CN112016731A - 一种排队时长的预测方法、装置以及电子设备 - Google Patents

一种排队时长的预测方法、装置以及电子设备 Download PDF

Info

Publication number
CN112016731A
CN112016731A CN201910472988.4A CN201910472988A CN112016731A CN 112016731 A CN112016731 A CN 112016731A CN 201910472988 A CN201910472988 A CN 201910472988A CN 112016731 A CN112016731 A CN 112016731A
Authority
CN
China
Prior art keywords
detected
people
queue
queuing
time
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.)
Granted
Application number
CN201910472988.4A
Other languages
English (en)
Other versions
CN112016731B (zh
Inventor
周晓明
毛俊勇
杨雄
俞雪彪
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 CN201910472988.4A priority Critical patent/CN112016731B/zh
Publication of CN112016731A publication Critical patent/CN112016731A/zh
Application granted granted Critical
Publication of CN112016731B publication Critical patent/CN112016731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提供一种排队时长预测方法、装置以及电子设备，该方法包括：依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列；确定当前所述目标待检队列中的排队人数；基于所述人均排队时长和所述排队人数，预测该目标待检队列的新增人员的排队时长。使用本申请提供的方法，可以实现排队时长的预测。

Description

一种排队时长的预测方法、装置以及电子设备
技术领域
本申请涉及图像处理领域，尤其涉及一种排队时长的预测方法、装置以及电子设备。
背景技术
人员在交通集散地(比如火车站、机场)进行安检时通常需要排队等候。然而，由于人员无法获知各个待检队列的排队情况，造成部分待检队列排队人数较多，部分待检队列排队人数较少，从而大大降低了整个交通集散地的安检效率。
发明内容
有鉴于此，本申请提供一种排队时长的预测方法、装置以及电子设备，用以实现排队时长的预测。
具体地，本申请是通过如下技术方案实现的：
根据本申请的第一方面，提供一种排队时长预测方法，所述方法包括：
依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列；
确定当前所述目标待检队列中的排队人数；
基于所述人均排队时长和所述排队人数，预测该目标待检队列的新增人员的排队时长。
可选的，所述已安检人员的排队信息包括：已安检人员的排队时长、已安检人员的前序排队人数；
所述已安检人员的前序排队人数为：所述已安检人员在加入该目标待检队列时排在所述已安检人员之前的排队人数；
所述依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长，包括：
确定安检时刻距离当前时刻最近的N个已安检人员；
确定所述N个已安检人员分别对应的排队时长和前序排队人数；
依据所述N个已安检人员分别对应的排队时长和前序排队人数，确定该待检队列对应的人均排队时长。
可选的，所述确定所述N个已安检人员分别对应的排队时长和前序排队人数，包括：
在已记录的已安检人员标识、排队时长和前序排队人数的对应关系中，查找与N个已安检人员标识分别对应的排队时长和前序排队人数。
可选的，所述对应关系通过如下方式创建：
在接收第一图像采集设备采集的第一人脸图像和第一采集时刻时，将所述第一人脸图像和该第一采集时刻添加至预设的人脸库；所述第一人脸图像是所述目标待检队列中的待加入人员的人脸图像；所述第一采集时刻是采集第一人脸图像的时刻；
在接收到第二图像采集设备采集的已安检人员的第二人脸图像和第二采集时刻时，将所述第二人脸图像与所述人脸库中的各人脸图像进行匹配；所述第二采集时刻是采集第二人脸图像的时刻；
若所述第二人脸图像与所述人脸库中的任一人脸图像匹配，则在所述人脸库中读取匹配到的人脸图像的采集时刻；
基于所述第二采集时刻、以及所述匹配到的人脸图像的采集时刻，计算该第二人脸图像对应的已安检人员的排队时长；
获取人流密度采集设备发送的针对所述第二人脸图像对应的已安检人员的前序排队人数；
创建所述第二人脸图像对应的已安检人员的标识、排队时长、和前序排队人数的对应关系。
可选的，所述方法还包括：
确定未来预设时长内需要进行安检的区域待检人数；
若所述区域待检人数大于预设的区域可安检人数，则向用户终端发送第一提示信息；所述第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道；所述区域可安检人数为该安检待检区中的各安检通道在未来预设时长内可安检人数的总和；
若所述区域待检人数小于预设的区域可安检人数，则进一步检测预设的一个安检通道在该未来预设时长内的可安检人数是否大于该区域待检人数和区域可安检人数之差；
若大于，则向用户终端发送第二提示信息；所述第二提示信息用以提示减少待检队列、以及减少该减少的待检队列对应的安检通道；
若不大于，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。
根据本申请的第二方面，提供一种排队时长预测装置，所述装置包括：
第一确定单元，用于依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列；
第二确定单元，用于确定当前所述目标待检队列中的排队人数；
预测单元，用于基于所述人均排队时长和所述排队人数，预测该目标待检队列的新增人员的排队时长。
可选的，所述已安检人员的排队信息包括：已安检人员的排队时长、已安检人员的前序排队人数；
所述已安检人员的前序排队人数为：所述已安检人员在加入该目标待检队列时排在所述已安检人员之前的排队人数；
所述第一确定单元，具体用于确定安检时刻距离当前时刻最近的N个已安检人员；确定所述N个已安检人员分别对应的排队时长和前序排队人数；依据所述N个已安检人员分别对应的排队时长和前序排队人数，确定该待检队列对应的人均排队时长。
可选的，所述第一确定单元，在确定所述N个已安检人员分别对应的排队时长和前序排队人数时，具体用于在已记录的已安检人员标识、排队时长和前序排队人数的对应关系中，查找与N个已安检人员标识分别对应的排队时长和前序排队人数。
可选的，所述对应关系通过如下方式创建：在接收第一图像采集设备采集的第一人脸图像和第一采集时刻时，将所述第一人脸图像和该第一采集时刻添加至预设的人脸库；所述第一人脸图像是所述目标待检队列中的待加入人员的人脸图像；所述第一采集时刻是采集第一人脸图像的时刻；在接收到第二图像采集设备采集的已安检人员的第二人脸图像和第二采集时刻时，将所述第二人脸图像与所述人脸库中的各人脸图像进行匹配；所述第二采集时刻是采集第二人脸图像的时刻；若所述第二人脸图像与所述人脸库中的任一人脸图像匹配，则在所述人脸库中读取匹配到的人脸图像的采集时刻；基于所述第二采集时刻、以及所述匹配到的人脸图像的采集时刻，计算该第二人脸图像对应的已安检人员的排队时长；获取人流密度采集设备发送的针对所述第二人脸图像对应的已安检人员的前序排队人数；创建所述第二人脸图像对应的已安检人员的标识、排队时长、和前序排队人数的对应关系。
可选的，所述装置还包括：
反馈单元，用于确定未来预设时长内需要进行安检的区域待检人数；若所述区域待检人数大于预设的区域可安检人数，则向用户终端发送第一提示信息；所述第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道；所述区域可安检人数为该安检待检区中的各安检通道在未来预设时长内可安检人数的总和；若所述区域待检人数小于预设的区域可安检人数，则进一步检测预设的一个安检通道在该未来预设时长内的可安检人数是否大于该区域待检人数和区域可安检人数之差；若大于，则向用户终端发送第二提示信息；所述第二提示信息用以提示减少待检队列、以及减少该减少的待检队列对应的安检通道；若不大于，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。
根据本申请的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使执行第一方面任一项所述方法。
根据本申请的第四方面，提供一种机器可读存储介质，所述机器可读存储介质存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器执行第一方面任一项所述方法。
由上述描述可知，后台设备可以基于目标待检队列对应的多个已安检人员的前序排队人数和排队时长，确定出该待检队列对应的人均排队时长。然后，后台设备可基于该人均排队时长和当前目标待检队列中的排队人数，从而预测出新加入该目标待检队列的人员的排队时长。
附图说明
图1是本申请一示例性实施例示出的一种用于预测排队时长的组网架构示意图；
图2是本申请一示例性实施例示出的一种前端设备部署示意图；
图3是本申请一示例性实施例示出的一种排队时长预测方法的流程图；
图4是本申请一示例性实施例示出的一种电子设备的硬件结构图；
图5是本申请一示例性实施例示出的一种排队时长预测装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
需要说明的是，该方法可应用在交通集散地中的安检排队场景中，该交通集散地可包括：火车站、机场、港口、车站等等。这里只是对本申请的应用场景进行示例性地说明，不进行具体地限定。
参见图1，图1是本申请一示例性实施例示出的一种用于预测排队时长的组网架构示意图。
该组网包括：前端设备、后端设备以及显示终端。
1、前端设备可包括：多个图像采集设备、多个人流密度采集设备等。
上述图像采集设备，是指用于抓拍人脸图像的设备，比如，该图像采集设备可以是人脸抓拍相机，人脸抓拍相机可以直接抓拍到人脸图像。
当然该图像采集设备也可以是由普通相机和人脸抓拍服务器组成的虚拟设备。普通相机将拍摄的图像发送给人脸抓拍服务器，人脸抓拍服务器可以在普通相机发送的图像中识别出人脸区域。
这里只是对图像采集设备进行示例性地说明，不进行具体地限定。
上述人流密度采集设备，是指用于抓拍目标区域的图像并可以统计出目标区域中人数的设备。该人流密度采集设备可以是密度相机。
当然，该人流密度采集设备也可以是由普通相机和用于统计人数的密度服务器组成的虚拟设备。普通相机将拍摄的目标区域的图像发送给密度服务器，密度服务器可以基于该目标区域的图像统计出该目标区域的人数。
这里只是对人流密度采集设备进行示例性地说明，不进行具体地限定。
2、上述后端设备，可包括单台物理服务器，该单台服务器包含有不同的功能，比如存储，比如进行排队时长预测等功能。
当然上述后端设备也可以是由具有不同功能的服务器组成的服务器集群。比如，该服务器集群中可包括存储服务器、用于排队时长预测的算法统计服务器、存储有航班信息的航班信息服务器、进行人脸识别的脸谱服务器等等。这里只是对服务器集群所包括的服务器进行示例性地说明，不进行具体地计算。
3、显示终端，可包括：电子指示屏、管控人员的用户终端等，用以显示后端设备发送的处理结果。比如，后端设备可以将排队时长预测结果发送给电子指示屏，电子指示屏可以显示这些信息，以让待检人员可以看到出每个队列排队时长。再比如，后端设备可以将安检通道开放提示信息等发送给管控人员的用户终端，以提示管控人员增加待检队列，以及待检队列对应的安检通道。
参见图2，图2是本申请一示例性实施例示出的一种前端设备部署示意图。
安检待检区中包括多个待检队列，每个待检队列对应一个安检通道，安检通道用于对待检人员进行安检。其中，待检队列中包括等待安检的排队人员。
例如，如图2所示，安检待检区中包括两个待检队列，分别为待检队列1和待检队列2，待检队列1与安检通道1对应，待检队列2和安检队列2对应。
本申请为每个待检队列配置了第一图像采集设备、第二图像采集设备和人流密度采集设备。
其中，上述第一图像采集设备可以采集到与之对应的待检队列中新增待检人员的人脸图像。
例如，以待检队列1为例，图2中的设备A1就是第一图像采集设备。
在本申请中，预先将待检队列1的入口前方区域处设置为人脸检测区域(即图2中的人脸检测区域1)，第一图像采集设备在检测到人脸检测区域1有人员出现时，可以抓拍该人员的人脸图像。由于人脸检测区域1在待检队列1的入口处前方区域，所以第一图像采集设备抓拍的人脸图像是待检队列1的待加入人员的人脸图像。
上述第二图像采集设备用于采集与之对应的待检队列对应的已安检人员的人脸图像。
例如，以待检队列1为例，图2中的设备B1就是第二图像采集设备。
在本申请中，预先将安检通道中的某一区域设置为人脸检测区域(即图2中的人脸检测区域2)，第二图像采集设备在检测到人脸检测区域2有人员出现时，可以抓拍该人员的人脸图像。由于人脸检测区域2设置在安检通道中，所以第二图像采集设备抓拍的人脸图像是已安检人员的人脸图像。
上述人流密度采集设备用于在检测到与之对应的待检队列中的人数发生变化时，采集包含有该待检队列的图像，并基于该图像确定出待检队列中的人数。
例如，以待检队列1为例，图2中的设备C1就是人流密度采集设备，人流密度采集设备可以确定出密度检测区域1中的人数，即该待检队列1的排队人数。
以图2中的待检队列1为例。待检队列1对应的第一图像采集设备、第二图像采集设备和人流密度采集设备分别为设备A1、设备B1以及设备C1。
比如，当人员1进入人脸检测区域1时，设备A1可以抓拍人员1的人脸图像。
假设，人员6是该待检队列1对应的已安检人员，当人员6进入人脸检测区域2时，设备B1可以抓拍到人员6的人脸图像。
人流密度采集设备在检测到待检队列1的人数发生变化时，比如待检队列1中新增了人员1，人流密度采集设备可采集包含整个待检队列1的图像，并基于该图像确定出待检队列1中排队人数(即5个人)。
在介绍完排队时长的预测组网和上述前端设备的部署后，下面对本申请提供的排队时长预测方法进行详细地描述。
参见图3，图3是本申请一示例性实施例示出的一种排队时长预测方法的流程图。该方法可应用在图1所示的后台设备上，可包括如下所示步骤。
步骤301：后台设备依据目标待检队列对应的多个已安检人员的排队信息，确定所述多个已安检人员的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列。
在实现时，后台设备可以周期性地执行步骤301至步骤303。当然，后台设备也可在确定该目标待检队列人数发生变化时执行步骤301至步骤303，这里只是对执行步骤301至步骤303的触发条件进行示例性地说明，不进行具体地限定。
在本申请一实施例中，排队信息可包括：已安检人员的排队时长、已安检人员的前序排队人数。
该已安检人员的前序排队人数是指：在该已安检人员加入该目标待检队列时，排在该已安检人员之前的排队人数。
比如，已安检人员1在加入待检队列时，排在该已安检人员1之前的人员有5个人，则该已安检人员的前序排队人数为5(此时，待检队列的总人数为6)。
下面通过步骤3011至步骤3013详细介绍步骤301。
步骤3011：后台设备可确定该目标待检队列对应的最近完成安检的N个已安检人员。
当人员在安检时，安检通道中配置的一些采集设备可采集正在安检人员的信息(比如安检人员标识、安检人员对应的待检队列标识、安检时刻等)，这些采集设备可以将该已安检人员标识、安检时刻、该已安检人员对应的待检队列标识发送给后台设备，后台设备可生成该待检队列标识、与该待检队列对应的已安检人员标识和已安检人员的安检时刻的第一对应关系。
后台设备可以利用该对应关系来确定当前安检人员最近的多个已安检人员。
具体地，后台设备可以以该目标待检队列标识为关键字，在该第一对应关系中，查找到与该关键字对应的已安检人员标识和已安检人员的安检时刻。
在一种可选的实现方式中，后台设备可以在该查找到的已安检人员标识和已安检人员的安检时刻中，查找安检时刻与当前时刻距离最近的N个已安检人员标识。N为开发人员预先配置的参数，N为大于0的整数
例如，该第一对应关系可如表1所示。
Figure BDA0002081301220000101
表1
以Q1为例，后台设备可在表1中查找到Q1对应的已安检人员标识和该已安检人员的安检时刻(即人员1-10:00，人员2-10:02，人员3-10:04)。
假设当前时刻为10:05，假设开发人员设置了N为3，则后台设备可获取安检时刻距离10:05最近的3个已安检人员标识(即人员2、人员3和人员4)。
步骤3012：后台设备可确定所述N个已安检人员分别对应的排队时长和前序排队人数。
在实现时，后台设备上记录有已安检人员标识、排队时长和前序排队人数的对应关系(这里记为第二对应关系)。
后台设备可在该第二对应关系中，查找N个已安检人员标识分别对应的排队时长和前序排队人数。
比如，第二对应关系如表2所示。
已安检人员标识 排队时长 前序排队人数
人员1 5min(分钟) 2人
人员2 6min 3人
人员3 4min 2人
人员4 5min 3人
表2
假设确定出N个已安检人员标识为人员2、人员3和人员4，则可以根据表2查找到人员2对应的排队时长为6分钟，人员2对应的前序排队人数为3人。
人员3对应的排队时长为4分钟，人员3对应的前序排队人数为2人。
人员4对应的排队时长为5分钟，人员4对应的前序排队人数为3人。
步骤3013：后台设备可依据所述N个已安检人员分别对应的排队时长和前序排队人数，确定该待检队列对应的人均排队时长。
在实现时，后台设备可通过如下公式，确定出人均排队时长。
Figure BDA0002081301220000111
其中，t为目标待安检队列对应的人均排队时长，N为后台设备确定出安检时刻距离当前时刻最近的N个已安检人员的人数，TN表示第N个已安检人员的排队时长，PN表示第N个已安检人员对应的前序排队人数。
仍以步骤3012中的例子为例，假设N为3，3个已安检人员分别为人员2、人员3和人员4。
假设，人员2对应的排队时长T2为6分钟，人员2对应的前序排队人数P2为3人。
人员3对应的排队时长T3为4分钟，人员3对应的前序排队人数P3为2人。
人员4对应的排队时长T4为5分钟，人员4对应的前序排队人数P4为3人。
Figure BDA0002081301220000121
因此，该目标待检队列的人均排队时长为1.888min。
步骤302：后台设备可确定当前所述目标待检队列中的排队人数。
在实现时，人流密度采集设备在检测到目标待检队列中的人数发生变化时，将当前目标待检队列中人数以及人数采集时刻上报给后台设备。或者，人流密度采集设备可周期性地将目标待检队列中的人数以及人数采集时刻上报给后台设备。
后台设备上可产生目标待检队列人数以及人数采集时刻的对应关系(这里记为第三对应关系)。
后台设备可在该第三对应关系中，查找距离当前时刻最近的人数采集时刻，并将该人数采集时刻对应的目标待检队列人数确定为当前目标待检队列中的排队人数。
步骤303：后台设备可基于所述人均排队时长和所述排队人数，预测出新加入该目标待检队列的人员的排队时长。
在实现时，后台设备可计算上述确定出的人均排队时长和确定出的排队时长的乘积，得到新加入该目标待检队列的人员的排队时长。
例如，以步骤3013中的例子为例，假设后台设备获取到的3个已安检人员分别为人员2、人员3和人员4，并且后台设备基于人员2、人员3和人员4分别对应的排队时长和前序排队人数计算出处该目标安检队列的人均排队时长为1.888min。
假设，当前该目标安检队列的排队人数为6人，则该目标安检队列的新增人员的排队时长为人均排队时长与排队人数的乘积(即11.328min)。
此外，后台设备可将该目标待检队列标识以及该新加入该目标待检队列的人员的排队时长发送给显示终端，显示终端可显示该对应关系。
比如显示终端可显示：待检队列1：预计排队10分钟；待检队列2：预计排队5分钟等信息。
由上述描述可知，一方面，后台设备可以基于目标待检队列对应的多个已安检人员的前序排队人数和排队时长，确定出该待检队列对应的人均排队时长。然后，后台设备可基于该人均排队时长和当前目标待检队列中的排队人数，从而预测出新加入该目标待检队列的人员的排队时长。
另一方面，后台设备在每次确定目标待检队列的人均排队时长时，均是选取安检时刻距离当前时刻最近的N个已安检人员的前序排队人数和排队时长来计算的，所以后台设备采用本申请这种计算平均时长的方法计算出平均时长更能代表当前目标待检队列的人均排队时长，进而通过该人均排队时长预测出的新加入该目标待检队列的人员的排队时长更为准确。
此外，本申请还提供了一种“已安检人员标识、排队时长和前序排队人数的对应关系”的创建方法。下面通过步骤401至步骤406实现。
步骤401：后台设备在接收第一图像采集设备采集的第一人脸图像和第一采集时刻时，将所述第一人脸图像和该第一采集时刻添加至预设的人脸库。
在实现时，后台设备上配置有人脸库，人脸库中用于存储第一图像采集设备采集的人脸图像和采集时刻，当然，人脸库中还可存储人脸图像的人脸特征等，这里只是对人脸库储存内容进行示例性地说明，不进行具体地限定。
当目标待检队列中有新增人员加入时，第一图像采集设备可以抓拍该新增人员的人脸图像(记为第一人脸图像)。然后第一图像采集设备可以将该第一人脸图像和该第一人脸图像的采集时刻(记为第一采集时刻)发送给后台设备。
后台设备接收到第一图像采集设备采集的第一人脸图像和第一采集时刻后，可将该第一人脸图像和第一采集时刻添加在人脸库中。
步骤402：后台设备在接收到第二图像采集设备采集的已安检人员的第二人脸图像和第二采集时刻时，将所述第二人脸图像与所述人脸库中的各人脸图像进行匹配；所述第二采集时刻是采集第二人脸图像的时刻；
步骤403：若所述第二人脸图像与所述人脸库中的任一人脸图像匹配，后台设备则可在所述人脸库中读取匹配到的人脸图像的采集时刻
在实现时，第二图像采集设备可以采集已安检人员的人脸图像(记为第二人脸图像)，然后第二图像采集设备可以将该第二人脸图像和第二人脸图像的采集时刻(记为第二采集时刻)发送给后台设备。
后台设备在接收到第二人脸图像和第二采集时刻时，后台设备可将第二人脸图像与该人脸库中的各人脸图像进行匹配。若该第二人脸图像与人脸库中的任一人脸图像匹配，则在所述人脸库中读取该匹配到的人脸图像的采集时刻，并记录第二人脸图像与第二采集时刻。若第二人脸图像与人脸库中的所有人脸图像均不匹配，则记录第二人脸图像与第二采集时刻。
步骤404：后台设备可基于所述第二采集时刻、以及所述匹配到的人脸图像的采集时刻，计算该第二人脸图像对应的已安检人员的排队时长。
为了方便叙述，这里所述匹配到的人脸图像的采集时刻记为第三采集时刻。
在实现时，该第二人脸图像对应的已安检人员的排队时长是：该第二采集时刻与第三采集时刻之差。
步骤405：后台设备可获取人流密度采集设备发送的针对所述第二人脸图像对应的已安检人员的前序排队人数。
在实现时，后台设备可在上述目标待检队列人数和人数采集时刻的第三对应关系中，查找早于所述第三采集时刻且最接近第三采集时刻的人数采集时刻，并将查找到的人数采集时刻对应的目标待检队列人数确定为该第二人脸对象对应的已安检人员的前序排队人数。
步骤406：后台设备可创建该所述第二人脸图像对应的已安检人员的标识、排队时长、和前序排队人数的对应关系。
下面通过具体的例子对步骤401至步骤406进行详细地说明。
假设，当前目标待检队列中有5人。
当第一图像采集设备检测到待加入目标待检队列的人员6时，第一图像采集设备可以采集人员6的人脸图像1，采集时刻为A1。第一图像采集设备可将人脸图像1和采集时刻A1发送给后台设备，后台设备可将人脸图像1和采集时刻A1储存在人脸库中。
当人员6加入目标待检队列后，人流密度采集设备在检测到目标待检队列中新增人员6时，可将当前目标待检队列排队人数(假设为6个人)，以及人数采集时刻A2发送给后台设备。后台设备可记录目标待检队列排队人数和人数采集时刻的对应关系，即6人-人数采集时刻A2的对应。假设后台设备记录的人流密度采集设备上一次发送的人数与人数采集时刻为5人-A3。其中，A3早于A1，A1早于A2。
当人员6安检完后，第二图像采集设备可采集人员6的人脸图像2，人脸图像2的采集时刻为A4。第二图像采集设备可将人脸图像2和A4发送给后台设备。
后台设备在接收到人脸图像2和A4后，可将人脸图像2与人脸库中的各人脸图像进行匹配。
在本例中，人脸图像2与人脸库中已记录的人脸图像1匹配。此时，后台设备可读取人脸图像1对应的采集时刻A1。
然后，后台设备可以计算A4与A1的差值，得到人员6的排队时长T6。
此外，后台设备还可在目标待检队列排队人数和人数采集时刻的对应关系中，查找早于A1且最接近A1的人数采集时刻(即A3)，并将A3对应的目标待检队列排队人数(即5人)，确定为人员6的前序排队人数。
然后，后台设备可创建人员6、排队时长T6以及前序排队人数(即5人)的对应关系。
此外，后台设备除了可以预测出安检待检区各个待检队列的新加入人员的排队时长外，后台设备还可确定整个安检待检区的在未来预设时长的区域待检人数和预设的区域可检人数，动态提示管控人员动态调节待检队列和安检通道。
在本申请中，本申请实施例还提供了一种待检队列和安检通道的动态调节方法。该方法可包括步骤501至步骤503。
步骤501：后台设备可确定未来预设时长内需要进行安检的区域待检人数。
下面通过步骤5011至步骤5013对步骤501进行具体地描述。
步骤5011：后台设备可确定当前所述安检待检区域内所有待检队列中的排队总人数Nc。
具体地，后台设备可在本地记录的待检队列人数和人数采集时刻的对应关系中，查找当前时刻各个待检队列人数，然后将各待检队列人数进行相加，确定出当前该安检待检区域内所有待检队列中的排队总人数Nc。
步骤5012：后台设备还可获取所述未来预设时长内待登机人数Nm。
具体地，后台设备可以基于机场的航班信息系统中，获取未来预设时长内的登机人数。
步骤5013：后台设备可基于Nc和Nm，确定未来预设时长内需要进行安检的待检人数。
具体地，后台设备可计算Nc和Nm之和，得到确定未来预设时长内需要进行安检的待检人数。
步骤502：若所述区域待检人数大于预设的区域可安检人数，后台设备则向用户终端发送第一提示信息；所述第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道；所述区域可安检人数为该安检待检区中的各安检通道在未来预设时长内可安检人数的总和。
其中，后台设备上预设有一个安检通道在未来预设时长的可安检人数，以及区域可检人数(即安检待检区中各安检通道在未来预设时长内可安检人数的总和)。
上述预设的一个安全通道在预设时长的可检人数为T*(β1+e)；上述区域可安检人数为T*(β1*Qc+e)。
其中，β1表示一个安检通道在单位时间内可检人数的预测值，e为预设的误差值，T为未来预设时长，Qc为当前开放的安检通道数。
其中，β1和e可以基于一个安检通道在单位时间内安检人数的历史记录，通过预设的预测模型(比如线性回归模型)预测出来的。
此外，还需要说明的是，为了使得一个安全通道在预设时长的可检人数以及区域可安检人数更为准确，可以周期性地更新β1和e的取值。
例如，可以在周期末统计本周期一个安全通道在单位时间内安检人数的记录，并通过预设的预测模型预测出该周期的内的β1和e的取值，再依据预测出的β1和e计算该周期未来的一个安全通道在预设时长的可检人数为T*(β1+e)，以及区域可安检人数为T*(β1*Qc+e)。
在本申请实施例中，后台设备可检测区域待检人数是否大于预设的区域可检人数。
若该区域待检人数大于该预设的区域可检人数，则向用户终端发送第一提示信息。该第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道。
步骤503：若所述区域待检人数小于预设的区域可安检人数，则进一步检测预设的一个安检通道在该未来预设时长内的可安检人数是否大于该区域待检人数和区域可检人数之差。若预设的一个安检通道在该未来预设时长内的可安检人数大于该区域待检人数和区域可检人数之差，则向用户终端发送第二提示信息；所述第二提示信息用以提示减少待检队列、以及减少该减少的待检队列对应的安检通道；若预设的一个安检通道在该未来预设时长内的可安检人数不大于该区域待检人数和区域可检人数之差，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检
例如：假设区域待检人数为Nc+Nm；其中，Nc为检待检区域内所有待检队列中的排队总人数，Nm为未来预设时长内待登机人数。
假设区域可检人数为：T*(β1*Qc+e)；一个安检通道在未来预设时长的可检人数为：T*(β1+e)
若Nc+Nm＞T*(β1*Qc+e)，后台设备则可向用户终端发送第一提示信息。
若Nc+Nm≤T*(β1*Qc+e)，后台设备则可检测T*(β1+e)是否大于Press；其中，Press＝Nc+Nm-T*(β1*Qc+e)。
若T*(β1+e)大于Press，则向用户终端发送第二提示信息；
若T*(β1+e)小于等于Press，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。
需要说明的是，为了避免将通道关闭，造成待安检区安检拥堵，开发人员可以为β1添加一个(0,1)之间的系数，使得一个安检通道在单位时间内安检人数的预测值有一个冗余量。在检测T*(β1+e)是否大于Press时，后台设备还可以检测T*(β1*c+e)是否大于Press。若T*(β1*c+e)大于Press，则向用户终端发送第二提示信息；若T*(β1*c+e)小于等于Press，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。其中，c为该(0,1)之间的系数。
由上述描述可知，后台设备还可在确定安检待检区未来预设时长内待检人数过多时，后台设备可向管控人员的用户终端发送提示信息，以提示管控人员增加待检队列以及增加该待检队列对应的安检通道，在当安检待检区开设安检通道或者队列过多时，向用户终端发送第二提示信息，以提示管控人员减少待检队列以及减少待检队列对应的安全通道，从而实现了后台设备基于动态调节待检队列和安检通道数量。
此外，在本申请实施例中，后台设备还可确定安检待检区的人均排队时长，然后通过显示终端显示该安检待检区的人均排队时长。
具体地，后台设备可周期性地执行以下操作。
在周期结束时，后台设备可依据本周期内安检待检区中各待检队列对应的已安检人员的总人数以及各已安检人员的排队时长。
后台设备可基于该安检待检区中各待检队列对应的已安检人员的排队时长、以及所述安检待检区中的已安检人数的总和，确定所述安检待检区的人均排队时长。
后台设备可将安检待检区中各待检队列对应的已安检人员的排队时长求和，得到总排队时长，然后将总排队时长与安检待检区中的已安检人数的总和相除，得到该安检待检区的人均排队时长。
安检待检区的人均排队时长的公式如下：
Figure BDA0002081301220000191
其中，Tarea为安检待检区的人均排队时长，TW为安检待检区中第W个已安检人员对应的排队时长，W为安检待检区中所有已安检人员的总人数。
参见图4，图4是本申请一示例性实施例示出的一种电子设备的硬件结构图。
该电子设备包括：通信接口401、处理器402、机器可读存储介质403和总线404；其中，通信接口401、处理器402和机器可读存储介质403通过总线404完成相互间的通信。处理器402通过读取并执行机器可读存储介质403中与电子设备控制逻辑对应的机器可执行指令，可执行上文描述的排队时长的预测方法。
本文中提到的机器可读存储介质403可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：易失存储器、非易失性存储器或者类似的存储介质。具体地，机器可读存储介质403可以是RAM(Radom Access Memory，随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。
参见图5，图5是本申请一示例性实施例示出的一种排队时长预测装置的框图，该装置可应用在后台设备(或者电子设备)上，可包括如下所示单元。
第一确定单元501，用于依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列；
第二确定单元502，用于确定当前所述目标待检队列中的排队人数；
预测单元503，用于基于所述人均排队时长和所述排队人数，预测该目标待检队列的新增人员的排队时长。
可选的，所述已安检人员的排队信息包括：已安检人员的排队时长、已安检人员的前序排队人数；
所述已安检人员的前序排队人数为：所述已安检人员在加入该目标待检队列时排在所述已安检人员之前的排队人数；
所述第一确定单元501，具体用于确定安检时刻距离当前时刻最近的N个已安检人员；确定所述N个已安检人员分别对应的排队时长和前序排队人数；依据所述N个已安检人员分别对应的排队时长和前序排队人数，确定该待检队列对应的人均排队时长。
可选的，所述第一确定单元501，在确定所述N个已安检人员分别对应的排队时长和前序排队人数时，具体用于在已记录的已安检人员标识、排队时长和前序排队人数的对应关系中，查找与所述N个已安检人员标识分别对应的排队时长和前序排队人数。
可选的，所述对应关系通过如下方式创建：在接收第一图像采集设备采集的第一人脸图像和第一采集时刻时，将所述第一人脸图像和该第一采集时刻添加至预设的人脸库；所述第一人脸图像是所述目标待检队列中的待加入人员的人脸图像；所述第一采集时刻是采集第一人脸图像的时刻；在接收到第二图像采集设备采集的已安检人员的第二人脸图像和第二采集时刻时，将所述第二人脸图像与所述人脸库中的各人脸图像进行匹配；所述第二采集时刻是采集第二人脸图像的时刻；若所述第二人脸图像与所述人脸库中的任一人脸图像匹配，则在所述人脸库中读取匹配到的人脸图像的采集时刻；基于所述第二采集时刻、以及所述匹配到的人脸图像的采集时刻，计算该第二人脸图像对应的已安检人员的排队时长；获取人流密度采集设备发送的针对所述第二人脸图像对应的已安检人员的前序排队人数；创建所述第二人脸图像对应的已安检人员的标识、排队时长、和前序排队人数的对应关系。
可选的，所述装置还包括：
反馈单元504(在图5中未示出)，用于确定未来预设时长内需要进行安检的区域待检人数；若所述区域待检人数大于预设的区域可安检人数，则向用户终端发送第一提示信息；所述第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道；所述区域可安检人数为该安检待检区中的各安检通道在未来预设时长内可安检人数的总和；若所述区域待检人数小于预设的区域可安检人数，则进一步检测预设的一个安检通道在该未来预设时长内的可安检人数是否大于该区域待检人数和区域可安检人数之差；若大于，则向用户终端发送第二提示信息；所述第二提示信息用以提示减少待检队列、以及减少该减少的待检队列对应的安检通道；若不大于，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。
可选的，所述反馈单元在确定未来预设时长内需要进行安检的区域待检人数时，具体用于确定当前所述安检待检区域内所有待检队列中的排队总人数Nc；获取未来预设时长内待登机人数Nm；基于Nc和Nm，确定未来预设时长内需要进行安检的待检人数。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (12)

1.一种排队时长预测方法，其特征在于，所述方法包括：
依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列；
确定当前所述目标待检队列中的排队人数；
基于所述人均排队时长和所述排队人数，预测该目标待检队列的新增人员的排队时长。
2.根据权利要求1所述的方法，其特征在于，所述已安检人员的排队信息包括：已安检人员的排队时长、已安检人员的前序排队人数；
所述已安检人员的前序排队人数为：所述已安检人员在加入该目标待检队列时排在所述已安检人员之前的排队人数；
所述依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长，包括：
确定安检时刻距离当前时刻最近的N个已安检人员；
确定所述N个已安检人员分别对应的排队时长和前序排队人数；
依据所述N个已安检人员分别对应的排队时长和前序排队人数，确定该待检队列对应的人均排队时长。
3.根据权利要求2所述的方法，其特征在于，所述确定所述N个已安检人员分别对应的排队时长和前序排队人数，包括：
在已记录的已安检人员标识、排队时长和前序排队人数的对应关系中，查找与N个已安检人员标识分别对应的排队时长和前序排队人数。
4.根据权利要求3所述的方法，其特征在于，所述对应关系通过如下方式创建：
在接收第一图像采集设备采集的第一人脸图像和第一采集时刻时，将所述第一人脸图像和该第一采集时刻添加至预设的人脸库；所述第一人脸图像是所述目标待检队列中的待加入人员的人脸图像；所述第一采集时刻是采集第一人脸图像的时刻；
在接收到第二图像采集设备采集的已安检人员的第二人脸图像和第二采集时刻时，将所述第二人脸图像与所述人脸库中的各人脸图像进行匹配；所述第二采集时刻是采集第二人脸图像的时刻；
若所述第二人脸图像与所述人脸库中的任一人脸图像匹配，则在所述人脸库中读取匹配到的人脸图像的采集时刻；
基于所述第二采集时刻、以及所述匹配到的人脸图像的采集时刻，计算该第二人脸图像对应的已安检人员的排队时长；
获取人流密度采集设备发送的针对所述第二人脸图像对应的已安检人员的前序排队人数；
创建所述第二人脸图像对应的已安检人员的标识、排队时长、和前序排队人数的对应关系。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定未来预设时长内需要进行安检的区域待检人数；
若所述区域待检人数大于预设的区域可安检人数，则向用户终端发送第一提示信息；所述第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道；所述区域可安检人数为该安检待检区中的各安检通道在未来预设时长内可安检人数的总和；
若所述区域待检人数小于预设的区域可安检人数，则进一步检测预设的一个安检通道在该未来预设时长内的可安检人数是否大于该区域待检人数和区域可安检人数之差；
若大于，则向用户终端发送第二提示信息；所述第二提示信息用以提示减少待检队列、以及减少该减少的待检队列对应的安检通道；
若不大于，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。
6.一种排队时长预测装置，其特征在于，所述装置包括：
第一确定单元，用于依据目标待检队列对应的多个已安检人员的排队信息，确定该待检队列对应的人均排队时长；所述目标待检队列为安检待检区中的任一待检队列；
第二确定单元，用于确定当前所述目标待检队列中的排队人数；
预测单元，用于基于所述人均排队时长和所述排队人数，预测该目标待检队列的新增人员的排队时长。
7.根据权利要求6所述的装置，其特征在于，所述已安检人员的排队信息包括：已安检人员的排队时长、已安检人员的前序排队人数；
所述已安检人员的前序排队人数为：所述已安检人员在加入该目标待检队列时排在所述已安检人员之前的排队人数；
所述第一确定单元，具体用于确定安检时刻距离当前时刻最近的N个已安检人员；确定所述N个已安检人员分别对应的排队时长和前序排队人数；依据所述N个已安检人员分别对应的排队时长和前序排队人数，确定该待检队列对应的人均排队时长。
8.根据权利要求7所述的装置，其特征在于，所述第一确定单元，在确定所述N个已安检人员分别对应的排队时长和前序排队人数时，具体用于在已记录的已安检人员标识、排队时长和前序排队人数的对应关系中，查找与N个已安检人员标识分别对应的排队时长和前序排队人数。
9.根据权利要求8所述的装置，其特征在于，所述对应关系通过如下方式创建：在接收第一图像采集设备采集的第一人脸图像和第一采集时刻时，将所述第一人脸图像和该第一采集时刻添加至预设的人脸库；所述第一人脸图像是所述目标待检队列中的待加入人员的人脸图像；所述第一采集时刻是采集第一人脸图像的时刻；在接收到第二图像采集设备采集的已安检人员的第二人脸图像和第二采集时刻时，将所述第二人脸图像与所述人脸库中的各人脸图像进行匹配；所述第二采集时刻是采集第二人脸图像的时刻；若所述第二人脸图像与所述人脸库中的任一人脸图像匹配，则在所述人脸库中读取匹配到的人脸图像的采集时刻；基于所述第二采集时刻、以及所述匹配到的人脸图像的采集时刻，计算该第二人脸图像对应的已安检人员的排队时长；获取人流密度采集设备发送的针对所述第二人脸图像对应的已安检人员的前序排队人数；创建所述第二人脸图像对应的已安检人员的标识、排队时长、和前序排队人数的对应关系。
10.根据权利要求6所述的装置，其特征在于，所述装置还包括：
反馈单元，用于确定未来预设时长内需要进行安检的区域待检人数；若所述区域待检人数大于预设的区域可安检人数，则向用户终端发送第一提示信息；所述第一提示信息用以提示增加待检队列、以及增加该新增待检队列对应的用于安检的安检通道；所述区域可安检人数为该安检待检区中的各安检通道在未来预设时长内可安检人数的总和；若所述区域待检人数小于预设的区域可安检人数，则进一步检测预设的一个安检通道在该未来预设时长内的可安检人数是否大于该区域待检人数和区域可安检人数之差；若大于，则向用户终端发送第二提示信息；所述第二提示信息用以提示减少待检队列、以及减少该减少的待检队列对应的安检通道；若不大于，则维持所述安检待检区中当前的待检队列和各待检队列对应的安检通道的数量不变。
11.一种电子设备，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使执行如权利要求1至5任一项所述方法。
12.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器执行如权利要求1至5任一项所述方法。
CN201910472988.4A 2019-05-31 2019-05-31 一种排队时长的预测方法、装置以及电子设备 Active CN112016731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910472988.4A CN112016731B (zh) 2019-05-31 2019-05-31 一种排队时长的预测方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910472988.4A CN112016731B (zh) 2019-05-31 2019-05-31 一种排队时长的预测方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN112016731A true CN112016731A (zh) 2020-12-01
CN112016731B CN112016731B (zh) 2024-02-27

Family

ID=73507078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910472988.4A Active CN112016731B (zh) 2019-05-31 2019-05-31 一种排队时长的预测方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN112016731B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561142A (zh) * 2020-12-04 2021-03-26 电子科技大学成都学院 一种排队信息查询系统
CN112818921A (zh) * 2021-02-25 2021-05-18 上海数川数据科技有限公司 一种基于人脸速度估计的排队时长测量方法
CN113158944A (zh) * 2021-04-29 2021-07-23 重庆锐云科技有限公司 基于人脸识别的体检排队方法、系统、设备及存储介质
WO2023077797A1 (zh) * 2021-11-05 2023-05-11 上海商汤智能科技有限公司 排队分析方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9322611D0 (en) * 1993-11-02 1993-12-22 Christie Martin S Queue management systems
CN105139040A (zh) * 2015-10-13 2015-12-09 商汤集团有限公司 一种排队状态信息检测方法及其系统
CN107578521A (zh) * 2017-08-22 2018-01-12 西南交通大学 排队管理方法及系统、电子设备和计算机可读存储介质
CN107704971A (zh) * 2017-10-27 2018-02-16 中航信移动科技有限公司 一种实时预测机场安检人数的数据处理方法和装置
CN107766982A (zh) * 2017-10-26 2018-03-06 深圳市坐标软件开发有限公司 排队查询方法、装置及系统
CN108446896A (zh) * 2018-03-27 2018-08-24 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN108460497A (zh) * 2018-03-28 2018-08-28 中国民航大学 一种机场候机楼排队信息提示方法
US20200226523A1 (en) * 2019-01-16 2020-07-16 International Business Machines Corporation Realtime video monitoring applied to reduce customer wait times

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9322611D0 (en) * 1993-11-02 1993-12-22 Christie Martin S Queue management systems
CN105139040A (zh) * 2015-10-13 2015-12-09 商汤集团有限公司 一种排队状态信息检测方法及其系统
CN107578521A (zh) * 2017-08-22 2018-01-12 西南交通大学 排队管理方法及系统、电子设备和计算机可读存储介质
CN107766982A (zh) * 2017-10-26 2018-03-06 深圳市坐标软件开发有限公司 排队查询方法、装置及系统
CN107704971A (zh) * 2017-10-27 2018-02-16 中航信移动科技有限公司 一种实时预测机场安检人数的数据处理方法和装置
CN108446896A (zh) * 2018-03-27 2018-08-24 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN108460497A (zh) * 2018-03-28 2018-08-28 中国民航大学 一种机场候机楼排队信息提示方法
US20200226523A1 (en) * 2019-01-16 2020-07-16 International Business Machines Corporation Realtime video monitoring applied to reduce customer wait times

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561142A (zh) * 2020-12-04 2021-03-26 电子科技大学成都学院 一种排队信息查询系统
CN112818921A (zh) * 2021-02-25 2021-05-18 上海数川数据科技有限公司 一种基于人脸速度估计的排队时长测量方法
CN113158944A (zh) * 2021-04-29 2021-07-23 重庆锐云科技有限公司 基于人脸识别的体检排队方法、系统、设备及存储介质
CN113158944B (zh) * 2021-04-29 2023-07-18 重庆锐云科技有限公司 基于人脸识别的体检排队方法、系统、设备及存储介质
WO2023077797A1 (zh) * 2021-11-05 2023-05-11 上海商汤智能科技有限公司 排队分析方法和装置

Also Published As

Publication number Publication date
CN112016731B (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
CN112016731A (zh) 一种排队时长的预测方法、装置以及电子设备
US20200195835A1 (en) Bandwidth efficient video surveillance system
US20220012512A1 (en) Intelligent gallery management for biometrics
JPWO2014148395A1 (ja) 映像監視システム、映像監視方法、および映像監視装置
CN108228705A (zh) 直播视频反馈中的自动对象和活动跟踪设备、方法及介质
CN110991390B (zh) 身份信息检索方法、装置、业务系统及电子设备
CN108446681B (zh) 行人分析方法、装置、终端及存储介质
CN106295788A (zh) 客流量的统计方法及装置
CN110969215A (zh) 聚类处理方法和装置、存储介质及电子装置
CN109462830B (zh) 基于终端信令的客流统计方法、装置及设备
WO2021249306A1 (zh) 人群过密预测方法及装置
WO2023077797A1 (zh) 排队分析方法和装置
Mishalani et al. Use of mobile device wireless signals to determine transit route-level passenger origin–destination flows: Methodology and empirical evaluation
CN110100261A (zh) 未登机乘客搜索设备、未登机乘客搜索方法和记录介质
CN109547748A (zh) 对象落脚点确定方法、装置及存储介质
CN111291596A (zh) 一种基于人脸识别的预警方法及装置
JP6991737B2 (ja) 情報処理装置、情報処理方法及びプログラム
CN109359689B (zh) 一种数据识别方法及装置
CN111325057B (zh) 一种排队队列检测的方法与装置
CN112183161B (zh) 人脸数据库的处理方法、装置及设备
EP3425606B1 (en) Traffic situation estimation system and traffic situation estimation method
WO2019008957A1 (en) METHOD AND APPARATUS FOR ESTIMATING THE CAPACITY OF A PREDETERMINED AREA OF A VEHICLE
CN111210150A (zh) 一种基于边缘计算的智慧园区系统
Håkegård et al. Statistical modelling for estimation of OD matrices for public transport using Wi-Fi and APC data
JP6558178B2 (ja) 迷惑行為者推定システム、迷惑行為者推定システムの制御方法及び制御プログラム

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
GR01 Patent grant
GR01 Patent grant