隱形光控開關：基於RGBD影像的人本照明控制系統

1. 緒論

室內照明設計對於人體舒適度與能源效率至關重要。在辦公室等環境中，照明常維持在最高水平，導致顯著且不必要的能源消耗。研究指出，照明可佔建築物用電量的15%以上，高峰時接近25%。傳統的節能策略聚焦於日光利用、局部控制與高效能燈具。本文介紹隱形光控開關 (ILS)，這是一種新穎的系統，能根據個別使用者的特定需求與視野動態調整照度，在無明顯降低其照明品質的前提下，實現顯著的節能效果。

2. 隱形光控開關 (ILS) 系統

2.1 核心概念與動機

ILS的核心概念是讓節能對使用者「隱形」。它會調暗或關閉不在使用者當前視野（頭部姿態視錐）內的燈具，同時為使用者正在積極使用的區域維持足夠的亮度水平。這在大型、人員稀疏的空間（如開放式辦公室）中特別有效。

2.2 系統流程概述

如PDF中圖2所示，ILS流程包含幾個關鍵步驟：

1. 輸入擷取：從攝影機系統擷取RGBD（彩色與深度）資料。
2. 場景分析：重建房間的3D幾何與光度材質屬性。
3. 人本分析：偵測人員存在，並估計頭部姿態（視線方向）。
4. 照明控制：輸出結果告知節能框架，以控制個別燈具。

3. 技術方法論

3.1 基於RGBD輸入的場景分析

系統使用RGBD影像建立環境的3D模型。這包括識別表面、其方向與近似反射率（反照率），這些對於準確的光線傳輸模擬至關重要。

3.2 人體偵測與頭部姿態估計

運用電腦視覺技術偵測場景中的人員，並估計其頭部方向。這定義了一個視錐——該人員能看到的空間範圍——這是ILS邏輯的核心。

3.3 基於輻射度法的亮度水平估計

ILS利用輻射度模型來模擬光線在室內的傳播。此全域照明模型考慮了來自光源的直接光與從表面反射的間接光。它估計人員眼睛位置的光照度（以勒克斯為單位），作為其感知亮度水平的代理指標。

4. 實驗設置與結果

4.1 使用照度計的資料集收集

作者收集了一個新穎的資料集，參與者在頭部佩戴與視線對齊的照度計裝置，以測量辦公室活動期間的真實光照度。

4.2 節能效能

在一個配備8個LED燈具的測試房間中，ILS將每日能源消耗從18,585瓦時降低至7,766瓦時（包含1,560瓦的系統運作耗電）。這代表純照明能源的急遽減少。

4.3 感知照明影響

儘管節能效果顯著，但在使用者眼睛處測得的光照度下降僅約200勒克斯。當基準照度很高時（例如，>1200勒克斯，辦公室典型值），此減少被認為是可忽略且可能無法察覺的，驗證了「隱形」的主張。

5. 關鍵見解與討論

• 人本 vs. 僅佔用偵測： ILS超越了簡單的佔用感測器，透過考慮人員正在注視何處，實現更細緻的控制。
• 感知感知的節能： 系統明確地建模並維持感知亮度水平，解決了使用者接受自動照明控制的關鍵障礙。
• 大型空間的可擴展性： 在大型開放式辦公室中效益更為顯著，傳統上單一使用者需要照亮廣大區域。
• 與建築系統整合： ILS契合更廣泛的節能策略金字塔（圖1），作為高效能燈具與日光利用之上的智慧層。

6. 原創分析：核心洞察、邏輯流程、優缺點、可行建議

核心洞察： 本文的巧妙之處在於其心理學上的轉向：它並非要求使用者為了節能而忍受較暗的光線（一個難以推行的方案），而是巧妙地利用了人類視覺系統的局限性。在我們即時視野之外的光線，對我們感知的亮度貢獻甚微。ILS將此視覺缺口武器化，將其轉變為能源儲備。這與人機互動的原則相符，即無縫、非侵入式的自動化勝過明確的使用者指令，類似於Google智慧撰寫或Apple主動式Siri建議背後的預測演算法。

邏輯流程： 論證在經濟上是合理的。它從照明無可否認的成本開始（引用Kralikova & Zhou）。接著批評了像佔用感測器這樣的粗暴解決方案，它們能在空房間關燈，但在部分佔用的空間中卻效果不彰。ILS被定位為下一個進化步驟：細緻的、感知感知的控制。從RGBD輸入 → 3D場景 + 人體姿態 → 輻射度模型 → 燈具控制的技術流程在邏輯上連貫，借鑒了成熟的電腦視覺技術（例如來自CycleGAN或Mask R-CNN系譜的影像理解技術），並將其應用於物理空間中一個新穎的、受限的最佳化問題。

優缺點： 其優勢在於其引人注目、經人體驗證的概念驗證。66%的節能數字令人震驚，足以吸引任何設施管理者的注意。然而，缺點在於可擴展性與隱私領域。依賴RGBD攝影機進行連續姿態追蹤，對於工作場所實施而言是隱私噩夢，引發了類似於亞馬遜倉庫監控的擔憂。對動態場景進行即時輻射度計算的成本不容小覷，這是像MIT CSAIL等機構的圖形研究中所承認的挑戰。「眼睛處的勒克斯」代理指標雖然合理，但過度簡化了像眩光、色溫偏好和晝夜節律影響等感知指標，這些是照明研究中心 (LRC) 的活躍研究領域。

可行建議： 對於建築科技公司而言，當務之急是在低隱私風險、高天花板的環境中（如倉庫或禮堂）試行ILS。研究社群應專注於開發使用低解析度熱感測或匿名深度感測器的隱私保護版本，並整合比完整輻射度更簡單、更快速的照明模型。對於標準制定機構，這項工作強調了迫切需要更新建築能源法規，以獎勵感知感知系統，而不僅僅是流明輸出。在控制迴路中忽略人為因素，等於將巨大的節能潛力棄之不顧。

7. 技術細節與數學公式

輻射度法是ILS的核心。它求解由離散面片組成的環境中的平衡光線分佈。對於面片i的基本輻射度方程式為：

$$B_i = E_i + \rho_i \sum_{j=1}^{n} B_j F_{ji}$$

其中：

• $B_i$：面片i的輻射度（離開該面片的總光量）。
• $E_i$：自發射輻射度（非光源為零）。
• $\rho_i$：面片i的反射率（反照率）。
• $F_{ji}$：從面片j到面片i的形狀因子，表示離開j的能量中到達i的比例。這是一個從3D場景模型計算出的幾何項。
• 總和計算來自所有其他面片j的光線。

ILS透過將燈具視為發射面片來修改此模擬。透過求解此方程組，它可以透過加總所有可見面片的貢獻來估計任一點（如使用者眼睛）的光照度。控制演算法接著調暗那些直接和重要的間接貢獻落在使用者視錐之外的燈具。

8. 分析框架：範例個案研究

情境： 一名員工在配備20個天花板LED燈板的大型開放式辦公室中加班。

傳統系統： 動作感測器可能會保持該區域所有燈光開啟（例如，15個燈板），消耗約15,000瓦。

ILS框架應用：

1. 輸入： RGBD攝影機偵測到辦公桌前有一人，頭部姿態朝向顯示器與文件。
2. 視錐計算： 系統定義一個從人員頭部延伸的錐形視野體積。只有4個LED燈板直接位於此體積內或對其有顯著照明貢獻。
3. 輻射度模擬： 模型計算出調暗其他16個燈板僅使眼睛位置的光照度降低180勒克斯（從1100降至920勒克斯）。
4. 控制動作： ILS將16個非必要燈板調暗至10%功率，保持4個必要燈板在100%。
5. 結果： 能源使用降至約4,000瓦。員工未察覺其工作空間亮度有明顯變化，因為其任務區域仍保持良好照明。公司在不影響生產力或舒適度的情況下節省了能源。

9. 未來應用與研究方向

• 多使用者最佳化： 擴展ILS邏輯，為具有潛在衝突視錐的多位人員動態最佳化照明，將其表述為多目標最佳化問題。
• 與晝夜節律照明整合： 結合節能調光與動態色溫調整，以支持使用者的健康與福祉，遵循如Well Living Lab等機構的研究。
• 隱私設計感測： 以超低解析度深度感測器或匿名基於射頻的存在感測（例如，Wi-Fi或毫米波雷達）取代詳細的RGBD攝影機，以減輕隱私顧慮。
• 邊緣AI與更快速模型： 在燈具內部的邊緣AI晶片上實現視覺與控制演算法，使用近似或機器學習的代理模型來替代輻射度計算，以實現即時運作。
• 超越辦公室： 應用於博物館（僅照亮正在觀賞的藝術品）、零售業（突顯顧客注視的產品）以及工業環境（為組裝工作提供任務照明）。

10. 參考文獻

1. Tsesmelis, T., Hasan, I., Cristani, M., Del Bue, A., & Galasso, F. (2019). Human-centric light sensing and estimation from RGBD images: The invisible light switch. arXiv preprint arXiv:1901.10772.
2. International Association of Lighting Designers (IALD). (n.d.). What is Lighting Design?
3. Kralikova, R., & Wessely, E. (2012). Lighting energy savings in office buildings. Advanced Engineering.
4. Zhou, X., et al. (2016). Energy consumption of lighting in commercial buildings: A case study. Energy and Buildings.
5. Lighting Research Center (LRC), Rensselaer Polytechnic Institute. (n.d.). Human Health and Well-Being.
6. He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R-CNN. IEEE International Conference on Computer Vision (ICCV).
7. Zhu, J., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. IEEE International Conference on Computer Vision (ICCV).