一种LED巨幕逐点校正系统、方法、设备及介质与流程

本发明涉及人工智能，尤其涉及一种led巨幕逐点校正系统、方法、设备及介质。

背景技术：

1、随着科技的进步，人们对高清晰度、高质量的视觉体验有了更高的要求。像素逐点校正可以确保led巨幕显示内容的清晰度、色彩还原度等方面的表现，从而提升观众的观赏体验。

2、现阶段，led巨幕的校正方法缺乏针对不同环境和场景的自适应性，这意味着在不同情况下需要重新调整参数，增加了校正的复杂性和耗时。

技术实现思路

1、本发明提供一种led巨幕逐点校正系统、方法、设备及介质，其主要目的在于解决自助收银时的效率较低的问题。

2、为实现上述目的，本发明提供的一种led巨幕逐点校正系统，其特征在于，所述系统包括属性采集模块、模型构建模块、参数调整模块、非线性转化模块、线性组合模块及像素逐点校正模块，其中：

3、所述属性采集模块，用于根据预先获取的led巨幕的实时数据生成所述led巨幕的实时像素属性；

4、所述模型构建模块，用于利用预设的径向基函数构建所述led巨幕的初始自适应控制模型，其中，所述预设的径向基函数为：

5、

6、其中，hj是第j个所述初始自适应控制模型中隐含层的神经元的输出量，x是所述初始自适应控制模型的输入变量，cj是第j个所述神经元的中心向量，bj是控制第j个所述神经元响应速度的参数，j是所述神经元的标识，∥∥x-cj∥∥是向量x-cj的范数；

7、所述参数调整模块，用于对所述初始自适应控制模型进行网络参数调整，得到所述led巨幕的目标自适应控制模型；

8、所述非线性转化模块，用于利用所述目标自适应控制模型对所述实时像素属性进行非线性转化，得到所述实时像素属性的转化属性；

9、所述线性组合模块，用于根据所述目标自适应控制模型中输出层权重对所述转化属性进行线性组合，得到所述转化属性的加权属性；

10、所述像素逐点校正模块，用于根据所述加权属性生成所述led巨幕的控制参数，利用所述控制参数对所述led巨幕进行像素逐点校正，得到校正后的led巨幕。

11、可选地，所述属性采集模块在根据预先获取的led巨幕的实时数据生成所述led巨幕的实时像素属性时，具体用于：

12、对预先获取的led巨幕的实时数据进行归一化处理，得到所述实时数据的归一化数据；

13、对所述归一化数据进行属性特征提取，得到所述归一化数据的属性特征，确定所述属性特征为所述led巨幕的实时像素属性。

14、可选地，所述属性采集模块在对预先获取的led巨幕的实时数据进行归一化处理，得到所述实时数据的归一化数据时，具体用于：

15、利用预设的归一化算法对预先获取的led巨幕的实时数据进行归一化处理，得到所述实时数据的归一化数据，其中，所述预设的归一化算法为：

16、

17、其中，xnew是所述实时数据的归一化数据，x是所述实时数据，xmin是所述实时数据中的最小值，xmax是所述实时数据中的最大值。

18、可选地，所述参数调整模块在对所述初始自适应控制模型进行网络参数调整，得到所述led巨幕的目标自适应控制模型时，具体用于：

19、确定所述初始自适应控制模型的损失函数；

20、将预设的训练集中的输入数据输入至所述初始自适应控制模型，得到所述初始自适应控制模型的模型输出；

21、根据所述训练集中的数据标签、所述模型输出和所述损失函数生成所述初始自适应控制模型的损失值；

22、根据所述损失值对所述初始自适应控制模型进行参数调整，得到所述led巨幕的目标自适应控制模型。

23、可选地，所述损失函数为：

24、

25、其中，l是所述初始自适应控制模型的损失值，i是所述输入数据的数据标识，n是所述输入数据的数据总数，yi是第i个所述输入数据所对应的数据标签，yi′是第i个所述输入数据所对应的模型输出。

26、可选地，所述线性组合模块在根据所述目标自适应控制模型中输出层权重对所述转化属性进行线性组合，得到所述转化属性的加权属性时，具体用于：

27、确定所述所述目标自适应控制模型中输出层的权重矩阵；

28、根据所述权重矩阵和预设的加权算法对所述转化属性进行线性组合，得到所述转化属性的加权属性，其中，所述预设的加权算法为：

29、ym＝w1h1+w2h2+w3h1+…wmhm

30、其中，ym是所述转化属性的加权属性，h1是所述转化属性中第1个属性特征，h2是所述转化属性中第2个属性特征，hm是所述转化属性中第m个属性特征，w1是第1个属性特征所对应的特征权重，w2是第2个属性特征所对应的特征权重，wm是第m个属性特征所对应的特征权重。

31、可选地，所述像素逐点校正模块在根据所述加权属性生成所述led巨幕的控制参数时，具体用于：

32、根据所述加权属性提取出所述led巨幕的控制参数，其中，所述控制参数，包括：亮度参数、色彩参数、色温参数。

33、为了解决上述问题，本发明还提供一种led巨幕逐点校正方法，其特征在于，所述方法包括：

34、根据预先获取的led巨幕的实时数据生成所述led巨幕的实时像素属性；

35、利用预设的径向基函数构建所述led巨幕的初始自适应控制模型，其中，所述预设的径向基函数为：

36、

37、其中，hj是第j个所述初始自适应控制模型中隐含层的神经元的输出量，x是所述初始自适应控制模型的输入变量，cj是第j个所述神经元的中心向量，bj是控制第j个所述神经元响应速度的参数，j是所述神经元的标识，∥∥x-cj∥∥是向量x-cj的范数；

38、对所述初始自适应控制模型进行网络参数调整，得到所述led巨幕的目标自适应控制模型；

39、利用所述目标自适应控制模型对所述实时像素属性进行非线性转化，得到所述实时像素属性的转化属性；

40、根据所述目标自适应控制模型中输出层权重对所述转化属性进行线性组合，得到所述转化属性的加权属性；

41、根据所述加权属性生成所述led巨幕的控制参数，利用所述控制参数对所述led巨幕进行像素逐点校正，得到校正后的led巨幕。

42、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

43、至少一个处理器；以及，

44、与所述至少一个处理器通信连接的存储器；其中，

45、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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上述所述的led巨幕逐点校正方法。

46、为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的led巨幕逐点校正方法。

47、本发明通过预先获取的led巨幕的实时数据，可以准确地获取led巨幕当前的像素属性，利用预设的径向基函数构建初始自适应控制模型，对初始自适应控制模型进行网络参数调整，得到目标自适应控制模型，可以进一步优化模型的性能，使其更加适应实际情况，提高校正的准确性，利用目标自适应控制模型对实时像素属性进行非线性转化，并根据输出层权重对转化属性进行线性组合，这样可以将复杂的像素属性转化为简单的加权属性，减少计算量和复杂度,根据加权属性生成led巨幕的控制参数，并利用这些参数对led巨幕进行像素逐点校正，通过逐点校正，可以准确地调整每个像素的亮度、颜色等属性，提高整体的显示效果，因此本发明提出的led巨幕逐点校正系统、方法、设备及介质，可以提高led巨幕逐点校正的效率。