1.基于注意力因素的照明控制装置，其包括：光色传感单元、图像采集单元、心率采集单元、控制单元、用户接口单元、用户身份识别单元和调光映射单元，所述光色传感单元采集工作面光照的照度、色温等光色参数，所述图像采集单元采集学习者的面部及工作面区域的图像，所述心率采集单元采集学习者的心率，所述调光映射单元将工作面照度、色温等光色参数映射为灯组驱动电流，所述用户接口单元用来进行参数输入和按键操作，所述用户身份识别单元用来识别用户身份，所述控制单元中有一个输出模块用来进行信号显示并将注意力因素值、调光信号输出；

所述控制单元还包括处理模块、迭代学习模块、神经网络模块、连接切换器和存储模块，并且其被配置为：处理模块对光色传感单元采集的信号进行处理获取工作面照度、色温等光色参数，对图像采集单元采集的信号进行处理获取学习者的眼睛开度值、视线专注度值、视线移动速率，并通过读取心率采集单元的信号获取学习者的心率，其中视线专注度为视线偏移距离即当前视线与工作面交点到所预设工作面区块的最短距离，神经网络模块以工作面照度、色温及持续学习时间共3个参数作为输入量，以学习者眼睛开度、视线专注度、心率3个体征参数，及其各自对应的注意力因素值共6个用来表征注意力因素的参数作为输出量，建立RBF神经网络，处理模块中的调光处理部通过输出模块向灯组发出调光信号，对变化后的光环境基于光色传感单元、图像采集单元和心率采集单元获取RBF神经网络的训练样本，迭代学习模块通过连接切换器分别从处理模块获取训练样本对应的6个输出量实际值，从神经网络获取该训练样本对应3个输入量经神经网络处理后的6个映射值，根据该6个输出量实际值及6个映射值来调整神经网络结构参数以对神经网络进行训练，并重复训练直至完成，在现场环境中，处理模块中的照明优化处理部基于注意力因素参数建立光环境评价函数，对不同用户分别以所述用户对应的经训练的RBF神经网络对不同光色参数条件下的6个注意力因素参数进行预测，通过多目标优化算法，在现场灯组光色参数可取值的空间范围内，对工作面照度、色温进行寻优，并将寻优结果传输给调光映射单元；

调光映射单元将寻优结果映射为灯组各驱动电流通道的驱动电流值，并通过输出模块的通信接口输出。

2.根据权利要求1所述的基于注意力因素的照明控制装置，其特征在于，所述调光映射单元中含有一个工作面照度、色温组成的光色空间至双通道驱动电流空间的转换多项式，对于所述寻优结果(E0，K0)，通过该多项式计算双通道驱动电流值i01和i02：i01＝α1·E0+α2·K0+α3·E0·K0+α4·E02+α5·K02i02＝β1·E0+β2·K0+β3·E0·K0+β4·E02+β5·K02。

3.根据权利要求1所述的基于注意力因素的照明控制装置，其特征在于，所述光色参数还包括工作面光照颜色的xyz色坐标值，所述RBF神经网络以工作面照度、色温、颜色的xyz色坐标值共5个光色参数及持续学习时间共6个参数作为输入量，所述调光映射单元被控制单元中建立的BP神经网络代替，所述BP神经网络以5个光色参数作为输入量，以w个驱动电流通道的电流值作为输出量，建立人工神经网络，所述调光处理部通过输出模块向灯组发出调光信号时，对变化后的光环境进行光色信号采集与处理的同时还记录调光所对应的w个驱动电流通道的驱动电流值，以形成BP神经网络的训练样本集并用样本集对所述BP神经网络进行训练，在现场环境中，经训练的BP神经网络将寻优结果映射为灯组各驱动电流通道的驱动电流值，并通过输出模块的通信接口输出。

4.根据权利要求1所述的基于注意力因素的照明控制装置，其特征在于，所述RBF神经网络的模型为：隐层第i个节点输出为：

输出层第j个节点输出为：

其中，输入向量X的维数为6，隐层H节点数为p个，输出向量Y的维数为6，Ci为隐层第i个节点高斯函数的中心，σi是高斯函数中心的宽度，||X-Ci||是向量X和Ci之间的欧氏距离，wij为第i个隐层节点到第j个输出节点间的权值。

5.基于注意力因素的照明控制装置，其包括：光色传感单元、图像采集单元、心率采集单元、控制单元、用户接口单元，所述光色传感单元采集工作面光照的照度、色温等参数，所述图像采集单元采集学习者的面部及工作面区域的图像，所述心率采集单元采集学习者的心率，所述用户接口单元用来进行参数输入、按键操作和用户身份识别，所述输出模块用来进行信号显示并将注意力因素值、调光信号输出；

所述控制单元包括处理模块、迭代学习模块、神经网络模块、连接切换器、输出模块和存储模块，并且其被配置为：处理模块对对图像采集单元采集的信号进行处理获取学习者的眼睛开度值、视线专注度值、视线移动速率，并通过读取心率采集单元的信号获取学习者的心率，神经网络模块以u个LED串的驱动电流、及v个照射角度，共w个照明参数及持续学习时间作为输入量，以学习者的眼睛开度、视线专注度、心率3个体征参数及其各自对应的注意力因素值共6个注意力因素参数作为输出量，建立RBF神经网络，处理模块中的调光处理部通过输出模块或用户接口单元向灯组发出调光信号，对变化后的光环境基于图像采集单元、心率采集单元及调光信号获取RBF神经网络的训练样本集，用样本集对RBF神经网络进行训练，在现场环境中，处理模块中的照明优化处理部基于6个注意力因素参数建立光环境评价函数，对不同用户分别以所述用户对应的经训练的RBF神经网络对不同照明参数条件下的注意力因素参数进行预测，通过多目标优化算法，在现场灯组照明参数可取值的空间范围内，对LED串的驱动电流、及照射角度进行高注意力评价值的寻优，将寻优获得的LED串的驱动电流、及照射角度，通过输出模块的通信接口输出。

6.基于注意力因素的照明控制方法，包括以下步骤：

S1、初始化，在控制单元中建立RBF神经网络，所述神经网络以工作面照度、色温等光色参数及持续学习时间共3个参数作为输入量，以学习者的眼睛开度、视线专注度、心率3个体征参数，及其各自对应的注意力因素值共6个用来表征注意力因素的参数作为输出量，其中视线专注度为视线偏移距离；

S2、通过控制单元的输出模块向可调光LED灯组发出调光信号，对变化后的光环境基于光色传感单元、图像采集单元和心率采集单元进行信号采集，处理模块对所采集信号进行处理，获得所述RBF神经网络的训练样本；

S3、重复进行步骤S2多次，获取所述RBF神经网络的训练样本集，并用样本集对RBF神经网络进行训练；

S4、确定多目标优化算法中将工作面照度、色温等光色参数进行编解码的策略，并确定其各自取值区间，初始化进化群体；

S5、针对搜索空间内进化群体中的各个体，基于其光色参数及当前持续学习时间用训练后的RBF神经网络对其注意力参数进行预测，获得眼睛开度、视线专注度、心率及其各自的注意力因素值共6个注意力因素参数预测值；

S6、基于所述预测值，按所建立的光环境评价函数计算其注意力评价值，并根据所述评价值进行交叉遗传和变异操作，更新进化群体；

S7、转至步骤S5，反复迭代，直至寻优结束后，输出Pareto优化解；

S8、将优化解映射为灯组各驱动电流通道的驱动电流值，并将所述电流值传送给灯组内的驱动器进行调光。

7.根据权利要求6所述的基于注意力因素的照明控制方法，其特征在于，所述步骤S2中，通过如下处理过程获得注意力因素参数中的注意力因素值：T1、对于眼睛开度序列de，先通过下式进行窗口平均滤波，获得当前时刻的眼睛开度e，再通过间隔移动窗口，获得眼睛开度的下采样序列Xe，Xe＝{e(0),e(Ts),e(2Ts),...}，

接着，对序列Xe用下式进行函数拟合：y＝a·e-b·x，根据所拟合出的函数，求取开度变化时间tu，其中，L为窗口宽度，Ts为下采样间隔，a、b均为拟合系数，E1、E2为眼睛开度的两个阈值，对于归一化的眼睛开度值序列，E1、E2在0～1之间取值；

分别根据眼睛开度e、开度变化时间tu，计算眼睛开度第一、第二体征值，其中，be、ce为根据统计所获得的、覆盖了正常状态下设定比例的眼睛开度值的区间的下限值与上限值，ae、de则分别为另两个预设下限值与上限值；btu为正常状态下当前持续学习时间范围内覆盖了设定比例的眼睛开度变化时间的上限值，atu为设定的下限值；

计算眼睛开度的注意力因素值为，

ke＝ke1·ke2；

T2、对于视线专注度，检测学习者视线与工作面的交点，若所述交点落在预设工作面区块范围之外，计算所述交点到工作面区块的最短距离并记录其对应的视点连续超出预设范围的时间长度，对于所述距离序列dd，先通过窗口平均滤波获得当前视线偏移距离d，同时计算对应窗口时间范围内视点连续超出预设范围的最大时间长度td，分别根据所述距离d、时间长度td，计算视线专注度的第一、第二体征值，其中，a、b为拟合系数，Td是正常状态下当前持续学习时间范围内覆盖了设定比例的、视点连续超出预设范围的最大时间长度，σ是一个预设的宽度值；

计算视线专注度的注意力因素值为，

kd＝kd1·kd2；

T3、对于心率数据序列，根据正常状态下心率期望值设定一个上下波动区间，统计以当前时间为中心一预设时间长度内、数据波动超出所述波动区间范围的的次数N，以及所述预设时间长度内心率在所述区间范围内的样本个数占比Rb，N＝N++N-，

其中，N+为跨出所述区间的次数，N-则是跨入所述区间的次数；

分别根据所述次数N、占比Rb，计算心率的第一、第二体征值，

其中，TN是正常状态下当前持续学习时间范围内覆盖了设定比例的、心率超出波动区间范围的最大次数，σN是一个预设的宽度值，aRb、bRb则是根据统计设定的两个比例阈值；

计算视线专注度的注意力因素值为，

kb＝kb1·kb2。

8.根据权利要求6所述的基于注意力因素的照明控制方法，其特征在于，所述步骤S6中所述光环境评价函数为，其中，fi分别为眼睛开度、视线专注度、心率的注意力参数评价值，wi为其对应的权值，各fi的定义如下：f3＝fp1·fp2·kb，

其中，

式中，e为当前时刻的眼睛开度值，eT为眼睛开度阈值，ke为眼睛开度的注意力因素值；

dp为视线偏移距离，dS为其对应的距离阈值，kd为视线专注度的注意力因素值；p为当前单位时间内心跳次数即心率，pT为其对应的的阈值，ap为单位时间内心率的变化，a1和a2为其对应的心率变化即心率加速度的阈值，a3为设定的变化率区间宽度值，kb为心率的注意力因素值。

9.根据权利要求6所述的基于注意力因素的照明控制方法，其特征在于，设置一个含游标的滑动输入器，所述步骤S6还包括：在根据光环境评价函数计算出总评价值F后，再根据学习者对滑动输入器进行操作后游标的位置，对所述评价值进行调整：F'＝F·(1+η·Δ)，

其中，E为当前个体对应的待评分的光的照度，E0为当前光的照度且其对应于滑动输入器上正中间的位置，当游标朝滑动输入器左右两边滑动时左右两端位置分别对应于E0的

0.9和1.1倍照度，En为用户操作后游标位置对应的照度，Δ为按照度进行评分调整的设定阈值，η为调整系数，F和F'分别为调整前后的评分值。

10.基于注意力因素的照明控制方法，包括以下步骤：

S1、初始化，在控制单元中建立RBF神经网络，所述神经网络以灯组中u个LED串的驱动电流、及v个照射角度，共w个照明参数及持续学习时间作为输入量，以学习者的眼睛开度、视线专注度、心率3个体征参数，及其各自对应的注意力因素值共6个注意力因素参数作为输出量；

S2、通过控制单元的输出模块向可调光灯组发出调光信号，对变化后的光环境基于图像采集单元和心率采集单元进行信号采集，处理模块对所采集信号进行处理，获得所述RBF神经网络的训练样本；

S3、重复进行步骤S2多次，获取所述RBF神经网络的训练样本集，并用样本集对RBF神经网络进行训练；

S4、确定将w个照明参数进行编解码的策略，并确定其各自取值区间，初始化进化群体；

S5、针对搜索空间内进化群体中的各个体，基于其w个照明参数及当前持续学习时间用训练后的RBF神经网络对其注意力因素参数进行预测，获得眼睛开度、视线专注度、心率及其各自的注意力因素值共6个注意力因素参数预测值；

S6、基于所述预测值，按评价函数计算其注意力评价值，并根据评价值进行交叉遗传和变异操作，更新进化群体；

S7、转至步骤S5，反复迭代，直至寻优结束后，输出Pareto优化解；

S8、将优化解所对应的各驱动电流通道驱动电流值、及照射角度，传送给灯组内的驱动器进行调光。