CN111324681A - 确定推荐路线信息的方法和装置 - Google Patents

确定推荐路线信息的方法和装置 Download PDF

Info

Publication number
CN111324681A
CN111324681A CN201910668103.8A CN201910668103A CN111324681A CN 111324681 A CN111324681 A CN 111324681A CN 201910668103 A CN201910668103 A CN 201910668103A CN 111324681 A CN111324681 A CN 111324681A
Authority
CN
China
Prior art keywords
information
route information
determining
recommended route
face image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910668103.8A
Other languages
English (en)
Inventor
裘沙怡
郑伟健
施海清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN201910668103.8A priority Critical patent/CN111324681A/zh
Publication of CN111324681A publication Critical patent/CN111324681A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种确定推荐路线信息的方法和装置，属于智慧旅游技术领域。所述方法包括：获取多个图像拍摄设备在预设时间段内拍摄的面部图像；基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合；基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息；基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。采用本发明，可以使确定出的推荐路线信息具有更强的实用性。

Description

确定推荐路线信息的方法和装置
技术领域
本发明涉及智慧旅游技术领域，特别涉及一种确定推荐路线信息的方法和装置。
背景技术
随着我国经济的不断发展，国民生活水平的不断提高，人们对于外出旅游的需求也不断加大。旅游行业也随之步入了发展的黄金时期，为了给游客提供更加完善的服务，首先就要为游客提供合理的旅游路线，以便游客能提前安排好游览时间。
目前，相关技术所提出的规划旅游路线的方法大多为：开发人员基于自己的经验、实地考察等手段，来规划景区内的旅游路线；或者，通过搜集互联网中的热度较高的景点，结合已有的地图资源，来规划景区内的旅游路线。
在实现本发明的过程中，发明人发现相关技术至少存在以下问题：
相关技术中给出的方法虽然能规划出较为热门的景区旅游路线，但是这些路线的规划过于依赖开发人员自己的想法，主观性太强，不能反映出游客的普遍游览需求，实用性较差。
发明内容
为了解决相关技术的问题，本发明实施例提供了一种确定推荐路线信息的方法和装置。所述技术方案如下：
第一方面，提供了一种确定推荐路线信息的方法，所述方法包括：
获取多个图像拍摄设备在预设时间段内拍摄的面部图像；
基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合；
基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息；
基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。
可选的，所述获取多个图像拍摄设备在预设时间段内拍摄的面部图像之后，还包括：
确定每个面部图像对应的人物属性信息；
所述基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合之后，包括：
基于每个面部图像集合中的面部图像对应的人物属性信息，确定每个面部图像集合对应的人物属性信息；
所述基于每个面部图像集合对应的路线信息，确定推荐路线信息集合，包括：
对于每种人物属性信息分类，确定所述人物属性信息分类包括的各人物属性信息对应的目标面部图像集合，基于所述目标面部图像集合对应的路线信息，确定所述人物属性信息分类对应的推荐路线信息集合。
可选的，所述确定所述人物属性信息分类对应的推荐路线信息集合之后，还包括：
当接收到目标账户的路线推荐请求时，确定所述目标账户的人物属性信息所属的目标人物属性信息分类；
确定所述目标人物属性信息分类对应的目标推荐路线信息集合；
基于所述目标推荐路线信息集合，对所述路线推荐请求进行反馈。
可选的，所述确定每个面部图像对应的人物属性信息，包括：
将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息。
可选的，所述将每个面部图像输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息，包括：
将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息和面部特征值；
所述基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合，包括：
基于每个面部图像的面部特征值之间的匹配度，将获取的各面部图像，划分为多个面部图像集合。
可选的，所述路线信息为按照对应的拍摄时间信息排列的多个地点信息组成的序列；
所述基于每个面部图像集合对应的路线信息，确定推荐路线信息集合，包括：
将所有图像集合对应的路线信息，输入频繁序列模式挖掘算法模型，得到多个频繁序列，作为多个推荐路线信息，组成推荐路线信息集合。
可选的，所述方法还包括：
获取所述推荐路线信息集合中每个推荐路线信息包含的地点信息；
根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。
第二方面，提供了一种确定推荐路线信息的装置，所述装置包括：
获取模块，用于获取多个图像拍摄设备在预设时间段内拍摄的面部图像；
确定模块，用于基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合；
基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息；
基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。
可选的，所述确定模块，还用于：
确定每个面部图像对应的人物属性信息；
基于每个面部图像集合中的面部图像对应的人物属性信息，确定每个面部图像集合对应的人物属性信息；
对于每种人物属性信息分类，确定所述人物属性信息分类包括的各人物属性信息对应的目标面部图像集合，基于所述目标面部图像集合对应的路线信息，确定所述人物属性信息分类对应的推荐路线信息集合。
可选的，所述装置，还包括：
反馈模块，用于当接收到目标账户的路线推荐请求时，确定所述目标账户的人物属性信息所属的目标人物属性信息分类；确定所述目标人物属性信息分类对应的目标推荐路线信息集合；基于所述目标推荐路线信息集合，对所述路线推荐请求进行反馈。
可选的，所述确定模块，用于：
将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息。
可选的，所述确定模块，用于：
将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息和面部特征值；
基于每个面部图像的面部特征值之间的匹配度，将获取的各面部图像，划分为多个面部图像集合。
可选的，其特征在于，所述路线信息为按照对应的拍摄时间信息排列的多个地点信息组成的序列；
所述确定模块，用于：
将所有图像集合对应的路线信息，输入频繁序列模式挖掘算法模型，得到多个频繁序列，作为多个推荐路线信息，组成推荐路线信息集合。
可选的，其特征在于，所述确定模块，还用于：
获取所述推荐路线信息集合中每个推荐路线信息包含的地点信息；根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。
第三方面，提供了一种服务器，所述包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令所述处理器加载并执行以实现如上述第一方面所述的确定推荐路线信息的方法。
第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上述第一方面所述的确定推荐路线信息的方法。
本发明实施例提供的技术方案带来的有益效果至少包括：
本发明实施例中，通过获取多个图像拍摄设备在预设时间段内拍摄的面部图像，并将相匹配的面部图像组成面部图像集合，再确定出得到的面部图像集合对应的路线信息，然后根据这些路线信息确定出推荐路线信息。这样根据人们的实际路线信息得到推荐路线信息，具有较强的实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种确定推荐路线信息的方法的流程图；
图2是本发明实施例提供的一种图像拍摄设备设置示意图；
图3是本发明实施例提供的一种确定推荐路线信息的装置的结构示意图；
图4是本发明实施例提供的一种服务器结构示意图；
图5是本发明实施例提供的一种确定推荐路线信息的方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种确定推荐路线信息的方法，该方法可以由服务器实现。
本发明实施例中，可以在目标区域内多个位置设置有图像拍摄设备，图像拍摄设备对处于其拍摄范围的人进行拍摄，并将拍摄的图像发送给服务器，服务器接收到图像后，进行图像分析，并基于图像分析结果规划游览的路线信息。例如，目标区域可以是某一景区、大型博物馆、商场等有路线规划需求的地方。其中，服务器可以是单一的服务器，也可以是一个服务器组。即，可以由单一的服务器来实现图像分析和游览的路线信息规划，也可以使用服务器组中的不同服务器分别实现图像分析和游览的路线信息规划。下面实施例以在景区内设置拍摄设备，并使用单一服务器进行上述处理的情况为例进行说明，在其他不同场景下设置图像拍摄设备，使用服务器组完成上述处理的方法与之类似，在此不做赘述。
如图1所示，该方法的处理流程可以包括如下的步骤：
在步骤101中，获取多个图像拍摄设备在预设时间段内拍摄的面部图像。
其中，图像拍摄设备可以为智能摄像机，对在其拍摄范围内的目标物进行拍摄。另外，还可以配置有照明器件，使图像拍摄设备可以在夜间进行正常拍摄。
在实施中，可以在景区的出口和入口、售票处、景区内各景点的出口和入口、主干道等地点设置有图像拍摄设备，用于拍摄经过的游客。图像拍摄设备可以对短时间内拍摄的多张图像进行评分，评分可以根据图像的曝光度、清晰度等综合分析，并将拍摄的多张图像中评分最高的图像发送给服务器。例如，上述短时间可以设置为2秒，图像拍摄设备在2秒内可以拍摄多张图像。由于图像拍摄设备拍摄的一张图像中，可能包括有多个游客，因此，服务器会对获取到的图像，进行面部识别和抠图，以获取到该抓拍图像中的多张面部图像，并进行存储。在存储的面部图像中，服务器可以获取预设时间段内各图像拍摄设备拍摄的面部图像，例如该预设时间段可以为一天，即从00:00到24:00。
在步骤102中，基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合。
在实施中，对于获取到的面部图像，可以将其输入到用于识别面部图像匹配度的模型中，得到面部图像之间的匹配度。将匹配度满足预设阈值的面部图像，划分为一个面部图像集合，并打上一个ID，那么，获取到的各面部图像就可以划分为多个面部图像集合。
可选的，可以根根面部图像对应的面部特征值，来确定相匹配的面部图像，相应的，处理可以如下：将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息和面部特征值；在获取的面部图像中，基于每个面部图像的面部特征值，确定相匹配的面部图像，组成面部图像集合。
在实施中，可以使用能够输出人物特征属性信息和面部特征值的面部分析模型。其中，面部特征值也可以叫做模型值，是base64编码数据。然后，对于每个面部图像对应的模型值进行一对多的比对。即，首先将一个面部图像对应的模型值输入到面部比对模型中，将其打上ID(identification，身份标识号)，并放入比对库中进行存储。再将第二张面部图像对应的模型值输入到面部比对模型中，面部比对模型会将该模型值与比对库中存储的模型值进行比对，得到两模型值之间的匹配度。如果匹配度达到预设阈值，则将该第二张面部图像对应的模型值打上与第一张面部图像对应的模型值相同的ID，如果匹配度没有达到预设阈值，则将该模型值打上新的ID。将第二张面部图像对应的模型值打上ID之后，将其放入比对库中进行存储。再将第三张面部图像对应的模型值输入到面部比对模型中，面部比对模型会对该模型值与比对库中存储的两个模型值进行比对，得到其与比对库中的两个模型值的匹配度。如果输入的第三个模型值与比对库中的第一次输入的模型值的匹配度大于预设阈值，则将该模型值打上与第一次输入的模型值相同的ID；如果输入的第三个模型值与比对库中的第二次输入的模型值的匹配度大于预设阈值，则将该模型值打上与第二次输入的模型值相同的ID；如果该模型值与比对库中存储的模型值间的匹配度均大于预设阈值，则将该模型值打上与和其匹配度高的模型值相同的ID；如果该模型值与比对库中存储的模型值间的匹配度均小于预设阈值，则将该模型值打上新的ID。将第三张面部图像对应的模型值打上ID之后，将其放入比对库中进行存储。以此类推，直到将获取到的所有面部图像对应的模型值都打上ID为止。这样每个面部图像对应的模型值都被打上了ID，可以认为有相同ID的模型值对应的面部图像是相匹配的，相当于将有相同ID的模型值对应的面部图像被划分为一个面部图像集合。
在步骤103中，基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息。
其中，拍摄时间信息为面部图像所对应的抓拍图像的实际拍摄时间。地点信息为拍摄该图像的图像拍摄设备所属的地点，图像拍摄设备的位置点包括在该地点的区域范围内。如图2所示，景点A为地点信息，景点A的入口、出口1、出口2、出口3等位置分别设置有图像拍摄设备1、图像拍摄设备2、图像拍摄设备3、图像拍摄设备4、图像拍摄设备5，每个图像拍摄设备有各自的位置点，则景点A内的这些图像拍摄设备所对应的地点信息为景点A；干道A为地点信息，干道A上设置有图像拍摄设备6、图像拍摄设备7、图像拍摄设备8，每个图像拍摄设备有各自的位置点，则干道A内的这些图像拍摄设备所对应的地点信息为干道A。路线信息为按照拍摄时间信息排列的多个地点信息组成的序列。
在实施中，服务器在获取图像拍摄设备拍摄的面部图像的同时，还可以获取面部图像的拍摄时间信息和地点信息。将每个面部图像所对应的地点信息按照其对应的拍摄时间信息进行排列，排列得到的地点信息的序列就是面部图像集合所对应的路线信息。而面部图像集合又对应有一个ID，那么，得到的面部图像集合对应的路线信息，也可以认为是该ID对应的路线信息，同时每个ID对应的路线信息中的每个地点信息又对应有至少一个拍摄时间信息。
在步骤104中，基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。
在实施中，可以简单的对所有面部图像集合对应的路线信息进行去重处理，将去重处理后的路线信息，作为推荐路线信息组成推荐路线信息集合。或者，也可以结合一些数学算法挖掘出一些热度较高的路线信息，作为推荐路线信息组成推荐路线信息集合。或者，还可以结合一些数学算法对路线信息进行分割、重组得到一些更加优化的路线信息，作为推荐路线信息组成推荐路线信息集合。
用户的客户端可以根据推荐路线信息集合进行推荐路线显示，显示时，可以在地图上将推荐路线信息包含的各个地点信息对应的地点按排列顺序进行连线，并配以相应地点信息的说明文字。
可选的，上述结合一些数学算法对路线信息进行分割、重组得到一些更加优化的路线信息，作为推荐路线信息组成推荐路线信息集合的情况，在步骤104的处理可以如下：将所有图像集合对应的路线信息，输入频繁序列模式挖掘算法模型，得到多个频繁序列，作为多个推荐路线信息，组成推荐路线信息集合。
其中，频繁序列模式挖掘算法可以为PrefixSpan(Prefix-ProjectedPatternGrowth，前缀投影的模式挖掘)算法。
在实施中，将一段时间内(如1天)所获取的面部图像集合所对应的路线信息输入到PrefixSpan算法中，便可以得到在这段时间内的频繁路线信息，即推荐路线信息，这些推荐路线信息组成了推荐路线集合。下面举例对得到的推荐路线信息进行说明：
输入到PrefixSpan算法中的为<abcde>、<abeg>、<bdf>、<cde>四个序列，其中不同的数据项分别代表不同的地点信息。设置序列出现频率达到百分之五十即作为频繁序列输出，其中序列出现频率可以称为支持度。首先以一个数据项为前缀进行频繁序列的挖掘，把a作为前缀在各输入序列中查找支持度达到百分之五十的序列，可以得到<ab>、<ae>均出现了两次，即支持度到达了百分之五十，可以作为频繁序列，而<ac>、<ad>、<ag>都只出现了一次，即支持度没有达到百分之五十，所以不能作为频繁序列。接下来，分别以b、c、d、e为前缀再进行频繁序列挖掘，因为数据项g和f只出现了一次，所以不再以g和f为前缀进行频繁序列挖掘。以一个数据项为前缀的频繁序列挖掘完成后，再进行以两个数据项为前缀的频繁序列挖掘，以此类推，以多个数据项为前缀的挖掘方法与以一个数据项为前缀的频繁序列挖掘相同，在此不做赘述。最后得到的所有频繁序列，就组成了推荐路线信息，得到的所有推荐路线信息组成了推荐路线信息集合。
可选的，确定出推荐路线信息集合后，还可以进行如下处理：获取推荐路线信息集合中每个推荐路线信息包含的地点信息；根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。
在实施中，对于得到的推荐路线信息集合，获取其中每个推荐路线所包含的地点信息。然后，对于获取到的任一地点信息，确定出包括有该地点信息的所有路线信息，每个路线信息又对应有一个ID，每个ID可以认为代表了同一个游客。再确定每一个路线信息中的该地点信息对应的所有拍摄时间信息。在每一个路线信息中，利用该地点信息最后的拍摄时间信息，减去最先的拍摄时间信息，便可以得到该路线信息所对应的ID代表的游客，在该地点信息所对应的地点的停留时长。对于通过该地点信息确定出的每个路线信息均进行上述处理，可以得到该地点信息对应的多个停留时长，再对得到的多个停留时间取平均，即可以得到最终的该地点信息所对应的停留时长。
例如，对于获取到的地点信息景点D，确定出包括有景点D的所有路线信息共三个，路线信息1、路线信息2和路线信息3，路线信息1对应有ID1，路线信息2对应有ID2，路线信息3对应有ID3。再确定出路线信息1中景点D对应的拍摄时间信息共有四个，利用这四个拍摄时间信息中，最后的拍摄时间信息减去最先的拍摄时间信息，得到的时长为50分钟，即表明ID1代表的游客在景点D停留时长为50分钟。然后，确定出路线信息2中景点D对应的拍摄时间信息共有六个，利用这六个拍摄时间信息中，最后的拍摄时间信息减去最先的拍摄时间信息，得到的时长为30分钟，即表明ID2代表的游客在景点D的停留时长为30分钟。再确定出路线信息3中景点D对应的拍摄时间信息共有五个，利用这五个拍摄时间信息中，最后的拍摄时间信息减去最先的拍摄时间信息，得到的时长为40分钟，即表明ID3代表的游客在景点D的停留时长为40分钟。再对得到的三个停留时长取平均，就可以得到最终的游客在景点D的停留时长为40分钟。
对于得到的推荐路线信息集合，获取其中每个推荐路线所包含的地点信息，然后对于获取到的地点信息中的任一组相邻的两地点信息，确定出包括有这俩个相邻地点信息的所有路线信息，再确定出每一个路线信息中的这两个相邻地点信息对应的所有拍摄时间信息。在每一个路线信息中，利用这两个相邻的地点信息中后一地点信息对应的最先的拍摄时间信息，减去前一地点信息对应的最后的拍摄时间信息，便可以得到该路线信息所对应的ID代表的游客，在两相邻地点信息所对应的两地点间的移动时长。对于确定出的每个路线信息均进行上述处理，可以得到相邻两地点信息对应的多个移动时长，再对多个移动时长取平均，即可以得到最终的相邻地点信息对应的移动时长。
例如，对于获取到的地点信息中的相邻两地点信息景点E、景点F，景点E在景点F前，确定出景点E和景点F对应的所有路线信息共三个，路线信息4、路线信息5和路线信息6，路线信息4对应有ID4，路线信息5对应有ID5，路线信息6对应有ID6。再确定出路线信息4中的景点E对应的拍摄时间信息，和景点F对应的拍摄时间信息，利用景点F对应的最先的拍摄时间减去景点E对应的最后的拍摄时间，得到的时长为15分钟，即ID4代表的游客从景点E到景点F的移动时长为15分钟。然后，确定出路线信息5中的景点E对应的拍摄时间信息，和景点F对应的拍摄时间信息，利用景点F对应的最先的拍摄时间减去景点E对应的最后的拍摄时间，得到的时长为20分钟，即ID5代表的游客从景点E到景点F的移动时长为20分钟。再确定出路线信息6中的景点E对应的拍摄时间信息，和景点F对应的拍摄时间信息，利用景点F对应的最先的拍摄时间减去景点E对应的最后的拍摄时间，得到的时长为10分钟，即ID6代表的游客从景点E到景点F的移动时长为10分钟。再对得到的三个移动时长取平均，就可以得到最终的游客从景点E到景点F的移动时长为15分钟。
对于上述获取到每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长的情况，在用户的客户端显示推荐路线时，可以连同推荐获取到的推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长，在地图中相应的地点信息对应的位置显示。
如图5所示，本发明实施例还提供了一种确定推荐路线信息的方法，具体处理流程如下：
步骤501，获取多个图像拍摄设备在预设时间段内拍摄的面部图像。
步骤502，确定每个面部图像对应的人物属性信息。
其中，人物属性信息可以包括年龄段、性别、国籍等，具体选择哪种或哪些人物属性信息可以由技术人员基于实际需求进行配置。
在实施中，技术人员可以预先以面部数据库中的大量面部图像和这些面部图像所对应的人物属性信息为样本，对面部分析模型进行训练，得到可以输出面部图像所对应的人物属性信息的面部分析模型。其中，面部数据库可以为互联网中的共享面部数据库，也可以是由技术人员收集面部图像所组成的面部数据库。当进行面部图像对应的人物属性信息获取时，将从图像拍摄器件拍摄的图像中抠图得到的每个面部图像，分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息。例如，人物属性信息为年龄段，将一个面部图像输入到面部分析模型中，便可以得到该面部图像对应的年龄段为少年、青年、中年或老年。
步骤503，基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合。
步骤504，基于每个面部图像集合中的面部图像对应的人物属性信息，确定每个面部图像集合对应的人物属性信息。
在实施中，通过面部分析模型得到了每个面部图像对应的人物属性信息，那么对于一个面部图像集合的人物属性信息，可以由每个面部图像对应的人物属性信息确定。对于任一面部图像集合，在该面部图像集合包括的所有面部图像对应的人物属性信息中，可以确定属于同一类别的每个不同人物属性信息的出现次数，将出现次数最多的人物属性信息，确定为该面部图像集合对应的人物属性信息。以确定面部图像集合对应的年龄段为例，对于任一面部图像集合，在该面部图像集合包括的所有面部图像对应的年龄段中，可以确定每个年龄段的出现次数，其中，少年0次，青年2次，中年15次，老年1次，可见中年出现15次，在所有年龄段段中出现的次数最多，则将该面部图像集合对应的年龄段确定为中年。
步骤505，基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息。
步骤506，对于每种人物属性信息分类，确定人物属性信息分类包括的各人物属性信息对应的目标面部图像集合，基于目标面部图像集合对应的路线信息，确定该人物属性信息分类对应的推荐路线信息集合。
在实施中，每个面部图像集合都对应有人物属性信息，那么在确定推荐路线信息之前，可以对面部图像集合按照其所对应的人物属性信息进行分类。此处，每个人物属性信息分类中可以包括有一个或多个人物属性信息，例如可以为将少年分为一个属性信息分类，如表1所示，为少年所对应的面部信息集合。又例如，可以将男性青年分为一个人物属性信息分类，如表2所示，为男性青年所对应的面部信息集合。
表1
Figure BDA0002140775040000121
表2
Figure BDA0002140775040000122
然后将每个人物属性信息分类包括的面部图像集合所对应的路线信息分别输入到频繁序列模式挖掘算法模型中，以确定该分类所对应的推荐路线信息集合。例如，对于人物属性信息分类为女性青年，那么将女性青年的面部图像集合所对应的路线信息输入到频繁序列模式挖掘算法模型中，即可得到女性青年所对应的推荐路线信息集合。这样，在后续处理中，便可以有针对性的对女性青年进行路线推荐。
步骤507，当接收到目标账户的路线推荐请求时，确定该目标账户的人物属性信息所属的目标人物属性信息分类，确定该目标人物属性信息分类对应的目标推荐路线信息集合，基于该目标推荐路线信息集合，对路线推荐请求进行反馈。
在实施中，服务器接收到用户的终端发送的路线推荐请求时，会根据该终端上登录的目标账户查找出该账户相应的人物属性信息，并确定出该人物属性信息属于哪一类目标人物属性信息。然后根据该目标人物属性信息查询出其对应的推荐路线信息集合。再根据需求将推荐路线信息集合中的全部或部分推荐路线信息反馈给该目标账户。
需要说明的是本处理流程中的步骤501、步骤502、步骤503的具体实施方式与上述实施例中相关步骤相同，步骤506中通过频繁序列模式挖掘算法模型确定推荐路线信息的方法与上述实施例相同，在此均不做赘述。另外，本处理流程也可以获取推荐路线信息集合中每个推荐路线信息包含的地点信息；根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。具体处理方式见上述实施例。
基于相同的技术构思，本发明实施例还提供了一种确定推荐路线信息的装置，该装置可以为上述实施例中的服务器，如图3所示，该装置包括：获取模块310，确定模块320和反馈模块330。
获取模块310，用于获取多个图像拍摄设备在预设时间段内拍摄的面部图像；
确定模块320，用于基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合；
基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息；
基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。
可选的，所述确定模块320，还用于：
确定每个面部图像对应的人物属性信息；
基于每个面部图像集合中的面部图像对应的人物属性信息，确定每个面部图像集合对应的人物属性信息；
对于每种人物属性信息分类，确定所述人物属性信息分类包括的各人物属性信息对应的目标面部图像集合，基于所述目标面部图像集合对应的路线信息，确定所述人物属性信息分类对应的推荐路线信息集合。
可选的，所述装置，还包括：
反馈模块330，用于当接收到目标账户的路线推荐请求时，确定所述目标账户的人物属性信息所属的目标人物属性信息分类；确定所述目标人物属性信息分类对应的目标推荐路线信息集合；基于所述目标推荐路线信息集合，对所述路线推荐请求进行反馈。
可选的，所述确定模块320，用于：
将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息。
可选的，所述确定模块320，用于：
将每个面部图像分别输入到预先训练的面部分析模型中，得到每个面部图像对应的人物属性信息和面部特征值；
基于每个面部图像的面部特征值之间的匹配度，将获取的各面部图像，划分为多个面部图像集合。
可选的，其特征在于，所述路线信息为按照对应的拍摄时间信息排列的多个地点信息组成的序列；
所述确定模块320，用于：
将所有图像集合对应的路线信息，输入频繁序列模式挖掘算法模型，得到多个频繁序列，作为多个推荐路线信息，组成推荐路线信息集合。
可选的，其特征在于，所述确定模块320，还用于：
获取所述推荐路线信息集合中每个推荐路线信息包含的地点信息；根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是：上述实施例提供的确定推荐路线信息的装置在确定推荐路线信息时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的确定推荐路线信息的装置与确定推荐路线信息的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，存储介质中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述实施例中的识别动作类别的方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图4是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备1000可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)401和一个或一个以上的存储器402，其中，所述存储器402中存储有至少一条指令，所述至少一条指令由所述处理器401加载并执行以实现上述确定推荐路线信息的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种确定推荐路线信息的方法，其特征在于，所述方法包括：
获取多个图像拍摄设备在预设时间段内拍摄的面部图像；
基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合；
基于每个面部图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息；
基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。
2.根据权利要求1所述的方法，其特征在于，所述获取多个图像拍摄设备在预设时间段内拍摄的面部图像之后，还包括：
确定每个面部图像对应的人物属性信息；
所述基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合之后，包括：
基于每个面部图像集合中的面部图像对应的人物属性信息，确定每个面部图像集合对应的人物属性信息；
所述基于每个面部图像集合对应的路线信息，确定推荐路线信息集合，包括：
对于每种人物属性信息分类，确定所述人物属性信息分类包括的各人物属性信息对应的目标面部图像集合，基于所述目标面部图像集合对应的路线信息，确定所述人物属性信息分类对应的推荐路线信息集合。
3.根据权利要求2所述的方法，其特征在于，所述确定所述人物属性信息分类对应的推荐路线信息集合之后，还包括：
当接收到目标账户的路线推荐请求时，确定所述目标账户的人物属性信息所属的目标人物属性信息分类；
确定所述目标人物属性信息分类对应的目标推荐路线信息集合；
基于所述目标推荐路线信息集合，对所述路线推荐请求进行反馈。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述路线信息为按照对应的拍摄时间信息排列的多个地点信息组成的序列；
所述基于每个面部图像集合对应的路线信息，确定推荐路线信息集合，包括：
将所有图像集合对应的路线信息，输入频繁序列模式挖掘算法模型，得到多个频繁序列，作为多个推荐路线信息，组成推荐路线信息集合。
5.根据权利要求1-3中任一项所述的方法，所述方法还包括：
获取所述推荐路线信息集合中每个推荐路线信息包含的地点信息；
根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。
6.一种确定推荐路线信息的装置，其特征在于，所述装置包括：
获取模块，用于获取多个图像拍摄设备在预设时间段内拍摄的面部图像；
确定模块，用于基于面部图像之间的匹配度，将获取的各面部图像，划分为多个面部图像集合；
基于每个图像集合中各面部图像的拍摄时间信息和地点信息，确定每个面部图像集合对应的路线信息；
基于每个面部图像集合对应的路线信息，确定推荐路线信息集合。
7.根据权利要求6所述的装置，其特征在于，所述确定模块，还用于：
确定每个面部图像对应的人物属性信息；
基于每个面部图像集合中的面部图像对应的人物属性信息，确定每个面部图像集合对应的人物属性信息；
对于每种人物属性信息分类，确定所述人物属性信息分类包括的各人物属性信息对应的目标面部图像集合，基于所述目标面部图像集合对应的路线信息，确定所述人物属性信息分类对应的推荐路线信息集合。
8.根据权利要求7所述的装置，其特征在于，所述装置，还包括：
反馈模块，用于当接收到目标账户的路线推荐请求时，确定所述目标账户的人物属性信息所属的目标人物属性信息分类；确定所述目标人物属性信息分类对应的目标推荐路线信息集合；基于所述目标推荐路线信息集合，对所述路线推荐请求进行反馈。
9.根据权利要求6-8中任一项所述的装置，其特征在于，所述路线信息为按照对应的拍摄时间信息排列的多个地点信息组成的序列；
所述确定模块，用于：
将所有图像集合对应的路线信息，输入频繁序列模式挖掘算法模型，得到多个频繁序列，作为多个推荐路线信息，组成推荐路线信息集合。
10.根据权利要求6-8中任一项所述的装置，其特征在于，所述确定模块，还用于：
获取所述推荐路线信息集合中每个推荐路线信息包含的地点信息；根据获取的每个地点信息对应的面部图像的拍摄时间信息，确定每个推荐路线信息中每个地点信息对应的停留时长和相邻地点信息对应的移动时长。
11.一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令所述处理器加载并执行以实现如权利要求1-5任一项所述的确定推荐路线信息的方法。
12.一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1-5任一项所述的确定推荐路线信息的方法。
CN201910668103.8A 2019-07-23 2019-07-23 确定推荐路线信息的方法和装置 Pending CN111324681A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910668103.8A CN111324681A (zh) 2019-07-23 2019-07-23 确定推荐路线信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910668103.8A CN111324681A (zh) 2019-07-23 2019-07-23 确定推荐路线信息的方法和装置

Publications (1)

Publication Number Publication Date
CN111324681A true CN111324681A (zh) 2020-06-23

Family

ID=71172484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910668103.8A Pending CN111324681A (zh) 2019-07-23 2019-07-23 确定推荐路线信息的方法和装置

Country Status (1)

Country Link
CN (1) CN111324681A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113159415A (zh) * 2021-04-19 2021-07-23 武汉亿融信科科技有限公司 基于移动互联网和大数据分析的旅游景点路线智能推荐方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680010A (zh) * 2017-09-29 2018-02-09 桂林电子科技大学 一种基于游览行为的景区路线推荐方法及其系统
CN108989764A (zh) * 2018-08-22 2018-12-11 河南省颍河电子科技有限公司 一种景区游客影片生成系统
CN109033325A (zh) * 2018-07-19 2018-12-18 广州慧睿思通信息科技有限公司 基于人脸识别技术的旅游终端系统及其使用方法
CN109086919A (zh) * 2018-07-17 2018-12-25 新华三云计算技术有限公司 一种景点路线规划方法、装置、系统及电子设备
CN109697214A (zh) * 2018-11-30 2019-04-30 武汉烽火众智数字技术有限责任公司 一种旅游数据分析系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680010A (zh) * 2017-09-29 2018-02-09 桂林电子科技大学 一种基于游览行为的景区路线推荐方法及其系统
CN109086919A (zh) * 2018-07-17 2018-12-25 新华三云计算技术有限公司 一种景点路线规划方法、装置、系统及电子设备
CN109033325A (zh) * 2018-07-19 2018-12-18 广州慧睿思通信息科技有限公司 基于人脸识别技术的旅游终端系统及其使用方法
CN108989764A (zh) * 2018-08-22 2018-12-11 河南省颍河电子科技有限公司 一种景区游客影片生成系统
CN109697214A (zh) * 2018-11-30 2019-04-30 武汉烽火众智数字技术有限责任公司 一种旅游数据分析系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113159415A (zh) * 2021-04-19 2021-07-23 武汉亿融信科科技有限公司 基于移动互联网和大数据分析的旅游景点路线智能推荐方法

Similar Documents

Publication Publication Date Title
CN108733819B (zh) 一种人员档案建立方法和装置
CN108596277B (zh) 一种车辆身份识别方法、装置和存储介质
CN108388888B (zh) 一种车辆识别方法、装置和存储介质
CN109325429A (zh) 一种关联特征数据的方法、装置、存储介质及终端
CN101425133A (zh) 人物图像检索装置
WO2019176235A1 (ja) 画像生成方法、画像生成装置及び画像生成システム
KR101807979B1 (ko) 이미지 합성물 생성
WO2019000461A1 (zh) 定位方法、装置、存储介质及服务器
CN113677409A (zh) 寻宝游戏引导技术
CN112434566A (zh) 客流统计方法、装置、电子设备及存储介质
CN111091106A (zh) 图像聚类方法及装置、存储介质、电子装置
CN111126288B (zh) 目标对象的关注度计算方法、装置、存储介质及服务器
CN111324681A (zh) 确定推荐路线信息的方法和装置
CN112925899B (zh) 排序模型建立方法、案件线索推荐方法、装置及介质
US11587122B2 (en) System and method for interactive perception and content presentation
CN110727751B (zh) 一种基于实名制的景区游客圈定方法及系统
CN112270748A (zh) 基于图像的三维重建方法及装置
JP2006301995A (ja) 人物検索装置及び人物検索方法
Wang et al. Virtual reality scene construction based on multimodal video scene segmentation algorithm
CN112966136B (zh) 一种人脸分类方法及装置
CN113344124B (zh) 轨迹分析方法及装置、存储介质和系统
CN111666786B (zh) 图像处理方法、装置、电子设备及存储介质
CN114677627A (zh) 目标线索寻找方法、装置、设备及介质
CN107016351A (zh) 拍摄指导信息的获取方法以及装置
CN114639076A (zh) 目标对象检测方法、装置、存储介质以及电子装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination