具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由 本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的 实施例是本发明一部分实施例，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。

参见图1和图2，提供一种具有坐姿提醒、自关闭和亮度调节功能的嵌入 式AI台灯，包括灯头1、转轴2、灯柱3和底座4，所述转轴2的一端与灯头 1转动连接，转轴2的另外一端与灯柱3转动连接，所述灯柱3的底部与所述 底座4连接；还包括摄像单元5、语音输出单元6和FPGA处理单元7；所述 摄像单元5与所述FPGA处理单元7之间电连接，摄像单元5用于实时采集用 户图像；所述语音输出单元6与所述FPGA处理单元7之间电连接，语音输出 单元6用于将坐姿检测结果实时向用户提醒；

所述FPGA处理单元7设有像素值计算模块8、用户检测模块9和坐姿检 测模块10；所述像素值计算模块8用于检测台灯的光照亮度；所述用户检测 模块9用于检测台灯周围是否存在用户；所述坐姿检测模块10用于对用户的 坐姿进行检测；

当坐姿检测模块10检测到用户坐姿不正确时，将检测结果通过语音输出 单元6反馈给用户以进行坐姿提醒；当像素值计算模块8检测台灯的光照亮度 超出预设范围时进行台灯的光源亮度调节；当台灯周围用户不存在的状态下， 若用户检测模块9连续检测用户不存在的次数超过预设值，则关闭台灯。

本实施例中，所述底座4上设置有开关键11、坐姿监测键12和亮度调节 键13，所述开关键11与所述FPGA处理单元7电连接，开关键11用于控制 台灯电源的断与开；所述坐姿提醒键与所述FPGA处理单元7电连接，坐姿提 醒键用于控制坐姿检测模块10的坐姿检测功能开关；所述亮度调节键13与所 述FPGA处理单元7电连接，亮度调节键13用于进行手动台灯调节亮度。所 述FPGA处理单元7的输入包括预设的光照亮度，检测时间间隔、用户连续不存在次数、坐姿连续不正确次数以及摄像单元5输入的图像数据。

本实施例中，所述摄像单元5包括连接在灯柱3侧部的摄像头，所述摄像 头获取的图像送入底座4中的FPGA处理单元7进行处理。所述语音输出单元 6配置有扬声器，所述扬声器安装在灯柱3、底座4或者灯头1。还包括含有 继电器控制的电阻网络，FPGA处理单元7通过控制继电器的开关进行电阻大 小控制以提供给光源预设的功率。所述像素值计算模块8的计算方法为采用 FPGA处理单元7计算所有像素的灰度平均值。

参见图3，本实施例中，用户检测模块9的用户坐姿检测方法包括：

初始化获得用户设定的最大允许错误坐姿次数；从摄像单元5获取的图像 数据作为深度神经网络模型A和深度神经网络模型B的输入；利用深度神经 网络模型A的分类结果判断用户是否存在，当用户在监控区域内的情况下， 利用深度神经网络模型B检测用户的坐姿状态；

每间隔预设时间实施一次，当判断用户坐姿不正确的情况下，进行计数；

结合用户设定的最大允许错误坐姿次数，当用户坐姿次数连续累计达到预 设值时，通过语音输出单元6向用户发送报警信息，以避免提醒过于频繁，影 响用户体验。

具体的，判断用户是否存在以及坐姿是否正确的检测方法具体包括如下步 骤：

步骤S1，通过台灯按键开启坐姿提醒功能；

步骤S2，设置检测时间间隔，允许用户连续不存在次数，允许坐姿连续 不正确次数；

步骤S3，每隔时间间隔，从摄像单元5的摄像头获取的图像数据传入给 FPGA处理单元7，利用FPGA处理单元7中的用户检测模块9检测用户是否 存在，统计连续检测用户不存在的次数，当累计次数达到预设值时，断开台灯 电源；

步骤S4，当判断用户存在时，利用坐姿检测模块10进行坐姿检测，统计 连续坐姿错误的次数，当用户坐姿错误次数达到预设值时，将结果输出到语音 输出模块，进行坐姿错误提醒。

为进一步提高检测准确度，步骤S3中要求：

步骤S31，台灯需要置于用户前方，台灯与用户的连线与用户正前方向的 夹角不超过45°，以确保用户人脸能够较为完整的被台灯上的摄像头拍摄记录；

步骤S32，摄像头每隔特定时间拍摄一张图像作为算法处理的对象。

本实施例中，所述用户检测模块9利用FPGA处理单元7完成一个分类的 深度神经网络模型A，深度神经网络模型A的结果包括用户存在和用户不存 在；所述深度神经网络模型A采用VGG类的网络模型结构，以RGB三通道 的图片作为输入；图片经过卷积、池化、激活、全连接组合操作后，得到一个 代表有用户和无用户的二分类的向量，向量最大值的位置为判断结果。

参见图4，深度神经网络模型A输入的图像数据大小为112×112，神经网 络包含7个卷积，4个池化，4个激活，以及一个全连接操作，输出的结果为 2维向量。

本实施例中，所述坐姿检测模块10利用FPGA处理单元7完成一个分类 的深度神经网络模型B，深度神经网络模型B的结果包括坐姿正确和坐姿错误； 所述深度神经网络模型B采用VGG类的网络模型结构，以RGB三通道的图 片作为输入；图片经过卷积、池化、激活、全连接组合操作后，得到用户坐姿 正确与错误的二分类向量，向量最大值的位置即为判断结果。

参见图5，深度神经网络模型B输入的图像数据大小为112×112，包含7 个卷积，4个池化，4个激活，以及一个全连接操作，输出的结果为2维向量。

本实施例中，所述深度神经网络模型A和深度神经网络模型B共用预设 量的神经网络的权重值；大大减少了卷积核中的参数数量(因为只需要一个相 同的卷积核来回移动)，降低了网络的复杂度。

参见图6，本实施例中，所述深度神经网络模型A和深度神经网络模型B 的卷积操作采用乘法卷积或加法卷积。卷积的主要目的是从输入图像中提取特 征，卷积通过使用输入数据的小方块学习图像特征来保持像素之间的空间关系。

综上所述，本发明设有摄像单元5、语音输出单元6和FPGA处理单元7； 摄像单元5与FPGA处理单元7之间电连接，摄像单元5用于实时采集用户图 像；语音输出单元6与FPGA处理单元7之间电连接，语音输出单元6用于将 坐姿检测结果实时向用户提醒；FPGA处理单元7设有像素值计算模块8、用 户检测模块9和坐姿检测模块10；像素值计算模块8用于检测台灯的光照亮 度；用户检测模块9用于检测台灯周围是否存在用户；坐姿检测模块10用于对用户的坐姿进行检测；当坐姿检测模块10检测到用户坐姿不正确时，将检 测结果通过语音输出单元6反馈给用户以进行坐姿提醒；当像素值计算模块8 检测台灯的光照亮度超出预设范围时进行台灯的光源亮度调节；当台灯周围用 户不存在的状态下，若用户检测模块9连续检测用户不存在的次数超过预设值， 则关闭台灯。本发明兼具坐姿提醒，自动关闭和亮度自动调节三种功能，具有 性能优异，功能齐全等优点，其三种功能只需一个摄像单元5和一个FPGA处 理单元7，无需针对每种功能安装不同的传感器，方案简洁，高效；通过摄像单元5直接采集用户的坐姿图像，在本地FPGA处理单元7进行处理，无需上 传到云端服务器，保护用户隐私，同时能对用户坐姿有一个良好的监督作用， 促进用户保持良好坐姿，保护身体健康；具有自动关闭功能，在用户忘记关闭 的情况下，可以自动关闭，节能省电；具有自动亮度自动调节功能，在外部光 线随时间变换的情况下，自动改变光照亮度，带给用户极致的良好体验。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述， 但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是 显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均 属于本发明要求保护的范围。