1.场景式教室智能照明控制装置，其包括主机单元、用户接口单元，主机单元又包括输入模块、光色处理模块、图像处理模块、照明优化处理模块、调光映射模块、输出模块和存储模块，且主机单元被配置为：输入模块从系统的光色传感单元、图像采集单元和人体检测单元分别获取色温与照度信号、教室场景图像和预设区域的人员在位信号，基于所述色温与照度信号，光色处理模块获取教室各区域的色温值、照度值及照度均匀度值，图像处理模块基于用训练图像集训练出的场景检测器，针对所述场景图像及该图像对应的所述人员在位信号，提取图像特征及人员位置特征，并根据所述图像特征及人员位置特征，识别所述图像的照明场景，调光映射模块通过改变教室内可调光灯组的各LED串的驱动电流值，并记录其对应的各LED串组合发光照明时各区域的色温值、照度值及照度均匀度值，来获得各LED串的调光照明分布表；并建立教室中自修、投影、板书教学、讨论、课间休息等不同照明场景下各种色温、照度的光色评分函数；还将所述调光照明分布表和光色评分函数保持在存储模块中，基于所述调光照明分布表、光色评分函数和所识别出的照明场景，以及教室各区域照度均匀度相对于参考值的达标水平和耗电功率，照明优化处理模块通过多目标优化算法，在可调光灯组各LED串驱动电流值的可取值空间范围内，对其进行寻优，并将寻优结果经调光映射模块和输出模块传送给对应LED串的驱动器。

2.根据权利要求1所述的场景式教室智能照明控制装置，其特征在于，

所述调光照明分布表的每条记录中，包括可调光灯组的n路LED串驱动电流值，以及其对应的经光色处理模块对光色传感单元内m个光色传感模块的测试点信号处理后所获取的色温、照度值，所述主机单元还被配置为：

通过调光映射模块和输出模块以步进改变的方式向可调光灯组发出调光信号，对变化后的光环境进行检测并获取所述测试点处的色温、照度值，不断重复直至所记录的样本覆盖各LED串驱动电流的取值区间；

在所述多目标优化算法的处理过程中，首先，进行初始化，确定n路LED串驱动电流参数进行编码的策略，并确定其各自取值区间；其次，针对搜索空间内进化群体中的各个体，基于其n路驱动电流参数值，查找调光照明分布表获取其对应的各测试点的色温、照度值，根据所识别出的照明场景的色温、照度光色评分函数，对查找获取的所述各测试点的色温、照度值分别计算色温评分值f1、照度评分值f2，根据教室各区域照度均匀度相对于参考值的达标水平计算照度均匀度评分值f3，根据耗电功率计算节能评分值f4，对所述4个评分值进行加权求和计算出所述个体对应的总评分值f＝k1·f1+k2·f2+k3·f3+k4·f4，其中ki(i＝1，

2，3，4)为预设的加权系数，并根据所述总评分值进行遗传、交叉和变异操作，更新进化群体；之后，反复进化群体，直至寻优结束后，输出寻优结果。

3.一种用于权利要求1～2所述场景式教室智能照明控制装置的调光映射模块，其包括映射输入部、映射规划部、映射确定部、映射存储部和映射输出部，映射输入部又包括光色参数输入口和驱动电流参数输入口，所述光色参数输入口接收外部光色传感模块采样处理后所获取的多测试点的色温、照度参数，驱动电流参数输入口接收对应于所述色温、照度值的发送给外部可调光灯组的LED串驱动电流参数，所述映射确定部中建立有一个BP神经网络，所述BP神经网络的输入量为所述LED串驱动电流参数，输出量为所述色温、照度参数，所述映射规划部通过所述映射输入部接收所述BP神经网络的训练样本并用所述样本对所述BP神经网络进行训练，并将训练后所述BP神经网络的连接权值保存在所述映射存储模部中。

4.场景式教室智能照明系统，其包括用户接口单元、光色传感单元、图像采集单元、人体检测单元、可调光灯组和服务器，以及与所述用户接口单元、光色传感单元、图像采集单元、人体检测单元、可调光灯组和服务器均相连的主机单元，所述用户接口单元包括显示屏和操作面板，用来键入参数和发起操作，

所述光色传感单元包括多个光色传感模块，并用来检测光的照度、色温等光色参数，所述图像采集单元用来采集教室内的照明场景图像，所述人体检测单元用来对教室内预设区域的人体信息进行检测，

所述可调光灯组包括多个LED灯，所述LED灯具有至少一个色温、亮度可调的LED串，所述主机单元又包括输入模块、光色处理模块、图像处理模块、照明优化处理模块、调光映射模块、输出模块和存储模块，且主机单元被配置为：输入模块通过用户接口单元接收设定参数和用户操作指令，还从光色传感单元、图像采集单元和人体检测单元分别获取色温与照度信号、教室场景图像和预设区域的人员在位信号，基于所述色温与照度信号，光色处理模块获取教室各区域的色温值、照度值及照度均匀度值，图像处理模块基于用训练图像集训练出的场景检测器，针对所述场景图像及该图像对应的所述人员在位信号，提取图像特征及人员位置特征，并根据所述图像特征及人员位置特征，识别所述图像的照明场景，调光映射模块通过改变教室内可调光灯组的各LED串的驱动电流值，并记录其对应的各LED串组合发光照明时各区域的色温值、照度值及照度均匀度值，来获得各LED串的调光照明分布表；并建立教室中自修、投影、板书教学、讨论、课间休息等不同照明场景下各种色温、照度的光色评分函数；还将所述调光照明分布表和光色评分函数保持在存储模块中，基于所述调光照明分布表、光色评分函数和所识别出的照明场景，以及教室各区域照度均匀度相对于参考值的达标水平和耗电功率，照明优化处理模块通过多目标优化算法，在可调光灯组各LED串驱动电流值的可取值空间范围内，对其进行寻优，并将寻优结果经调光映射模块和输出模块传送给对应LED串的驱动器，所述驱动器通过改变LED串的驱动电流来进行调光。

5.场景式教室智能照明优化方法，其包括以下步骤：

S1、确定评价标准，

在教室内，假设可调光灯组包含n路LED串且每路LED串对应一个驱动电流，光色传感单元内有m个光色传感模块且每个光色传感模块对应一个课桌测试点，每个光色传感模块的传感信号经光色处理模块处理均分别获取一个色温、照度参数，在主机单元中建立调光照明分布表，所述调光照明分布表的每条记录中，包括可调光灯组的n路LED串驱动电流值，以及其对应的经光色处理模块对光色传感单元内m个光色传感模块的测试点信号处理后所获取的色温、照度值；还针对教室中自修、投影、板书教学、讨论、课间休息等不同照明场景，根据不同学习者的打分，经统计后建立各场景下色温、照度的光色评分函数，针对可调光灯组的n路LED串驱动电流值，建立场景式教室智能照明的光照总体评价函数F，式中，wi为设定的加权系数，fi为各因素评价值，i＝1，2，3，4，所述fi为可调光灯组的n路LED串组成的光源集合、以及环境自然光混光照明时，总出光的照度、以及总出光色温两个光色参数的组合，，对应的单因素评分值；

其中，f1为色温评分值、f2为照度评分值，f3为照度均匀度评分值，f4为节能评分值，S2、初始化进化种群规模、交叉概率、变异概率等参数，确定可调光灯组的n路LED串驱动电流参数的取值区间和编码策略以及每代群体中被全局Pareto最优解替换的个数Nrp；

S3、世代数k＝0，对当前待寻优驱动电流集合，随机产生初始种群P(0)；

S4、令k＝k+1；如果达到结束条件，转第S11，否则接下一步；

S5、将本代群体P(k-1)中所有个体解码得到n路LED串驱动电流值，根据所述电流值通过对调光照明分布表查找和多维插值获得对应的色温、照度值，然后根据所述色温、照度值，基于当前识别出的照明场景所对应的色温、照度光色评分函数，分别计算色温评分值f1、照度评分值f2，根据教室各区域照度均匀度相对于参考值的达标水平计算照度均匀度评分值f3，根据耗电功率计算节能评分值f4，根据各fi，比较获得本代的Pareto最优解集PTk，并更新全局Pareto最优解集PTg；

S6、如果PTk集的个体数N(PTk)为奇数，随机选择一个个体加入到PTk集，使之能相互配对，计算出本代群体中PTk集外各个体的总体评价函数F值，并根据各个体的F值按轮盘赌法选择出其它(N(gp)-N(PTk))/2对父体；得到的父代群体为P′(k)；

S7、对P′(k)中的个体进行交叉和变异操作，产生群体P″(k)；

S8、对于P″(k)中PTk集的子代个体，如果其总体评价函数F值不能优于其父体，则用其父体回代，得到群体P″′(k)；

S9、将P″′(k)中非PTk集子代的Nrp个个体随机地用全局Pareto最优解个体作替换，产生下一代群体P(k)；

S10、转步骤S4；

S11、优化结束，基于最后得到的Pareto最优解集，选出总体评价函数F值最优的解，保存并输出最优解。

6.场景式教室智能照明控制方法，包括以下步骤：

S1、初始化，在主机单元中建立调光照明分布模型、光色评分模型，

在教室内设置的可调光灯组包括多个LED灯，每个所述LED灯具有至少一个色温、亮度可调的LED串，所述调光照明分布模型为可调光灯组所有n路LED串驱动电流值到教室各测试点处色温值、照度值的对应关系，所述测试点为光色传感单元内m个光色传感模块的测试位置，所述光色评分模型为教室中自修、投影、板书教学、讨论、课间休息等不同照明场景下各种色温、照度的光色评分函数；

S2、通过主机单元的输出模块以步进改变的方式向可调光灯组的各LED串发出调光信号，对调光变化后的各照明环境采集信号样本，提取调光信号中n路LED串驱动电流值，采集并处理获取各测试点处的色温、照度值及照度均匀度值，并将所述电流、色温、照度值记录和保存在调光照明分布模型中，同时，在不同场景的各种照明环境下，由教室内的学习者对照明条件进行评分，将所述评分经统计后分别调整不同照明场景下色温、照度的光色评分函数；

S3、在线控制时，基于用训练图像集训练出的场景检测器，针对当前教室场景图像及该图像对应的人员在位信号，提取图像特征及人员位置特征，并根据所述图像特征及人员位置特征，识别当前照明场景；

S4、采用多目标优化算法对各LED串的电流参数进行寻优，

首先，确定将各LED串的驱动电流参数进行编解码的策略，并确定其各自取值区间，确定优化计算中种群规模、交叉概率、变异概率等参数；

S5、随机产生初始种群；

S6、针对搜索空间内进化群体中的各个体，解码得到n路LED串驱动电流参数，根据所述电流参数，通过多维插值查找调光照明分布模型获得对应的色温、照度值，然后根据所述色温、照度值，基于当前识别出的照明场景所对应的色温、照度光色评分函数，分别计算色温评分值f1、照度评分值f2，根据教室各区域照度均匀度相对于参考值的达标水平计算照度均匀度评分值f3，根据耗电功率计算节能评分值f4，对所述4个评分值进行加权求和计算出所述个体对应的总评分值f，S7、基于所述总评分值，进行交叉遗传和变异操作，更新进化群体；

S8、转至步骤S6，反复迭代，直至搜索结束后，输出Pareto优化解；

S9、调光映射模块经输出模块将寻优结果传送给各对应LED串的驱动器，由驱动器通过改变LED串的驱动电流来进行调光。

7.根据权利要求6所述的场景式教室智能照明控制方法，其特征在于，所述光色评分函数采用如下定义：对于照度，其评分函数为，

其中，E为当前照度，bE、cE为当前场景下根据统计所获得的、覆盖了设定比例人数的期望照度值的区间的下限值与上限值，aE、dE则分别为当前场景下另两个预设下限值与上限值；

对于照度均匀度，其评分函数为，

其中，U为当前照度均匀度，bU是按标准所设定的参考值，aU是一个预设的下限值；

对于色温，当其最多人期望值属于中高色温时，其评分函数为，

当色温最多人期望值属于中低色温时，其评分函数为，

其中，W为当前色温，bW、cW为当前场景下根据统计所获得的、覆盖了设定比例人数的中高期望色温区间的下限值与上限值，aW、dW则分别为当前场景下另两个预设下限值与上限值，hW为当前场景下根据统计所获得的、覆盖了设定比例人数的中低期望色温区间的上限值。

8.根据权利要求7所述的场景式教室智能照明控制方法，其特征在于，所述光色评分函数定义还采用如下规则：对于自修场景，所述照度评分函数最高评分值对应的照度取值区间被限定在300～

500Lx之间，所述色温评分函数最高评分值对应的色温取值区间被限定在4500～6500K之间；

对于投影场景，从投影布到教室后排，所述照度评分函数最高评分值对应的照度取值区间的上、下限值均逐步增大；

对于板书教学场景，黑板区域的所述照度评分函数最高评分值对应的照度取值区间的上、下限值均比其他区域大；

对于讨论场景，所述色温评分函数最高评分值对应的色温取值区间按中低期望色温区间设定且其上限值被限定在4000K以下；

对于课间休息场景，所述照度评分函数最高评分值对应的照度取值区间被限定在300～320Lx之间，，所述色温评分函数最高评分值对应的色温取值区间被限定在3300～5000K之间。

9.根据权利要求6所述的场景式教室智能照明控制方法，其特征在于，所述光色评分函数定义还采用如下规则：在阴雨天或其他天气下教室内自然光照不足时，通过可调光灯组进行补充照明，如果当前时间属于上午8点至下午5点范围内，还要根据待评分色温、照度光色参数与当前日光光色的相似度，对搜索空间内进化群体中的各个体的所述总评分值f进行调整：f′＝f·(1+η)，

η＝α·sim(W，Wnow)+(1-α)·sim(e，enow)，

其中，α为设定系数，W、e分别为待评分的色温值、照度与最大照度的比值即相对照度这两个值；Wnow、enow分别为从天气预报服务器所获得的天气预报中当前时刻日光的色温和相对照度，所述相对照度为当前日光亮度与正午日光亮度的比值，相似度函数sim(，)采用以第二个参数为中心的正态分布函数或三角形分布函数且其分布的幅度根据第一个参数的取值范围进行设定，η为调整系数，f和f′分别为调整前后的评分值。

10.根据权利要求6所述的场景式教室智能照明控制方法，其特征在于，所述光色评分函数定义还采用如下规则：在阴雨天或晴天拉上窗帘阻挡太阳直射光时，如果教室内自然光照不足，白天通过可调光灯组进行补充照明：对于色温，在阴雨天，所述色温评分函数最高评分值对应的色温取值区间被限定在

4000～5000K之间；在晴天，所述色温评分函数最高评分值对应的色温取值区间被限定在

5000～6500K之间，

对于照度，还要根据待评分照度参数与当前日光的相似度，对搜索空间内进化群体中的各个体的所述总评分值f进行调整：f′＝f·(1+η)，

η＝α·sim(e，enow)，

其中，α为设定系数，e为待评分的照度与最大照度的比值即相对照度；enow为从天气预报服务器所获得的天气预报中当前时刻日光相对照度，所述日光相对照度为当前日光亮度与正午日光亮度的比值，相似度函数sim(，)采用以第二个参数为中心的正态分布函数或三角形分布函数且其分布的幅度根据第一个参数的取值范围进行设定，η为调整系数，f和f′分别为调整前后的评分值。