一种基于云平台的灯光同步控制方法、设备、介质和产品与流程

本技术涉及同步控制的，尤其是涉及一种基于云平台的灯光同步控制方法、设备、介质和产品。

背景技术：

1、在现代舞台表演、展览展示及多媒体娱乐等领域，灯光效果的实时控制与精准同步是创造视觉盛宴的关键。当前，随着技术的不断进步，现场灯光系统已逐渐实现智能化与网络化，在舞台表演中，灯光效果的精准同步能够增强演出的节奏感和视觉效果；在展览展示中，灯光效果的精准同步能够提升展品的展示效果和观众的沉浸感。

2、在灯光表演中，会综合实时灯光画面、预先录制的灯光画面和其他可能存在的灯光源来整合形成整体灯光画面，以达到具有艺术感和感染力的灯光效果。然而，由于不同画面模组之间可能存在时间基准的差异、数据传输的延迟以及处理速度的不一致等问题，导致整体灯光画面、实时灯光画面、预先录制的灯光画面之间无法实现精准同步。

3、因而，如何提供一种基于云平台的灯光同步控制方法是本领域技术人员亟待解决的问题。

技术实现思路

1、本技术的目的是提供一种基于云平台的灯光同步控制方法、设备、介质和产品，用于解决以上至少一项技术问题。

2、本技术的上述发明目的是通过以下技术方案得以实现的：

3、第一方面，本技术提供一种基于云平台的灯光同步控制方法，采用如下的技术方案：

4、一种基于云平台的灯光同步控制方法，包括：

5、获取实时灯光数据、预录制灯光数据、整体灯光数据和网络环境因素，其中，所述实时灯光数据用于表征当前灯光环境的即时状态、所述预录制灯光数据用于表征预设的灯光效果序列、所述整体灯光数据用于表征输出的综合视觉效果；

6、基于所述实时灯光数据、所述预录制灯光数据、所述整体灯光数据和所述网络环境因素进行特征提取，得到灯光关键特征；

7、获取同步预测模型，将所述灯光关键特征输入至所述同步预测模型中，控制所述同步预测模型对画面模组进行同步偏差预测，得到同步偏差预测结果；

8、基于所述同步偏差预测结果进行优化调整分析，确定偏差调整信息，并按照所述偏差调整信息进行自动调整，以实现对实时灯光数据、预录制灯光数据和整体灯光数据的同步校准。

9、通过采用上述技术方案，获取实时灯光数据、预录制灯光数据、整体灯光数据和网络环境因素，并基于实时灯光数据、预录制灯光数据、整体灯光数据和网络环境因素进行特征提取，得到灯光关键特征。然后，获取同步预测模型，将灯光关键特征输入至同步预测模型中，控制同步预测模型对画面模组进行同步偏差预测，得到同步偏差预测结果，在此之后，基于同步偏差预测结果进行优化调整分析，确定偏差调整信息，并按照偏差调整信息进行自动调整，以实现对实时灯光数据、预录制灯光数据和整体灯光数据的同步校准。

10、本技术在一较佳示例中可以进一步配置为：所述同步预测模型的训练方式，包括：

11、获取历史现场灯光数据、历史预录制灯光数据、历史整合灯光数据和历史网络环境因素，并基于所述历史现场灯光数据、所述历史预录制灯光数据、所述历史整合灯光数据和所述历史网络环境因素进行特征提取，得到待训练灯光特征；

12、基于所述待训练灯光特征和同步偏差判定结果对模型进行训练，并对训练后的模型进行多维指标评估，将多维指标评估通过的模型作为同步预测模型。

13、本技术在一较佳示例中可以进一步配置为：所述按照所述偏差调整信息进行自动调整之后，还包括：

14、获取用户反馈信息，基于所述用户反馈信息对所述同步预测模型对应的同步偏差预测结果进行分析，确定模型偏差预测效果；

15、当所述模型偏差预测效果为不合格时，基于所述用户反馈信息对所述同步预测模型进行模型优化，以便提高优化后的同步预测模型的预测准确度。

16、本技术在一较佳示例中可以进一步配置为：所述基于所述实时灯光数据、所述预录制灯光数据、所述整体灯光数据和所述网络环境因素进行特征提取，得到灯光关键特征，包括：

17、基于所述实时灯光数据进行第一特征提取，确定第一关键特征，其中，所述第一关键特征包括：帧率、分辨率、颜色分布、亮度变化和运动矢量；

18、基于所述预录制灯光数据进行第二特征提取，确定第二关键特征，其中，所述第二关键特征包括：时间戳、关键帧信息和场景变化信息；

19、基于所述整体灯光数据进行第三特征提取，确定第三关键特征，其中，所述第三关键特征包括：全局亮度、色温信息和动态效果协调信息；

20、基于所述网络环境因素进行第四特征提取，确定第四关键特征，其中，所述第四关键特征包括：网络延迟、丢包率和带宽利用率；

21、综合所述第一关键特征、所述第二关键特征、所述第三关键特征和所述第四关键特征，得到灯光关键特征。

22、本技术在一较佳示例中可以进一步配置为：所述综合所述第一关键特征、所述第二关键特征、所述第三关键特征和所述第四关键特征，得到灯光关键特征，包括：

23、基于所述第一关键特征、所述第二关键特征、所述第三关键特征和所述第四关键特征进行特征融合，得到综合特征向量；

24、基于所述综合特征向量进行特征维度分析，确定特征维度分析结果；当所述特征维度分析结果为维度高时，则基于所述综合特征向量进行特征降维，得到灯光关键特征。

25、本技术在一较佳示例中可以进一步配置为：所述基于所述同步偏差预测结果进行优化调整分析，确定偏差调整信息，包括：

26、基于所述同步偏差预测结果、所述实时灯光数据、所述预录制灯光数据、所述整体灯光数据和所述网络环境因素进行原因分析，确定偏差原因；

27、基于所述偏差原因，确定偏差调整信息，其中，所述偏差调整信息包括：参数调整、数据传输优化和设备性能优化。

28、第二方面，本技术提供一种云计算设备，采用如下的技术方案：

29、至少一个处理器；

30、存储器；

31、至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述的基于云平台的灯光同步控制方法。

32、第三方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

33、一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行上所述的基于云平台的灯光同步控制方法。

34、第四方面，本技术提供了一种计算机程序产品，采用如下的技术方案：

35、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述基于云平台的灯光同步控制方法。

36、综上所述，本技术包括以下至少一种有益技术效果：

37、1.获取实时灯光数据、预录制灯光数据、整体灯光数据和网络环境因素，并基于实时灯光数据、预录制灯光数据、整体灯光数据和网络环境因素进行特征提取，得到灯光关键特征。然后，获取同步预测模型，将灯光关键特征输入至同步预测模型中，控制同步预测模型对画面模组进行同步偏差预测，得到同步偏差预测结果，在此之后，基于同步偏差预测结果进行优化调整分析，确定偏差调整信息，并按照偏差调整信息进行自动调整，以实现对实时灯光数据、预录制灯光数据和整体灯光数据的同步校准。

38、2.基于历史现场灯光数据、历史预录制灯光数据、历史整合灯光数据和历史网络环境因素进行特征提取，得到待训练灯光特征，特征提取中选取多维度数据，使得模型能够学习到更加全面的灯光变化规律和外部影响因素，从而更加准确地预测灯光控制的同步或偏差情况。然后，基于待训练灯光特征和同步偏差判定结果对模型进行训练，并对训练后的模型进行多维指标评估，将多维指标评估通过的模型作为同步预测模型。自动化的模型训练和多维评估流程降低了人工干预的需求，提高了整个系统的自动化和智能化水平，有助于降低运营成本，提高工作效率，并为后续的优化和升级提供了便利。