1.基于场景自动识别的商务酒店客房照明控制方法，包含以下步骤：

S1、根据使用需求将商务酒店房间分为多个区域，以商务酒店行业照明标准或通用要求为参考，对商务酒店照明环境进行数学建模，并建立评价函数f对各区域照度、照度均匀度达标程度进行评分；

S2、针对商务酒店照明的照明场景使用需求，对评价函数f进行补充，从而建立评价函数F；

S3、获取分布在商务酒店房间各区域中的灯具的光分布模型，采用粒子群优化算法，基于F评价函数分值对客房内各灯具的照明参数进行优化，并将优化结果转换和存储为照明场景所对应的灯具调控参数；

S4、在照明控制器中，由训练图像集训练出场景检测器，获取商务酒店房间的图像及该图像对应的传感数据，提取图像特征及传感数据的特征值，根据所述图像特征及传感数据的特征值，确定所述图像的照明场景辨识；

S5、基于照明控制器内用来调节和驱动房间内LED灯组的集控主机，按步骤S4所述照明场景辨识的照明场景所对应的灯具调控参数分别调节LED灯组内各LED灯的驱动电流，打开相应场景。

2.如权利要求1所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S1包括：根据商务酒店客房使用频率将商务酒店客房划分为三个区域——工作区域、临近区域和背景区域，其中，床面、写字台和沙发等用户使用较多的区域，定义为工作区域；其它用户可能使用到，但并不会长时间逗留的区域，列为工作平面临近区域；床面与洗手间墙壁之间的区域及窗台所在位置，则列入背景区域；

同时，将各区域照度和区域照度均匀度作为主要指标，建立评价函数f：

f＝w1×u(E1)+w2×u(E2)+w2×u(E3)+w4×u(U1)+w5×u(U2)其中，E1为工作平面水平照度，E2为工作平面临近区域照度，E3为背景区域照度，U1为工作平面照度均匀度，U2为工作平面临近区域照度均匀度；w1、w2、w3、w4、w5分别为各项指标的权重系数；u()表示针对各项指标，根据灯具光分布模型获得的计算值与参考值两者之间的接近程度，对于E1、E2、E3而言当计算值等于参考值时u()＝1；

评价函数f建立完成后，采用层次分析法对各权重系数w1、w2、w3、w4、w5进行赋值，具体步骤如下：首先，根据权重系数个数n建立判断矩阵AN*n，并使用区间[1，9]中的两个整数的比对矩阵进行填充，各元素数值大小代表相应行权值项所对应指标相比于相应列权值项所对应指标的重要程度，其数值可以是主观评价结果，亦可以是通过样本调查所得的统计结果；

然后，将矩阵AN*n代入几何平均方程中，确定各权重系数具体数值，几何平均方程如下：

3.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店灯具全开照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：以灯具照明节能为优化目标，对评价函数f进行补充，要求在各工作区域保证照度和照度均匀度指标的同时，灯具能耗降至最低，若房间内共有n盏灯具，则新的评价函数F1可表示为：式中，P(i)为第i盏灯具的功率消耗。

4.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店办公照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：针对办公场景，要求写字台的照度和光照照度均匀度尽量满足参考条件，此时新的评价函数F2可表示为：式中，E11表示写字台区域内的桌面水平照度，U11表示写字台区域内的桌面照度均匀度，q1、q2、k1、k2、k3为相应项的权重系数，其数值可由层次分析法获得。

5.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店会客照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：针对会客场景，要求区域内整体亮度和照度均匀度更加接近，统一设定各区域内照度参考值为一固定值，照度均匀度参考值为一固定值，新的评价函数F3表示为：式中，k1、k2为相应项的权重系数，其数值可由层次分析法获得。

6.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店娱乐照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：针对娱乐场景，要求背景及邻近区域照明亮度较低，此时新的评价函数F4表示为：

式中，E12表示工作区域内写字台外的水平照度，q1、q2、q3、k1、k2、k3为相应项的权重系数，其数值可由层次分析法获得。

7.如权利要求2所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述的步骤S2包括：依据酒店休闲阅读照明场景使用需求对步骤S1中的评价函数f进行补充，补充内容如下：针对休闲阅读场景，要求床头附近的m盏灯具亮度较高，此时新的评价函数F5表示为：

式中，It分别代表床头附近第t盏灯具的亮度，qt表示其相应权重系数；k1、k2、k3为相应项的权重系数，各权重系数的值可由层次分析法获得。

8.如权利要求1～7中任何一项所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，步骤S3中所述优化的具体步骤如下：T1、随机生成粒子群初始集合X(1)N*n，其元素xij(1)，i＝1，2，...N，j＝1，2，...n；n为客房内待优化灯具个数即粒子群维数，N为粒子群规模；每个元素xij(1)表示房间内灯具j的i组粒子初始照明参数调制值，根据光分布模型对第i组粒子对应的所有n个灯具计算酒店房间各区域在每个灯具按当前照明参数调制值进行照明时的照度分布，并采用评价函数F评价第i组粒子所对应的照明效果；

分别获取各粒子组照明参数调制值向量的初始评分值，作为自身历史最优解的初始评分值并记录照明参数调制值向量；

同时，记录所有N组粒子初始评分值中的最大值作为群体历史最优解的初始评分值并记录该照明参数调制值向量，令更新次数k＝1；

T2、在粒子群优化过程中，每个元素xij()都对应一个改变值vij()，元素vij()表示相应灯具j的在其照明参数调制值xij()的基础上还需进行vij()的改变，为保证其有效性，vij()取值区间一般不应大于xij()可能取到的最大值的10％；若改变后的xij()大于xij()可能取到的最大值，则xij()仍然取其最大值；

随机生成集合V(k)N*n，其各元素分别表示合集X(k)N*n中各元素需作出的改变值，并采用下式对V(k)N*n及X(k)N*n进行多次更新：vij(k+1)＝wvij(k)+c1r1(Pij(k)-xij(k))+c2r2(Gj(k)-xij(k))xij(k+1)＝xij(k)+vij(k+1)

其中，k为当前更新次数；Pij(k)代表第i组粒子数据在第k次更新时的自身历史最优解所对应的第i个具体照明参数调制值，通过比较更新后各组照明参数调制值与其自身历史最优解两者的评分值获得，若更新后的评分值大于其自身历史最优解的评分值，则将更新后的照明参数调制值作为新的自身历史最优解进行记录；

Gj(k)代表第j个具体照明参数调制值在第k次更新时的粒子群体历史最优解，通过比较更新后的各组照明参数调制值与群体历史最优解的评分值获得；

c1，c2为常数，r1，r2为均匀分布在区间(0，1)之间的随机数；w为权重系数；wmax，wmin分别为权重系数最大值和最小值，X(k+1)N*n及V(k+1)N*n表示对X(k)N*n及V(k)N*n的第k次优化更新；

K表示最大更新次数，当k等于K时结束更新，并输出Gj(k)中记录的群体历史最优解的照明参数调制值，作为灯具调控参数输出。

9.如权利要求8所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述场景检测器包括多个局部检测器，所述多个局部检测器中的一个局部检测器对应一个局部区域的人体检测。

10.如权利要求8所述的基于场景自动识别的商务酒店客房照明控制方法，其特征在于，所述根据所述图像特征及传感数据的特征值，确定所述图像的照明场景辨识具体为：根据所述图像特征及传感数据的特征值确定所述图像的一个或多个照明场景辨识；当确定的图像的照明场景辨识为多个时，确定所述图像的照明场景辨识为综合照明场景辨识。