本發明屬屏幕顯示，具體涉及一種基于機器學習的大屏幕顯示系統。
背景技術：
1、大屏幕，在交通運輸、智能制造、能源管理、生產施工等領域，大屏幕用于實時監控和展示關鍵數據。例如，交通運輸中通過大屏實時監控交通流量、車流情況，及時調整交通信號，提高道路通行效率，可以在具體使用時，提供廣闊的視野，便于站在不同位置的觀看者可以看清屏幕的顯示內容，便于對大屏幕展示信息的掌握?。在大屏幕顯示系統中，觀看者的站位決定了其觀察屏幕的角度（即視角）。根據光學原理，光線從屏幕表面反射到人眼的過程中，由于人眼的視覺收到，而因為大屏幕的有效視角范圍是指觀看者能夠清晰地看到畫面的最大角度范圍。超出這一范圍后，畫面可能會因亮度不足或反光干擾而變得模糊或難以辨認。
2、即使屏幕的顯示亮度保持一致，由于觀看者站位的不同，其感知到的實際亮度也會發生變化，當觀看者位于屏幕的側面或斜向位置時，環境光可能通過屏幕表面反射進入人眼，形成眩光或反光現象。這種反光會降低畫面的對比度，影響視覺效果。
3、所以，需要大屏幕在亮度調節上，可以根據觀看者的位置的變化帶來的距離和視角的變化對大屏幕的顯示亮度進行針對性的調節。
技術實現思路
1、為解決現有技術中存在的上述問題，本發明提供了一種基于機器學習的大屏幕顯示系統，解決由于觀看者的站位帶來的距離和視角變化進而造成畫面變得模糊的問題。
2、本發明的目的可以通過以下技術方案實現：一種基于機器學習的大屏幕顯示系統，其特征在于：
3、包括環境感知模塊、用戶感知模塊、計算模塊、補償模塊和顯示控制模塊；
4、所述環境感知模塊用于獲取環境參數，所述環境參數包括環境光強度；
5、所述用戶感知模塊，用于獲取觀看者的瞳孔直徑參數和定位坐標參數；
6、所述用戶感知模塊和用戶感知模塊分別將獲取的數據傳輸至計算模塊，所述計算模塊根據環境參數計算初始亮度調整系數；
7、所述補償模塊根據定位坐標參數計算距離和視角，在所述距離和視角超過預設的距離閾值和視角閾值的時候，根據距離、視角和瞳孔直徑參數對初始亮度調整系數進行補償后生成修正亮度調整系數；
8、所述顯示控制模塊根據修正亮度調整系數動態調節屏幕亮度。
9、優選的，所述補償模塊對初始亮度參數進行補償包括以下步驟：
10、基于瞳孔直徑參數使用預訓練的機器學習模型預測觀看者當前的視覺舒適度水平v；
11、基于定位坐標參數，計算觀看者的觀看視角，評估環境光影響因子r；
12、基于觀看者當前的視覺舒適度水平和觀看視角對初始亮度調整系數進行補償生成修正亮度調整系數；
13、此處，對初始亮度調整系數進行補償包括以下步驟：
14、c修正=c初始；
15、此處的，c修正為修正亮度調整系數，c初始為初始亮度調整系數，v為視覺量化，r為環境光強度影響因子，為權重系數。
16、優選的，所述補償模塊包括模型訓練子模塊，所述模型訓練子模塊包括數據收集單元、數據預處理單元、數據特征單元和數據訓練單元；
17、所述數據收集單元用于獲得歷史瞳孔直徑參數和環境光強度參數；
18、所述數據預處理單元用于通過所述機器學習模型對所述歷史瞳孔直徑參數和環境光強度參數使用小波變換法進行初濾波，再對初濾波之后的數據使用卡爾曼濾波器進行二次濾波，后再對二次濾波之后的數據進行降噪，并對缺失數據使用均值填充、knn插補進行補充，再對補充完整的數據使用線性變換方法進行歸一化處理；
19、所述數據特征單元用于確定原始特征，使用主成分分析法對原始特征進行降維，再將原始特征進行分類編碼轉換為數值特征；
20、所述數據訓練單元用于對神經網絡模型進行訓練獲得所預設的機器學習模型，所述神經網絡模型包括卷積神經網絡、循環神經網絡和圖神神經網絡中的一種。
21、優選的，所述模型訓練子模塊還包括數據評估單元，所述數據評估單元用于使用測試數據對所述預設機器學習模型進行評估，所述評估指標包括平均絕對方差、均方誤差、均方根誤差和r方差中的至少一種。
22、優選的，所述測試數據使用生成對抗網絡迭代生成，所述生成對抗網絡的訓練集是歷史瞳孔直徑參數和環境光強度參數。
23、優選的，還包括顯示反饋調節模塊，所述顯示反饋模塊用于接收當前用戶在屏幕亮度調整之后的反饋結果。
24、優選的，所述模型訓練子模塊還包括優化單元，所述優化單元用于根據所述評估結果和反饋結果對預設的機器學習模型進行參數優化和結構優化。
25、優選的，還包括顯示識別模塊，所述顯示識別模塊和顯示控制模塊電連接，所述顯示識別模塊將識別內容傳輸至顯示控制模塊，所述顯示內容包括：動態和非動態，所述顯示控制模塊根據顯示內容對亮度調節系數進行補償。
26、優選的，所述補償為在判斷所述屏幕內容處于動態狀態的時候，所述顯示控制模塊提高顯示屏的顯示亮度。
27、本發明的有益效果為：
28、本發明通過本實施例中的補償模塊基于用戶瞳孔直徑參數和站位坐標的變化，對原本的大屏幕根據環境亮度數據和設定的參數數據對初始亮度系數進行補償得到修正亮度調整系數，修正亮度調整系數通過考慮到觀看者距離大屏幕的距離和觀看視角，從而使得大屏幕顯示系統能夠更精準地根據觀看者的視覺舒適度水平和環境光影響，從而對屏幕亮度進行動態調節，從而有效減少觀看者的視覺疲勞，提高觀看體驗。同時，基于機器學習的方法使得系統能夠不斷學習和優化，適應不同的觀看場景和用戶需求。
1.一種基于機器學習的大屏幕顯示系統，其特征在于：
2.根據權利要求1所述的一種基于機器學習的大屏幕顯示系統，其特征在于：所述補償模塊對初始亮度參數進行補償包括以下步驟：
3.根據權利要求2所述的一種基于機器學習的大屏幕顯示系統，其特征在于：所述補償模塊包括模型訓練子模塊，所述模型訓練子模塊包括數據收集單元、數據預處理單元、數據特征單元和數據訓練單元；
4.根據權利要求1-3任意一項所述的一種基于機器學習的大屏幕顯示系統，其特征在于：所述模型訓練子模塊還包括數據評估單元，所述數據評估單元用于使用測試數據對所述預設機器學習模型進行評估，所述評估指標包括平均絕對方差、均方誤差、均方根誤差和r方差中的至少一種。
5.根據權利要求4所述的一種基于機器學習的大屏幕顯示系統，其特征在于：所述測試數據使用生成對抗網絡迭代生成，所述生成對抗網絡的訓練集是歷史瞳孔直徑參數和環境光強度參數。
6.根據權利要求5所述的一種基于機器學習的大屏幕顯示系統，其特征在于：還包括顯示反饋調節模塊，所述顯示反饋模塊用于接收當前用戶在大屏幕亮度調整之后的反饋結果。
7.根據權利要求5所述的一種基于機器學習的大屏幕顯示系統，其特征在于：所述模型訓練子模塊還包括優化單元，所述優化單元用于根據所述評估結果和反饋結果對預設的機器學習模型進行參數優化和結構優化。
8.根據權利要求4所述的一種基于機器學習的大屏幕顯示系統，其特征在于：還包括顯示識別模塊，所述顯示識別模塊和顯示控制模塊電連接，所述顯示識別模塊將識別內容傳輸至顯示控制模塊，所述顯示內容包括：動態和非動態，所述顯示控制模塊根據顯示內容對亮度調節系數進行補償。
9.根據權利要求8所述的一種基于機器學習的大屏幕顯示系統，其特征在于：所述補償為在判斷所述屏幕內容處于動態狀態的時候，所述顯示控制模塊提高顯示屏的顯示亮度。