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，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；并建立教室中不同照明场景下各种色温、照度的光色评分函数；

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.根据权利要求2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还可以用一个BP神经网络表示，该BP神经网络的输入量为所述n路LED串驱动电流参数值，输出量为所述m个测试点的色温、照度值；

在所述多目标优化算法的处理过程中，针对搜索空间内进化群体中的各个体，将待评价的其n路LED串驱动电流值组合传送给经训练的BP神经网络以将所述电流值组合映射为各测试点的色温、照度值，再根据所述色温、照度值基于光色评分函数计算其评分值。

4.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。

5.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。

6.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。

7.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。

8.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，所述场景检测器可以利用线性核函数的支持向量机即SVM作为不同照明场景的分类器；

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；

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。

9.根据权利要求8所述的场景式教室智能照明控制装置，其特征在于，针对自修场景，其场景特征是绝大部分学习者坐在课桌旁边的椅子上，针对自修场景的场景检测器，主要识别教室内就坐人员占总人数比例的图像特征；

针对课间休息场景，人体检测单元中面向人行过道的人体检测模块，将检测到多处人员移动的情况，在图像中则可以检测出站立人数比自修时大大增加，以所述图像特征和人体检测模块的人员位置特征一起构成本场景的特征向量。

10.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，所述场景检测器包括多个识别模块，所述多个识别模块中的一个识别模块对应教室一个局部区域的人体检测，每个识别模块对应一个分类器，其中如讲台区域可以单独进行检测，并能将此区域的图像特征作为教学模式判断的主要依据；

所述特征向量的特征可以是一个时间点的静态图像特征，也可以是多幅连续图像中检测到的人体移动特征。。