近年来,随着大数据和计算能力的提升,人工智能技术得到了很好的发展和应用。教育部2018年印发了《教育信息化2.0行动计划》,该文件中着重强调了高校应该利用人工智能、大数据和云计算等新兴技术助力高校教学、管理和服务。未来将这些高新技术应用于高校教室照明系统,必将对高校教室照明的节电、节能以及智能化改革产生深远与重要的意义。人类的生产和生活离不开能源的消耗,随着我国经济和社会的快速发展,能源短缺的问题日趋严重,减少不必要的能源消耗是解决能源紧缺问题的一种行之有效的方式。高校作为人口密集区是能源尤其是电能消耗的大户,其中照明用电占有很大的比重。由于节能意识的薄弱,高校“长明灯”现象随处可见,照明设施的运维管理多采用人工巡查的方式,成本高且效率低下,造成大量的电力资源浪费。本课题主要针对如何改善和提高高校教室照明的节能化和智能化水平,设计了一种基于深度学习的高校教室智能照明系统,解决高校照明电能浪费以及管理中的人工维护运行成本高、管理难度大等问题,主要从以下几个方面进行阐述:(1)系统总体方案设计。讨论了智能照明系统的总体架构,并对系统中软件算法模块、控制模块、上位机监控模块和通信方式进行了设计和介绍。(2)设计和训练教室人体检测模型。在介绍了深度学习相关理论知识后根据该应用场景选择了Faster RCNN神经网络作为教室人体检测模型,然后对模型适配,利用Crowd Human公开数据集对模型进行了预训练并手工标注了教室人群数据集,最后利用自制数据集对预训练模型进行深度迁移学习后获得了不错的教室人体检测模型。(3)设计和训练教室人体区域定位模型。针对计算机视觉特点设计了一种利用深度学习分类网络实现教室人体区域定位的方案,在实验中采用多种分类网络(AlexNet、VGG16、ResNet18、ResNet50)对模型进行了训练,并对训练后的网络模型进行评估后选择ResNet18作为教室人体区域定位的最佳分类网络,完成人体图像坐标到照明区域的映射。(4)监控平台和硬件模块的搭建与系统测试。首先针对上位机监控模块的功能需求实现了操作简单、界面友好的上位机监控平台。然后对控制模块中各个硬件(微控制器、Zigbee模块、人体红外检测模块和照度检测模块)进行了介绍和选择,设计了硬件电路逻辑,最后搭建了单间教室硬件模型,对智能照明系统进行了模拟测试。