不涉及个人隐私的人体姿态检测传感器及照明控制方法
阅读说明：本技术 不涉及个人隐私的人体姿态检测传感器及照明控制方法 (Human body posture detection sensor and lighting control method without personal privacy ) 是由 刘国良 巩晓雅 刘宏波 于 2021-08-16 设计创作，主要内容包括：本发明公开了一种不涉及个人隐私的人体姿态检测传感器及照明控制方法,其中传感器包括设于芯片内的图像传感单元、图像处理单元以及编码输出单元；所述图像传感单元用于将采集到的图像传输给所述图像处理单元,所述图像处理单元通过深度学习识别模型推理分析出图像中的场景信息和人体姿态信息；所述编码输出单元用于根据场景信息和人体姿态信息设定相应的控制编码进行输出。本发明不能输出图像数据,当用来控制照明设备时,对于某些隐私的场景和动作,如性爱动作、裸体姿态可以划分为与其它不涉及个人隐私动作的信息所属的分类类型中,从而从根本上避免了输出用户的隐私,但同时可以满足相应的照明效果。(The invention discloses a human posture detection sensor and an illumination control method which do not relate to personal privacy, wherein the sensor comprises an image sensing unit, an image processing unit and a coding output unit which are arranged in a chip; the image sensing unit is used for transmitting the acquired image to the image processing unit, and the image processing unit infers and analyzes scene information and human body posture information in the image through a deep learning recognition model; and the code output unit is used for setting corresponding control codes according to the scene information and the human body posture information and outputting the control codes. The invention can not output image data, when used for controlling the lighting equipment, for some privacy scenes and actions, such as sexual love actions and naked body gestures, can be divided into classification types which belong to other information which does not relate to personal privacy actions, thereby fundamentally avoiding the privacy of an output user, but simultaneously meeting the corresponding lighting effect.)
技术领域
本发明涉及智能感知领域，更具体地说是一种不涉及个人隐私的人体姿态检测传感器及照明控制方法。
背景技术
在智能家居系统中，智能感知是一个非常重要的环节。这其中包含了很多方面，如环境感知，人员感知，和设备状态感知，能否准确地感知这些状态和参数决定了智能家居系统的性能指标。当前对环境感知，如温湿度、噪声、光照强度等参数的感知都已经非常准确，另外目前的各种民用和工业用通信网络越来越稳定，对设备状态的感知基本可以即时获得。在人员感知方面，现有的设备和技术手段对人员在不在场，或是否有人员移动都能很好地感知，但是这距离智能感知还差很远，智能家居系统只有实现了对场景和人体姿态的精确感知，才能准确地判断人员的状态，例如读书、吃饭、喝茶、休息、睡觉等，根据人员状态调整灯光和其他相关设备的状态，如读书需要较明亮以及较高色温的光线，喝茶需要较低色温的柔和光线，休息需调暗灯光，睡觉需要关闭灯光并适当调高温度等。
当前基于人工智能方法的场景识别在手机拍照中有广泛的应用，并且有比较好的识别效果。人体姿态识别传感器分为穿戴式和非穿戴式两种，穿戴式传感器是指依靠人体携带的传感器，如陀螺仪、加速度传感器等，这些传感器在智能家居场合并不适用。非穿戴式传感器一般指毫米波雷达、红外传感器和图像传感器，毫米波雷达和红外传感器基本可以准确地检测是否有人员存在，但对于准确的人体姿态和手势的识别无能为力。图像传感器能准确检测人体姿态和手势等，但是图像传感器会产生图像输出，用于智能家居场景会让用户担心隐私泄露。
具体的市场上销售的图像传感器无一例外都有图像输出接口的，如MIPI，DVP，SPI接口等，用户通过这些接口便可以读出图像，用于处理或显示。但是这种随意可以读出图像的传感器对终端用户的隐私造成了极大的威胁，某些开发者为了改善产品或其他目的，将图像上传至自有服务器，或公有云，这些被传输的用户图像数据，像一颗定时炸弹，随时会被不法分子非法获取，导致用户的隐私泄露，造成精神和物质上的损失。要想从根本上解决此类风险，最好的办法是研发一款没有图像输出的传感器，甚至开发者也无法获取用户的图像，这样就从根本上解决了用户担心的隐私泄露问题。
发明内容
本发明的目的在于克服现有技术的不足，提供不涉及个人隐私的人体姿态检测传感器及照明控制方法。
为实现上述目的，本发明采用以下技术方案：
一方面，不涉及个人隐私的人体姿态检测传感器，包括设于芯片内的图像传感单元、图像处理单元以及编码输出单元；所述图像传感单元用于将采集到的图像传输给所述图像处理单元，所述图像处理单元通过深度学习识别模型推理分析出图像中的场景信息和人体姿态信息；所述编码输出单元用于根据场景信息和人体姿态信息设定相应的控制编码进行输出。
在一些实施例中，所述图像传感单元包括阵列模块、行选择模块以及信号处理模块；
所述阵列模块，用于外界光照射像素阵列，发生光电效应，在像素单元内产生相应的电荷；
所述行选择模块，用于选通相应的行像素单元；
所述信号处理模块，用于将图像信号转换成数字图像信号输出。
在一些实施例中，所述图像处理单元包括采集模块、数据处理模块以及学习模块；
所述采集模块，用于采集的图像作为数据集；
所述数据处理模块，用于对所述数据集进行处理，得到深度学习数据集；
所述学习模块，用于创建深度学习模型，利用所述深度学习数据集对所述深度学习模型进行训练、验证和测试，以得到深度学习识别模型。
在一些实施例中，所述采集模块采集的图像包括场景在内的人体姿态和手势图像。
在一些实施例中，所述数据处理模块包括分类标注子模块和数据集划分子模块；
所述分类标注子模块，用于对所述数据集进行分类和标注；
所述数据集划分子模块，用于将所述数据集按照6:2:2的比例划分为训练数据集、验证数据集和测试数据集。
在一些实施例中，所述学习模块包括训练子模块、验证子模块和测试子模块；
所述训练子模块，用于利用训练数据集对所述深度学习模型进行训练；
验证子模块，用于利用验证数据集对所述深度学习模型进行验证；
测试子模块，用于利用测试数据集对所述深度学习模型进行测试，以得到识别模型。
另一方面，基于上述的不涉及个人隐私的人体姿态检测传感器的照明控制方法，所述不涉及个人隐私的人体姿态检测传感器与照明设备电连接，其特征在于，所述方法包括：
所述不涉及个人隐私的人体姿态检测传感器实时采集空间中的场景信息和人体姿态信息；
利用识别模型对采集到的空间中的场景信息和人体姿态信息进行推理分析，并进行分类；
根据分类情况生成用于控制照明设备的控制编码；
所述照明设备根据控制编码进行灯光调节。
在一些实施例中，所述利用识别模型对采集到的空间中的场景信息和人体姿态信息进行推理分析，并进行分类的步骤中，当包含涉及个人隐私动作的信息时，将其划分为与其它不涉及个人隐私动作的信息所属的分类类型中。
在一些实施例中，所述涉及个人隐私动作包括性爱动作以及裸体姿态。
本发明与现有技术相比的有益效果是：本发明将图像传感单元、图像处理单元以及编码输出单元封装于一个芯片上，该芯片没有图像输出接口和管脚，不能输出图像，图像传感单元采集到的图像只能提供给在同一颗芯片内的图像处理单元进行处理，根据图像处理单元的处理结果，编码输出单元将根据场景信息、人体姿态信息和手势信息，以数字或字符的形式输出给开发者使用。当用来控制照明设备时，对于某些隐私的场景和动作，如性爱动作、裸体姿态可以划分为与其它不涉及个人隐私动作的信息所属的分类类型中，从而从根本上避免了输出用户的隐私，解决了用户担心的隐私泄露问题，但同时可以满足相应的照明效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明不涉及个人隐私的人体姿态检测传感器具体实施例的结构封装框图；
图2为本发明不涉及个人隐私的人体姿态检测传感器具体实施例中图像传感单元的示意性框图；
图3为本发明不涉及个人隐私的人体姿态检测传感器具体实施例中图像处理单元的示意性框图；
图4为本发明不涉及个人隐私的人体姿态检测传感器具体实施例中数据处理模块的示意性框图；
图5为本发明不涉及个人隐私的人体姿态检测传感器具体实施例中学习模块的示意性框图。
具体实施方式
下面将结合本发明具体实施例，对本发明的技术方案进行清楚、完整地描述，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。
应当理解，当在本说明书和权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
图1示出了本发明的不涉及个人隐私的人体姿态检测传感器的一种实施例的示意图。
该不涉及个人隐私的人体姿态检测传感器，包括设于芯片内的图像传感单元1、图像处理单元2以及编码输出单元3(传感器可以是芯片封装形式，也可以是其它不能拆解的封装形式)；图像传感单元1用于将采集到的图像传输给图像处理单元2，图像处理单元2通过深度学习识别模型推理分析出图像中的场景信息和人体姿态信息；编码输出单元3用于根据场景信息和人体姿态信息设定相应的控制编码进行输出。
该传感器是没有图像输出接口和PIN脚的，如MIPI,DVP,SPI等任何形式的接口和图像数据PIN脚。图像传感单元1采集到的图像数据只能在芯片内部传递，并且只能传递给图像处理单元2进行处理，图像处理单元2处理后输出的结果只能通过编码输出单元3输出各种场景和人体姿态的数字或字母编码，如0000代表读书，0001代表睡觉，0002代表喝茶等。因此，该传感器做到了不会向用户或者开发者输送任何的图像数据，只会输出编码并通过外部PIN脚输送给开发者使用，即使强行拆解传感器或者开发人员也无法获得内部的图像数据，这样就从根本上解决了用户担心的涉及到属于隐私的图像数据被泄露的问题，例如类似用户的性爱图像数据或者裸体图像数据就能够被避免泄露。
另外，在一些实施例当中，编码输出单元3所能实现的功能也可以集成在图像处理单元2当中，这样就不必单独划分出一个编码输出单元3。
图2示出了在一些实施例当中图像传感单元1的示意性框图。该图像传感单元1包括阵列模块11、行选择模块12以及信号处理模块13；其中，
阵列模块11，用于外界光照射像素阵列，发生光电效应，在像素单元内产生相应的电荷；
行选择模块12，用于选通相应的行像素单元；
信号处理模块13，用于将图像信号转换成数字图像信号输出。
图3示出了在一些实施例当中图像处理单元2的示意性框图，该图像处理单元2包括采集模块21、数据处理模块22以及学习模块23；其中，
采集模块21，用于采集的图像作为数据集，其中，采集的图像包括场景在内的人体姿态和手势图像；
数据处理模块22，用于对数据集进行处理，得到深度学习数据集。
在一些实施例中，请参考图4，数据处理模块22包括分类标注子模块221和数据集划分子模块222；其中，
分类标注子模块221，用于对数据集进行分类和标注；
数据集划分子模块222，用于将数据集并按照6:2:2的比例划分为训练数据集、验证数据集和测试数据集，作为深度学习数据集。
在一些实施例中，首先把每一张图像进行分类，确定该图像对应的场景和人体姿态，使用该场景和人体姿态来对图像进行标注，如0000代表读书，0001代表睡觉，0002代表喝茶等等。
学习模块23，用于创建深度学习模型，利用深度学习数据集对深度学习模型进行训练、验证和测试，以得到深度学习识别模型。
通过将深度学习识别模型移植到芯片中，可实现对现场采集图像的推理分析。
在一些实施例中，请参考图5，学习模块23包括训练子模块231、验证子模块232和测试子模块233；其中，
训练子模块231，用于利用训练数据集对深度学习模型进行训练；
验证子模块232，用于利用验证数据集对深度学习模型进行验证；
测试子模块233，用于利用测试数据集对深度学习模型进行测试，以得到识别模型。
在一些实施例中，使用训练数据集对深度学习模型进行训练，使用验证数据集调整深度学习模型的超参数，使用测试数据集对深度学习模型的性能进行评估。
需要说明的是，上述数据采集、数据处理和学习过程是在具有更强大处理能力的服务器和工作站上完成的，通过将训练完成的深度学习识别模型移植到芯片中，实现对现场采集图像的推理分析。
基于上述的不涉及个人隐私的人体姿态检测传感器，可以应用在一些具体的领域，最合适的是照明领域，通过不涉及个人隐私的人体姿态检测传感器来实现照明设备的灯光调控。下面通过具体实施例内介绍调控的方法。
一种基于上述的不涉及个人隐私的人体姿态检测传感器的照明控制方法，不涉及个人隐私的人体姿态检测传感器与照明设备电连接，该方法包括以下步骤：
S10、不涉及个人隐私的人体姿态检测传感器实时采集空间中的场景信息和人体姿态信息。
由于在实际使用时，需要实时的对灯光进行调控，因此，需要不涉及个人隐私的人体姿态检测传感器实时采集空间中的场景信息和人体姿态信息。结合空间中的场景信息和人体姿态信息便为灯光的调节提供了基础数据。
S20、利用识别模型对采集到的空间中的场景信息和人体姿态信息进行推理分析，并进行分类。
由于需要根据不同的场景信息和人体姿态信息来调节灯光的明暗程度，例如，用户在看书时需要一种灯光效果，用户在休息时需要一种灯光效果，用户在喝茶时需要一种灯光效果。当然，为了保证相应照明效果的前提下更好的保护个人隐私，因此，当场景信息和人体姿态信息包含个人隐私动作的信息(例如，性爱动作以及裸体姿态)时，将其划分为与其它不涉及个人隐私动作的信息所属的分类类型中。比如，当场景信息中包含性爱动作时，则将此情况划分到与用户在休息时的情形，即在此情况下灯光效果跟用户在休息时的灯光效果一样。
S30、根据分类情况生成用于控制照明设备的控制编码；
由于不涉及个人隐私的人体姿态检测传感器不会输出图像数据，只会以编码的形式输出，因此，在对场景信息和人体姿态信息分类后，需要根据分类的情况生成控制灯光的编码，例如，生成0000编码，则代表是用户读书的状态，那么此时照明设备的灯光效果则调节到读书时所适应的明暗程度；生成0001编码，则代表是用户休息的状态，那么此时照明设备的灯光效果则调节到休息时所适应的明暗程度；生成0002编码，则代表是用户喝茶的状态，那么此时照明设备的灯光效果则调节到喝茶时所适应的明暗程度。
S40、照明设备根据控制编码进行灯光调节。
照明设备根据接收到的控制编码进行对应的灯光明暗程度调节即可。由于照明设备接收到的直接是控制编码，那么对于照明设备而言，不需要再进一步的进行数据的转换和处理，直接可以使用，对照明设备硬件要求低，而且反映更加灵敏，灯光效果的切换更加流畅。
需要说明的是，在实际使用时，上述的不涉及个人隐私的人体姿态检测传感器可以与照明设备分开设置使用，亦可以将不涉及个人隐私的人体姿态检测传感器集成在照明设备中使用，这可根据照明产品而定，例如，台灯这种照明产品，那么可以将不涉及个人隐私的人体姿态检测传感器集成在台灯上，如果是卧室或者客厅这种覆盖区域较广的照明系统，那么，可以将不涉及个人隐私的人体姿态检测传感器与照明系统分开设置，只要保证不涉及个人隐私的人体姿态检测传感器与照明系统电连接即可。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。