CN109472186A - 大数据处理式体形识别方法 - Google Patents

Abstract

本发明涉及一种大数据处理式体形识别方法，该方法包括提供一种大数据处理式体形识别系统来进行识别，所述大数据处理式体形识别系统包括：温度提取设备，设置在人员固定设备上，用于对所述人员固定设备处的实时温度进行测量，以获得并输出对应的实时设备温度；语音播放芯片，设置在所述温度提取设备的一侧，用于接收所述实时设备温度，并在所述实时设备温度超过预设温度阈值时，播放与温度超限对应的语音报警文件；体形识别设备，用于采用大数据处理模式以基于预设人体灰度分布范围解析出图像中的各个人体像素点，将图像中的各个人体像素点组成人体子图像，识别所述人体子图像的体形特征，并基于所述体形特征确定对应的年轻化等级。

Description

大数据处理式体形识别方法

技术领域

本发明涉及大数据处理领域，尤其涉及一种大数据处理式体形识别方法。

背景技术

大数据的采集是指利用多个数据库来接收发自客户端(Web、App或者传感器形式等)的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。

比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。

在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和操作。

比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。

发明内容

为了解决升降式娱乐设备控制无视乘坐人员年龄的技术问题，本发明提供了一种大数据处理式体形识别方法，采用大数据处理模式以根据不同年龄段对升降式娱乐设备的上下升降频率的偏好程度，制定不同的升降策略，从而满足各个年龄段对升降式娱乐设备的不同需求；其中，对图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，对图像执行逐行检测处理以获得亮度均值超限的行并作为可疑行，统计所述可疑行中位于所述背景子图像中的像素点的数量以确定所述可疑行是否为相应的亮线行，并在图像中存在亮线行时对图像执行高精度图像滤波处理。

根据本发明的一方面，提供一种大数据处理式体形识别方法，该方法包括提供一种大数据处理式体形识别系统来进行识别，所述大数据处理式体形识别系统包括：温度提取设备，设置在人员固定设备上，用于对所述人员固定设备处的实时温度进行测量，以获得并输出对应的实时设备温度；语音播放芯片，设置在所述温度提取设备的一侧，用于接收所述实时设备温度，并在所述实时设备温度超过预设温度阈值时，播放与温度超限对应的语音报警文件。

更具体地，在所述大数据处理式体形识别系统中，还包括：

人员固定设备，用于为游客提供乘坐位置，每一个人员固定设备用于放置一名游客；现场防护设备，包括安全带和扣件，所述安全带设置在所述人员固定设备的左侧，所述扣件设置在所述人员固定设备的右侧，所述扣件用于与所述安全带扣接，以为相应的人员固定设备上的游客提供现场防护。

更具体地，在所述大数据处理式体形识别系统中，还包括：

状态检测设备，设置在所述扣件上，用于检测所述扣件是否与所述安全带扣接，并在所述扣件与所述安全带扣接时，发出扣接成功信号；上下拉升绳体，为钢丝绳材料铸造而成，其一端与所述人员固定设备连接，另一端与现场驱动电机连接。

更具体地，在所述大数据处理式体形识别系统中，还包括：

现场驱动电机，与所述上下拉升绳体连接，用于通过对所述上下拉升绳体的上下拉动带动所述人员固定设备上下升降；人员拍摄设备，设置在所述人员固定设备的上方，用于对所述人员固定设备进行图像数据采集，以获得并输出相应的即时采集图像；可疑行识别设备，与所述人员拍摄设备连接，用于接收所述即时采集图像，对所述即时采集图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，获取所述即时采集图像中每一个行的各个像素点的亮度数据，对每一个行的各个像素点的亮度数据进行算术平均值计算以获得对应的亮度均值，获取各行的亮度均值，对各行的亮度均值进行算术平均值计算以获得对应的图像均值，将偏离所述图像均值的幅度超过限量的亮度均值所对应的行作为可疑行；像素点统计设备，与所述可疑行识别设备连接，用于确定所述可疑行中各个像素点是否位于所述背景子图像中，统计所述可疑行中位于所述背景子图像中的像素点的数量，并当所述像素点的数量大于等于预设数量阈值时，将所述可疑行作为相应的亮线行；像素点处理设备，与所述像素点统计设备连接，用于在所述像素点统计设备输出的亮线行的数量非零时，将所述即时采集图像中的每一个像素点作为对象像素点，确定所述对象像素点周围各个像素点的各个红色分量值以获得所述对象像素点的已处理红色分量值，确定所述对象像素点周围各个像素点的各个蓝色分量值以获得所述对象像素点的已处理蓝色分量值，确定所述对象像素点周围各个像素点的各个绿色分量值以获得所述对象像素点的已处理绿色分量值；在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个红色分量值以获得所述对象像素点的已处理红色分量值包括：确定所述对象像素点周围各个像素点的各个红色分量值的平均值，当所述平均值超过预设红色分量阈值时，将所述平均值作为所述对象像素点的已处理红色分量值，否则，将所述对象像素点的固有红色分量值作为所述对象像素点的已处理红色分量值；所述像素点处理设备还用于基于所述即时采集图像各个像素点的已处理红色分量值、已处理蓝色分量值和已处理绿色分量值获取对应的处理后图像，并输出所述处理后图像；体形识别设备，与所述像素点处理设备连接，用于接收所述处理后图像，采用大数据处理模式以基于预设人体灰度分布范围解析出所述处理后图像中的各个人体像素点，将所述处理后图像中的各个人体像素点组成人体子图像，识别所述人体子图像的体形特征，并基于所述体形特征确定对应的年轻化等级；所述现场驱动电机还与所述体形识别设备连接，用于接收所述年轻化等级，并基于所述年轻化等级确定所述人员固定设备的上下升降频率；其中，在所述现场驱动电机中，在所述年轻化等级超过未成人等级时，基于所述年轻化等级确定所述人员固定设备的上下升降频率包括：所述年轻化等级越低，确定的上下升降频率越慢；

其中，在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个蓝色分量值以获得所述对象像素点的已处理蓝色分量值包括：确定所述对象像素点周围各个像素点的各个蓝色分量值的平均值，当所述平均值超过预设蓝色分量阈值时，将所述平均值作为所述对象像素点的已处理蓝色分量值，否则，将所述对象像素点的固有蓝色分量值作为所述对象像素点的已处理蓝色分量值。

更具体地，在所述大数据处理式体形识别系统中：在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个绿色分量值以获得所述对象像素点的已处理绿色分量值包括：确定所述对象像素点周围各个像素点的各个绿色分量值的平均值，当所述平均值超过预设绿色分量阈值时，将所述平均值作为所述对象像素点的已处理绿色分量值，否则，将所述对象像素点的固有绿色分量值作为所述对象像素点的已处理绿色分量值。

更具体地，在所述大数据处理式体形识别系统中：所述可疑行识别设备输出的可疑行为一个或多个，所述像素点统计设备输出的亮线行为一个或多个。

更具体地，在所述大数据处理式体形识别系统中：在所述可疑行识别设备中，所述前景子图像和所述背景子图像组成所述即时采集图像。

更具体地，在所述大数据处理式体形识别系统中：所述状态检测设备还用于在所述扣件未与所述安全带扣接时，发出扣接失败信号；其中，在所述现场驱动电机中，在所述年轻化等级未超过未成人等级时，基于所述年轻化等级确定所述人员固定设备的上下升降频率包括：确定的上下升降频率保持恒定值。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的大数据处理式体形识别系统的现场驱动电机的外形结构图。

具体实施方式

下面将参照附图对本发明的实施方案进行详细说明。

虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。

也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。

导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。

为了克服上述不足，本发明搭建一种大数据处理式体形识别方法，该方法包括提供一种大数据处理式体形识别系统来进行识别。所述大数据处理式体形识别系统能够有效解决相应的技术问题。

根据本发明实施方案示出的大数据处理式体形识别系统包括：

温度提取设备，设置在人员固定设备上，用于对所述人员固定设备处的实时温度进行测量，以获得并输出对应的实时设备温度；

语音播放芯片，设置在所述温度提取设备的一侧，用于接收所述实时设备温度，并在所述实时设备温度超过预设温度阈值时，播放与温度超限对应的语音报警文件。

接着，继续对本发明的大数据处理式体形识别系统的具体结构进行进一步的说明。

在所述大数据处理式体形识别系统中，还包括：

人员固定设备，用于为游客提供乘坐位置，每一个人员固定设备用于放置一名游客；

现场防护设备，包括安全带和扣件，所述安全带设置在所述人员固定设备的左侧，所述扣件设置在所述人员固定设备的右侧，所述扣件用于与所述安全带扣接，以为相应的人员固定设备上的游客提供现场防护。

在所述大数据处理式体形识别系统中，还包括：

状态检测设备，设置在所述扣件上，用于检测所述扣件是否与所述安全带扣接，并在所述扣件与所述安全带扣接时，发出扣接成功信号；

上下拉升绳体，为钢丝绳材料铸造而成，其一端与所述人员固定设备连接，另一端与现场驱动电机连接。

在所述大数据处理式体形识别系统中，还包括：

如图1所示，现场驱动电机，与所述上下拉升绳体连接，用于通过对所述上下拉升绳体的上下拉动带动所述人员固定设备上下升降；

人员拍摄设备，设置在所述人员固定设备的上方，用于对所述人员固定设备进行图像数据采集，以获得并输出相应的即时采集图像；

可疑行识别设备，与所述人员拍摄设备连接，用于接收所述即时采集图像，对所述即时采集图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，获取所述即时采集图像中每一个行的各个像素点的亮度数据，对每一个行的各个像素点的亮度数据进行算术平均值计算以获得对应的亮度均值，获取各行的亮度均值，对各行的亮度均值进行算术平均值计算以获得对应的图像均值，将偏离所述图像均值的幅度超过限量的亮度均值所对应的行作为可疑行；

像素点统计设备，与所述可疑行识别设备连接，用于确定所述可疑行中各个像素点是否位于所述背景子图像中，统计所述可疑行中位于所述背景子图像中的像素点的数量，并当所述像素点的数量大于等于预设数量阈值时，将所述可疑行作为相应的亮线行；

像素点处理设备，与所述像素点统计设备连接，用于在所述像素点统计设备输出的亮线行的数量非零时，将所述即时采集图像中的每一个像素点作为对象像素点，确定所述对象像素点周围各个像素点的各个红色分量值以获得所述对象像素点的已处理红色分量值，确定所述对象像素点周围各个像素点的各个蓝色分量值以获得所述对象像素点的已处理蓝色分量值，确定所述对象像素点周围各个像素点的各个绿色分量值以获得所述对象像素点的已处理绿色分量值；在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个红色分量值以获得所述对象像素点的已处理红色分量值包括：确定所述对象像素点周围各个像素点的各个红色分量值的平均值，当所述平均值超过预设红色分量阈值时，将所述平均值作为所述对象像素点的已处理红色分量值，否则，将所述对象像素点的固有红色分量值作为所述对象像素点的已处理红色分量值；所述像素点处理设备还用于基于所述即时采集图像各个像素点的已处理红色分量值、已处理蓝色分量值和已处理绿色分量值获取对应的处理后图像，并输出所述处理后图像；

体形识别设备，与所述像素点处理设备连接，用于接收所述处理后图像，采用大数据处理模式以基于预设人体灰度分布范围解析出所述处理后图像中的各个人体像素点，将所述处理后图像中的各个人体像素点组成人体子图像，识别所述人体子图像的体形特征，并基于所述体形特征确定对应的年轻化等级；

所述现场驱动电机还与所述体形识别设备连接，用于接收所述年轻化等级，并基于所述年轻化等级确定所述人员固定设备的上下升降频率；

其中，在所述现场驱动电机中，在所述年轻化等级超过未成人等级时，基于所述年轻化等级确定所述人员固定设备的上下升降频率包括：所述年轻化等级越低，确定的上下升降频率越慢；

其中，在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个蓝色分量值以获得所述对象像素点的已处理蓝色分量值包括：确定所述对象像素点周围各个像素点的各个蓝色分量值的平均值，当所述平均值超过预设蓝色分量阈值时，将所述平均值作为所述对象像素点的已处理蓝色分量值，否则，将所述对象像素点的固有蓝色分量值作为所述对象像素点的已处理蓝色分量值。

在所述大数据处理式体形识别系统中：在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个绿色分量值以获得所述对象像素点的已处理绿色分量值包括：确定所述对象像素点周围各个像素点的各个绿色分量值的平均值，当所述平均值超过预设绿色分量阈值时，将所述平均值作为所述对象像素点的已处理绿色分量值，否则，将所述对象像素点的固有绿色分量值作为所述对象像素点的已处理绿色分量值。

在所述大数据处理式体形识别系统中：所述可疑行识别设备输出的可疑行为一个或多个，所述像素点统计设备输出的亮线行为一个或多个。

在所述大数据处理式体形识别系统中：在所述可疑行识别设备中，所述前景子图像和所述背景子图像组成所述即时采集图像。

在所述大数据处理式体形识别系统中：所述状态检测设备还用于在所述扣件未与所述安全带扣接时，发出扣接失败信号；

其中，在所述现场驱动电机中，在所述年轻化等级未超过未成人等级时，基于所述年轻化等级确定所述人员固定设备的上下升降频率包括：确定的上下升降频率保持恒定值。

另外，所述像素点处理设备由GPU芯片来实现。图形处理器(英语：GraphicsProcessing Unit，缩写：GPU)，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器。

图形处理器用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。

显卡的处理器称为图形处理器(GPU)，它是显卡的“心脏”，与CPU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。某些最快速的GPU集成的晶体管数甚至超过了普通CPU。

时下的GPU多数拥有2D或3D图形加速功能。如果CPU想画一个二维图形，只需要发个指令给GPU，如“在坐标位置(x,y)处画个长和宽为a×b大小的长方形”，GPU就可以迅速计算出该图形的所有像素，并在显示器上指定位置画出相应的图形，画完后就通知CPU“我画完了”，然后等待CPU发出下一条图形指令。

采用本发明的大数据处理式体形识别系统，针对现有技术中设备控制过于定制化的技术问题，通过采用大数据处理模式以根据不同年龄段对升降式娱乐设备的上下升降频率的偏好程度，制定不同的升降策略，从而满足各个年龄段对升降式娱乐设备的不同需求；其中，对图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，对图像执行逐行检测处理以获得亮度均值超限的行并作为可疑行，统计所述可疑行中位于所述背景子图像中的像素点的数量以确定所述可疑行是否为相应的亮线行，并在图像中存在亮线行时对图像执行高精度图像滤波处理，从而解决了上述技术问题。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种大数据处理式体形识别方法，该方法包括提供一种大数据处理式体形识别系统来进行识别，其特征在于，所述大数据处理式体形识别系统包括：

温度提取设备，设置在人员固定设备上，用于对所述人员固定设备处的实时温度进行测量，以获得并输出对应的实时设备温度；

语音播放芯片，设置在所述温度提取设备的一侧，用于接收所述实时设备温度，并在所述实时设备温度超过预设温度阈值时，播放与温度超限对应的语音报警文件。

2.如权利要求1所述的方法，其特征在于，所述系统还包括：

人员固定设备，用于为游客提供乘坐位置，每一个人员固定设备用于放置一名游客；

现场防护设备，包括安全带和扣件，所述安全带设置在所述人员固定设备的左侧，所述扣件设置在所述人员固定设备的右侧，所述扣件用于与所述安全带扣接，以为相应的人员固定设备上的游客提供现场防护。

3.如权利要求2所述的方法，其特征在于，所述系统还包括：

状态检测设备，设置在所述扣件上，用于检测所述扣件是否与所述安全带扣接，并在所述扣件与所述安全带扣接时，发出扣接成功信号；

上下拉升绳体，为钢丝绳材料铸造而成，其一端与所述人员固定设备连接，另一端与现场驱动电机连接。

4.如权利要求3所述的方法，其特征在于，所述系统还包括：

现场驱动电机，与所述上下拉升绳体连接，用于通过对所述上下拉升绳体的上下拉动带动所述人员固定设备上下升降；

人员拍摄设备，设置在所述人员固定设备的上方，用于对所述人员固定设备进行图像数据采集，以获得并输出相应的即时采集图像；

可疑行识别设备，与所述人员拍摄设备连接，用于接收所述即时采集图像，对所述即时采集图像执行前景和背景分割，以获得对应的前景子图像和背景子图像，获取所述即时采集图像中每一个行的各个像素点的亮度数据，对每一个行的各个像素点的亮度数据进行算术平均值计算以获得对应的亮度均值，获取各行的亮度均值，对各行的亮度均值进行算术平均值计算以获得对应的图像均值，将偏离所述图像均值的幅度超过限量的亮度均值所对应的行作为可疑行；

像素点统计设备，与所述可疑行识别设备连接，用于确定所述可疑行中各个像素点是否位于所述背景子图像中，统计所述可疑行中位于所述背景子图像中的像素点的数量，并当所述像素点的数量大于等于预设数量阈值时，将所述可疑行作为相应的亮线行；

像素点处理设备，与所述像素点统计设备连接，用于在所述像素点统计设备输出的亮线行的数量非零时，将所述即时采集图像中的每一个像素点作为对象像素点，确定所述对象像素点周围各个像素点的各个红色分量值以获得所述对象像素点的已处理红色分量值，确定所述对象像素点周围各个像素点的各个蓝色分量值以获得所述对象像素点的已处理蓝色分量值，确定所述对象像素点周围各个像素点的各个绿色分量值以获得所述对象像素点的已处理绿色分量值；在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个红色分量值以获得所述对象像素点的已处理红色分量值包括：确定所述对象像素点周围各个像素点的各个红色分量值的平均值，当所述平均值超过预设红色分量阈值时，将所述平均值作为所述对象像素点的已处理红色分量值，否则，将所述对象像素点的固有红色分量值作为所述对象像素点的已处理红色分量值；所述像素点处理设备还用于基于所述即时采集图像各个像素点的已处理红色分量值、已处理蓝色分量值和已处理绿色分量值获取对应的处理后图像，并输出所述处理后图像；

体形识别设备，与所述像素点处理设备连接，用于接收所述处理后图像，采用大数据处理模式以基于预设人体灰度分布范围解析出所述处理后图像中的各个人体像素点，将所述处理后图像中的各个人体像素点组成人体子图像，识别所述人体子图像的体形特征，并基于所述体形特征确定对应的年轻化等级；

所述现场驱动电机还与所述体形识别设备连接，用于接收所述年轻化等级，并基于所述年轻化等级确定所述人员固定设备的上下升降频率；

其中，在所述现场驱动电机中，在所述年轻化等级超过未成人等级时，基于所述年轻化等级确定所述人员固定设备的上下升降频率包括：所述年轻化等级越低，确定的上下升降频率越慢；

其中，在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个蓝色分量值以获得所述对象像素点的已处理蓝色分量值包括：确定所述对象像素点周围各个像素点的各个蓝色分量值的平均值，当所述平均值超过预设蓝色分量阈值时，将所述平均值作为所述对象像素点的已处理蓝色分量值，否则，将所述对象像素点的固有蓝色分量值作为所述对象像素点的已处理蓝色分量值。

5.如权利要求4所述的方法，其特征在于：

在所述像素点处理设备中，确定所述对象像素点周围各个像素点的各个绿色分量值以获得所述对象像素点的已处理绿色分量值包括：确定所述对象像素点周围各个像素点的各个绿色分量值的平均值，当所述平均值超过预设绿色分量阈值时，将所述平均值作为所述对象像素点的已处理绿色分量值，否则，将所述对象像素点的固有绿色分量值作为所述对象像素点的已处理绿色分量值。

6.如权利要求5所述的方法，其特征在于：

所述可疑行识别设备输出的可疑行为一个或多个，所述像素点统计设备输出的亮线行为一个或多个。

7.如权利要求6所述的方法，其特征在于：

在所述可疑行识别设备中，所述前景子图像和所述背景子图像组成所述即时采集图像。

8.如权利要求4-7任一所述的方法，其特征在于：

所述状态检测设备还用于在所述扣件未与所述安全带扣接时，发出扣接失败信号；

其中，在所述现场驱动电机中，在所述年轻化等级未超过未成人等级时，基于所述年轻化等级确定所述人员固定设备的上下升降频率包括：确定的上下升降频率保持恒定值。