如智能补光程序10。

[0115] 其中，所述存储器11至少包括一种类型的可读存储介质，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如智能补光程序10的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

[0116] 所述处理器12在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器12是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如智能补光程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

[0117] 所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器12等之间的连接通信。

[0118] 图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

[0119] 例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器12逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi‑Fi模块等，在此不再赘述。

[0120] 进一步地，所述电子设备1还可以包括网络接口13，可选地，所述网络接口13可以包括有线接口和/或无线接口(如WI‑FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

[0121] 可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light‑Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

[0122] 应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

[0123] 所述电子设备1中的所述存储器11存储的智能补光程序10是多个指令的组合，在所述处理器12中运行时，可以实现：

[0124] 接收数据采集终端发送的包含待识别目标的第一图像，利用预先确定的定位算法确定所述待识别目标在所述第一图像中的位置信息；

[0125] 根据所述位置信息生成位置调整指令发送至预设的补光灯系统，实时控制所述补光灯系统调整补光灯的照射角度，并在数据库中记录所述补光灯当前的偏转速度及照射亮度；

[0126] 获取所述数据采集终端在补光灯调整过程中拍摄的包含所述待识别目标的第二图像，将所述第二图像输入预先确定的情绪识别模型，输出所述待识别目标在所述第二图像中的情绪类型；及

[0127] 当所述情绪类型为包含第一预设标签的情绪类型时，根据预设的参数调整算法调整所述补光灯的偏转速度及/或照射亮度。

[0128] 在另一实施例中，该程序还执行以下步骤：

[0129] 获取所述补光灯的原始照射亮度，在所述原始照射亮度的基础上降低预设数值的亮度得到第一亮度，并在所述补光灯偏转过程中逐渐增加所述第一亮度的亮度直至恢复所述原始照射亮度。

[0130] 在另一实施例中，该程序还执行以下步骤：

[0131] 获取包含第二预设标签的情绪类型的多张第二图像，分别获取所述补光灯在所述数据采集终端拍摄每张所述第二图像时的偏转速度及照射亮度，选取偏转速度及照射亮度出现频率最高者作为所述补光灯的初始速度及初始亮度。

[0132] 在另一实施例中，该程序还执行以下步骤：

[0133] 实时获取所述数据采集终端采集区域内的环境亮度，判断所述环境亮度是否大于或等于预设阈值，若大于或等于预设阈值则关闭所述补光灯。

[0134] 具体地，所述处理器11对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。需要强调的是，为进一步保证上述采集数据的私密和安全性，上述采集数据还可以存储于一区块链的节点中。

[0135] 进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read‑Only Memory)。

[0136] 在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

[0137] 所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

[0138] 另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

[0139] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

[0140] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

[0141] 本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

[0142] 此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

[0143] 最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。