1.一种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。

2.根据权利要求1所述的一种场景式教室智能照明优化方法，其特征在于，所述步骤S1中所述总出光的照度、总出光色温按如下方法进行计算和处理：T1、基于色温到色坐标的转换关系式，将n路LED串发光对应的出光、以及环境自然光的色温转换为xyz色坐标；

T2、将n路LED串发光对应的人工光源出光、以及环境自然光，两者的色坐标xyz、及各自独立出光对应的亮度，分别转换为XYZ三刺激值后，将两项X、Y、Z三刺激变换值分别相加获得总XYZ三刺激值；

T3、将n路LED串发光对应的人工光源出光、以及环境自然光，两者各自独立出光的两项照度相加得到总照度；同时，将总XYZ三刺激值转换为总xyz色坐标，并进一步转换为总色温；根据所述总照度、总色温计算各因素评分值。

3.根据权利要求1所述的一种场景式教室智能照明优化方法，其特征在于，所述可调光灯组包括高色温、低色温两种LED串且每串LED各对应一个驱动电流通道，所述调光照明分布表为一个双通道电流值(i1，i2)组合至各测试点色温、照度值的映射表，在所述步骤S5中，对于进化群体中的各个体所对应的双通道电流值(i01，i02)组合，通过在所述映射表中进行插值查找来获取各测试点色温、照度值；

所述灯组通过驱动器调节其内部各LED串的驱动电流值，且所述最优解为各LED串驱动电流的PWM波占空比数值。

4.根据权利要求1所述的一种场景式教室智能照明优化方法，其特征在于，所述光色评分函数采用如下定义：

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。

5.根据权利要求1所述的一种场景式教室智能照明优化方法，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。

6.根据权利要求1所述的一种场景式教室智能照明优化方法，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。

7.根据权利要求4～6所述的一种场景式教室智能照明优化方法，其特征在于，所述不同照明场景包括自修、投影、板书教学、讨论、课间休息等场景，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。

8.根据权利要求4～6所述的一种场景式教室智能照明优化方法，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。

9.根据权利要求4～6所述的一种场景式教室智能照明优化方法，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。

10.根据权利要求1所述的一种场景式教室智能照明优化方法，其特征在于，所述照明场景基于用训练图像集训练出的场景检测器、以及所提取的图像特征及人员位置特征来进行识别获得的；

所述场景检测器基于线性核函数的支持向量机，针对各种照明场景类别，以教室内图像中各特定区域内人员位置、聚集状态，以及相关传感器数据的特征值来构成SVM的特征向量；

所述训练图像集来自从广角图像中分割出的分区图像或者针对各不同目标区域所采集的区域图像本身。