CN112926784A - 一种适用于文旅产业监测的景区人流量峰值预测方法 - Google Patents
一种适用于文旅产业监测的景区人流量峰值预测方法 Download PDFInfo
- Publication number
- CN112926784A CN112926784A CN202110247306.7A CN202110247306A CN112926784A CN 112926784 A CN112926784 A CN 112926784A CN 202110247306 A CN202110247306 A CN 202110247306A CN 112926784 A CN112926784 A CN 112926784A
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- control unit
- central control
- scenic
- tourists
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 239000012634 fragment Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- 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
- G06Q50/14—Travel agencies
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种适用于文旅产业监测的景区人流量峰值预测方法,包括:步骤一,获取N个景区T时间内的某一游客的身份信息;步骤二,统计Ti时间内此游客到所有景区的实际次数并将其与Ti时间标准次数进行比较以判定此游客是否会出现在T1至Tn时间内,设定i=1,2,3,…,n;步骤三,中控单元判定此游客出现时,统计此类游客的总人数并将其纳入预测景区人流量值;从而能够通过将各景区的游客信息进行共享以确定某一游客在一定时间内到所有景区的实际次数并将其与标准次数进行比较以确定此游客再次出现的时间,通过该游客在某一景区的人脸图像信息与其他景区的人脸图像信息进行比较以确定不同景区的游客是否为同一人,提高了景区人流量峰值预测的准确率。
Description
技术领域
本发明涉及移动计算技术领域,尤其涉及一种适用于文旅产业监测的景区人流量峰值预测方法。
背景技术
文旅产业是文化旅游产业的简称,其为旅游产业的重要组成部分,在中国学术界和一些省市政府部门对文化旅游产业的认识存在泛化现象,许多人把旅游业主体都作为文化产业的组成部分,包括旅游交通企业、旅游住宿企业、纯自然的观光型景区等。
旅游是一项庞大、复杂的经济社会活动,利用来自各方面的数据进行产业运行情况分析,进行旅游行业管理,对产业实施有效管理,是推动旅游业科学发展、建设现代旅游产业的必要手段。因此,对景区的人流量峰值进行预测成为一个重要的研究课题。
景区素有旺季和淡季之分,传统的景区人流量峰值预测主要依靠往前的对应时间段的情况比对获取,随着人们生活水平的提高,旅游的人次越来越多,仅依靠传统方法预测景区人流量峰值明显不合理,也不便于及时根据预测人流量峰值调整景区相关政策和安排工作人员。
目前,已经有一些适用于文旅产业监测的景区人流量峰值预测方法,但普遍预测准确率低且预测过程复杂。
发明内容
为此,本发明提供一种适用于文旅产业监测的景区人流量峰值预测方法,通过将各个景区的游客信息进行共享和比对,可以有效解决现有技术中文旅产业监测的景区人流量峰值预测准确率低的技术问题。
为实现上述目的,本发明提供一种适用于文旅产业监测的景区人流量峰值预测方法,包括:
步骤一,获取N个景区T时间内的某一游客的身份信息;
步骤二,统计Ti时间内此游客到所有景区的实际次数并将其与Ti时间标准次数进行比较以判定此游客是否会出现在T1至Tn时间内,设定i=1,2,3,…,n;
步骤三,中控单元判定此游客出现时,统计此类游客的总人数并将其纳入预测景区人流量值;
所述步骤一中获取景区某一游客身份信息时,第一景区根据身份证和采集的人脸图像直接获取,第二景区至第N景区根据信息共享数据库比较获取,所述比较过程中以第一景区游客的人脸图像为基础并建立直角坐标系,分象限比对人脸重合度,人脸重合度符合标准时判定为同一人,所述游客第三象限与第四象限无法获取特征信息时,根据已经比对的结果计算已有特征信息差值并将其与标准特征信息差值进行比较以确定是否为同一人;所述已有特征信息差值通过截取二进制片段后利用逐次二进制比较法计算得到。
进一步地,所述步骤二中,所述中控单元将获取的某一游客在T1时间到所有景区的实际次数设置为M1,同时,中控单元内设置有T1时间标准次数M01,设置完成时,中控单元将M1与M01进行比较:
若M1≥M01,所述中控单元判定此游客在T1至Tn时间内均会出现并获取此类游客的总人数A1;
若M1<M01,所述中控单元判定此游客不会均出现在T1至Tn时间内并获取此游客在T2时间到所有景区的实际次数;
所述中控单元将获取的所述游客在T2时间到所有景区的实际次数设置为M2,同时,中控单元内设置有T2时间标准次数M02,设置完成时,中控单元将M2与M02进行比较:
若M2≥M02,所述中控单元判定此游客在T2至Tn时间内均会出现并获取此类游客的总人数A2;
若M2<M02,所述中控单元判定此游客不会均出现在T2至Tn时间内并获取此游客在T3时间到所有景区的实际次数。
进一步地,所述中控单元将获取的所述游客在T3时间到所有景区的实际次数设置为M3,同时,中控单元内设置有T3时间标准次数M03,设置完成时,中控单元将M3与M03进行比较:
若M3≥M03,所述中控单元判定此游客在T3至Tn时间内均会出现并获取此类游客的总人数A3;
若M3<M03,所述中控单元判定此游客不会均出现在T3至Tn时间内并获取此游客在Tj时间到所有景区的实际次数,设定Tj=4,5,6,…,n;
所述中控单元将获取的所述游客在Tj时间到所有景区的实际次数设置为Mj,同时,中控单元内设置有Tj时间标准次数M0j,设置完成时,中控单元将Mj与M0j进行比较:
若Mj≥M0j,所述中控单元判定此游客在Tj至Tn时间内均会出现并获取此类游客的总人数Aj;
若Mj<M0j,所述中控单元判定此游客不会均出现在Tj至Tn时间内;
其中,M01>M02>M03>M0j。
进一步地,所述不同类别游客的总人数获取完成时,所述中控单元计算T1至Tn时间内的预测总人数Ri,设定i=1,2,3,…,n;
其中,T1时间内的预测总人数R1=A1,T2时间内预测总人数R2=A1+A2,T3时间内预测总人数R3=A1+A2+A3,Tj时间内预测总人数Tj=A1+A2+A3+…+Aj,Tn时间的预测总人数Rn=A1+A2+A3+…+Aj+…+An,用以计算T时间内的景区人流量峰值R,其计算公式如下:
R=R1+R2+R3+…+Rj+…+Rn。
进一步地,所述N个景区包括第一景区、第二景区、第三景区、…、和第N景区,所述各个景区相互之间均不相同且游客信息共享;
所述统计某一游客在T1时间到N个景区的实际次数时,获取第一景区的此游客的人脸图像并以其鼻尖位置为原点建立直角坐标系,其中,眉心和鼻尖的连线为X轴,原点记为O,第一象限记为A,第二象限记为B,第三象限记为C,第四象限记为D;
所述中控单元在共享数据库中获取到的第二景区游客的人脸图像时,中控单元将获取的的人脸图像的沿眉心和鼻尖的连线设置实际X轴,设置完成时,中控单元将实际X轴与X轴进行比对:
若实际X轴与X轴重合,所述中控单元将第二景区游客的人脸图像以鼻尖为原点划分为四个象限并将其中的第一象限A1与第一景区的游客的人脸图像的第一象限A进行比对;
若实际X轴与X轴不重合,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
进一步地,所述实际X轴与X轴重合时,所述中控单元将第二景区人脸图像的第一象限A1与第一景区人脸图像的第一象限A进行比较:
若A1与A的重合度大于90%,所述中控单元判定进入第二象限的比对;
若A1与A的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人;
所述A1与A的重合度大于90%时,所述中控单元将第二景区人脸图像的第二象限B1与第一景区人脸图像的第二象限B进行比较:
若B1与B的重合度大于90%,所述中控单元判定进入第三象限的比对;
若B1与B的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
进一步地,所述B1与B的重合度大于90%时,所述中控单元提取第二景区游客的人脸图像的第三象限的特征信息,若无法获取特征信息,说明游客佩戴遮挡物,中控单元计算已有特征信息差值△AB并将其与标准特征信息差值进行比较以确定进行比对的游客与第一景区进行比对的游客是否为同一人;
若成功获取特征信息,所述中控单元将第二景区人脸图像的第三象限C1与第一景区人脸图像的第三象限C进行比较:
若C1与C的重合度大于90%,所述中控单元判定进行比对的游客与第一景区进行比对的游客为同一人;
若C1与C的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
进一步地,所述已有特征信息差值△AB的计算公式如下:
△AB=W+S-W1-S1;
式中,W表示第一景区游客第一象限的全部特征信息,S表示第一景区游客第二象限的全部特征信息,W1表示第二景区游客第一象限与第一景区第一象限游客相同的特征信息,S1表示第二景区游客第二象限与第一景区第二象限游客相同的特征信息;
计算完成时,所述中控单元将已有特征信息差值△AB与中控单元内储存的标准特征信息差值△AB0进行比较,
若△AB≤△AB0,所述中控单元判定进行比对的游客与第一景区进行比对的游客为同一人;
若△AB>△AB0,所述中控单元判定进行比对的游客与第一景区进行比对的游客非同一人。
进一步地,所述全部特征信息包括鼻子特征信息、左眼特征信息、右眼特征信息和嘴部特征信息;
所述全部特征信息采用二进制表示,共有20位,从左往右第1-5位为鼻子特征信息,第6-10位为左眼特征信息,第11-15位为右眼特征信息,第16-20位为嘴部特征信息;
所述已有特征信息差值△AB计算时截取第6-15位采用逐次二进制比较法计算得到。
进一步地,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客为同一人时,第一景区的游客的人脸图像为基础,将第一景区的游客的人脸图像与第三景区的游客的人脸图像进行比对,依次类推直至第一景区与第N景区游客的人脸图像比对完成;
所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人时,以第一景区的游客的人脸图像为基础,更换被比对的人脸图像,直至共享数据库中第二景区的全部人脸图像比对完成后提取第三景区的游客的人脸图像进行比对,依次类推进行比对。
与现有技术相比,本发明的有益效果在于,通过将各个景区的游客信息进行共享和比对以确定某一游客在一定时间内到所有景区的实际次数并将其与标准次数进行比较以确定此游客再次出现的时间,通过该游客在某一景区的人脸图像信息与其他景区的共享数据库内的人脸图像信息进行比较以确定不同景区的游客是否为同一人,无法判定时,通过截取二进制片段后采用逐次二进制比较法计算得到已有特征信息差值进行进一步判定。本发明通过将各个景区的游客信息共享以获得同一游客在一段时间内到所有景区的实际次数,通过将实际次数与标准次数进行比较以确定此游客再次出现的时间,在所述获取景区某一游客身份信息时,第一景区根据身份证和采集的人脸图像直接获取,第二景区至第N景区根据信息共享数据库比较获取,所述比较过程中以第一景区游客的人脸图像为基础并建立直角坐标系,分象限比对人脸重合度,人脸重合度符合标准时判定为同一人,所述游客第三象限与第四象限无法获取特征信息时,根据已经比对的结果计算已有特征信息差值并将其与标准特征信息差值进行比较以确定是否为同一人;所述已有特征信息差值通过截取二进制片段后利用逐次二进制比较法计算得到。从而能够提高景区人流量峰值预测的准确率,且预测过程简单。
进一步地,本发明通过将某一游客在一段时间内到所有景区的实际次数与标准次数进行比较以确定此游客再次出现的时间以及此类游客的总人数,且不同时间段的游客再次出现的时间和该类游客的总人数均有所不同,从而能够准确预测一小段时间内的景区人流量,进而能够有效提高景区人流量峰值预测的准确率。
进一步地,本发明通过预设公式准确计算T时间内的景区人流量峰值,该预设公式通过不同时间段的预测值相加得到,与现有技术中直接获取的方式相比,准确率有所提高。
进一步地,本发明通过实际X轴与X轴是否重合来确定第二景区进行比对的游客与第一景区进行比对的游客是否为同一人以及重合时进一步判定的方法,从而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
进一步地,本发明通过将第二景区人脸图像的第一象限A1与第一景区人脸图像的第一象限A进行比较、通过将第二景区人脸图像的第二象限B1与第一景区人脸图像的第二象限B进行比较,以判定第二景区进行比对的游客与第一景区进行比对的游客是否为同一人,通过重合度进行比较,从而能够准确判定第二景区的游客与第一景区的游客是否为一人,进而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
进一步地,本发明通过将第二景区人脸图像的第三象限C1与第一景区人脸图像的第三象限C进行比较以判定第二景区的游客与第一景区的游客是否为一人,从而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
进一步地,本发明通过将已有特征信息差值△AB与中控单元内储存的标准特征信息差值△AB0进行比较以判定第二景区的游客与第一景区的游客是否为一人,从而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
进一步地,本发明通过二进制算法对游客人脸图像信息进行处理,从而能够通过计算机语言进行处理,准确率高,进而能够有效提高景区人流量峰值预测的准确率。
附图说明
图1为本发明实施例适用于文旅产业监测的景区人流量峰值预测系统的结构框图;
图2为本发明实施例适用于文旅产业监测的景区人流量峰值预测方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2所示,图1为本发明实施例适用于文旅产业监测的景区人流量峰值预测系统的结构框图,图2为为本发明实施例适用于文旅产业监测的景区人流量峰值预测方法的流程示意图,本实施例提供一种适用于文旅产业监测的景区人流量峰值预测系统,包括:
共享数据库,用以储存N个景区的游客信息,包括第一景区共享数据库,第二景区共享数据库,第三景区共享数据库和第N景区共享数据库;
人脸识别系统,其与共享数据库连接,用以对景区的游客进行人脸识别;
中控单元,其分别与所述共享数据库和所述人脸识别系统连接,用以控制所述预测装置的预测过程。
结合图1所示,基于上述适用于文旅产业监测的景区人流量峰值预测系统,本实施例提供一种适用于文旅产业监测的景区人流量峰值预测方法,包括:
步骤一,获取N个景区T时间内的某一游客的身份信息;
步骤二,统计Ti时间内此游客到所有景区的实际次数并将其与Ti时间标准次数进行比较以判定此游客是否会出现在T1至Tn时间内,设定i=1,2,3,…,n;
步骤三,中控单元判定此游客出现时,统计此类游客的总人数并将其纳入预测景区人流量值;
所述步骤一中获取景区某一游客身份信息时,第一景区根据身份证和采集的人脸图像直接获取,第二景区至第N景区根据信息共享数据库比较获取,所述比较过程中以第一景区游客的人脸图像为基础并建立直角坐标系,分象限比对人脸重合度,人脸重合度符合标准时判定为同一人,所述游客第三象限与第四象限无法获取特征信息时,根据已经比对的结果计算已有特征信息差值并将其与标准特征信息差值进行比较以确定是否为同一人;所述已有特征信息差值通过截取二进制片段后利用逐次二进制比较法计算得到。
具体而言,本发明实施例通过将各个景区的游客信息共享以获得同一游客在一段时间内到所有景区的实际次数,通过将实际次数与标准次数进行比较以确定此游客再次出现的时间,在所述获取景区某一游客身份信息时,第一景区根据身份证和采集的人脸图像直接获取,第二景区至第N景区根据信息共享数据库比较获取,所述比较过程中以第一景区游客的人脸图像为基础并建立直角坐标系,分象限比对人脸重合度,人脸重合度符合标准时判定为同一人,所述游客第三象限与第四象限无法获取特征信息时,根据已经比对的结果计算已有特征信息差值并将其与标准特征信息差值进行比较以确定是否为同一人;所述已有特征信息差值通过截取二进制片段后利用逐次二进制比较法计算得到。从而能够提高景区人流量峰值预测的准确率,且预测过程简单。
具体而言,所述步骤二中,所述中控单元将获取的某一游客在T1时间到所有景区的实际次数设置为M1,同时,中控单元内设置有T1时间标准次数M01,设置完成时,中控单元将M1与M01进行比较:
若M1≥M01,所述中控单元判定此游客在T1至Tn时间内均会出现并获取此类游客的总人数A1;
若M1<M01,所述中控单元判定此游客不会均出现在T1至Tn时间内并获取此游客在T2时间到所有景区的实际次数;
所述中控单元将获取的所述游客在T2时间到所有景区的实际次数设置为M2,同时,中控单元内设置有T2时间标准次数M02,设置完成时,中控单元将M2与M02进行比较:
若M2≥M02,所述中控单元判定此游客在T2至Tn时间内均会出现并获取此类游客的总人数A2;
若M2<M02,所述中控单元判定此游客不会均出现在T2至Tn时间内并获取此游客在T3时间到所有景区的实际次数。
具体而言,本发明实施例通过将某一游客在一段时间内到所有景区的实际次数与标准次数进行比较以确定此游客再次出现的时间以及此类游客的总人数,且不同时间段的游客再次出现的时间和该类游客的总人数均有所不同,从而能够准确预测一小段时间内的景区人流量,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述中控单元将获取的所述游客在T3时间到所有景区的实际次数设置为M3,同时,中控单元内设置有T3时间标准次数M03,设置完成时,中控单元将M3与M03进行比较:
若M3≥M03,所述中控单元判定此游客在T3至Tn时间内均会出现并获取此类游客的总人数A3;
若M3<M03,所述中控单元判定此游客不会均出现在T3至Tn时间内并获取此游客在Tj时间到所有景区的实际次数,设定Tj=4,5,6,…,n;
所述中控单元将获取的所述游客在Tj时间到所有景区的实际次数设置为Mj,同时,中控单元内设置有Tj时间标准次数M0j,设置完成时,中控单元将Mj与M0j进行比较:
若Mj≥M0j,所述中控单元判定此游客在Tj至Tn时间内均会出现并获取此类游客的总人数Aj;
若Mj<M0j,所述中控单元判定此游客不会均出现在Tj至Tn时间内;
其中,M01>M02>M03>M0j。
具体而言,本发明实施例通过将某一游客在一段时间内到所有景区的实际次数与标准次数进行比较以确定此游客再次出现的时间以及此类游客的总人数,且不同时间段的游客再次出现的时间和该类游客的总人数均有所不同,从而能够准确预测一小段时间内的景区人流量,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述不同类别游客的总人数获取完成时,所述中控单元计算T1至Tn时间内的预测总人数Ri,设定i=1,2,3,…,n;
其中,T1时间内的预测总人数R1=A1,T2时间内预测总人数R2=A1+A2,T3时间内预测总人数R3=A1+A2+A3,Tj时间内预测总人数Tj=A1+A2+A3+…+Aj,Tn时间的预测总人数Rn=A1+A2+A3+…+Aj+…+An,用以计算T时间内的景区人流量峰值R,其计算公式如下:
R=R1+R2+R3+…+Rj+…+Rn。
具体而言,本发明实施例通过预设公式准确计算T时间内的景区人流量峰值,该预设公式通过不同时间段的预测值相加得到,与现有技术中直接获取的方式相比,准确率有所提高。
具体而言,所述N个景区包括第一景区、第二景区、第三景区、…、和第N景区,所述各个景区相互之间均不相同且游客信息共享;
所述统计某一游客在T1时间到N个景区的实际次数时,获取第一景区的此游客的人脸图像并以其鼻尖位置为原点建立直角坐标系,其中,眉心和鼻尖的连线为X轴,原点记为O,第一象限记为A,第二象限记为B,第三象限记为C,第四象限记为D;
所述中控单元在共享数据库中获取到的第二景区游客的人脸图像时,中控单元将获取的的人脸图像的沿眉心和鼻尖的连线设置实际X轴,设置完成时,中控单元将实际X轴与X轴进行比对:
若实际X轴与X轴重合,所述中控单元将第二景区游客的人脸图像以鼻尖为原点划分为四个象限并将其中的第一象限A1与第一景区的游客的人脸图像的第一象限A进行比对;
若实际X轴与X轴不重合,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
本实施例中,以鼻尖位置为原点建立直角坐标系,便于将不易被遮挡的眼部直接分布在第一象限和第二象限,进而能够提高识别的准确率,所述不易被遮挡主要是考虑到口罩等物质将脸部进行遮挡。
具体而言,本发明实施例通过实际X轴与X轴是否重合来确定第二景区进行比对的游客与第一景区进行比对的游客是否为同一人以及重合时进一步判定的方法,从而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述实际X轴与X轴重合时,所述中控单元将第二景区人脸图像的第一象限A1与第一景区人脸图像的第一象限A进行比较:
若A1与A的重合度大于90%,所述中控单元判定进入第二象限的比对;
若A1与A的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人;
所述A1与A的重合度大于90%时,所述中控单元将第二景区人脸图像的第二象限B1与第一景区人脸图像的第二象限B进行比较:
若B1与B的重合度大于90%,所述中控单元判定进入第三象限的比对;
若B1与B的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
具体而言,本发明实施例通过将第二景区人脸图像的第一象限A1与第一景区人脸图像的第一象限A进行比较、通过将第二景区人脸图像的第二象限B1与第一景区人脸图像的第二象限B进行比较,以判定第二景区进行比对的游客与第一景区进行比对的游客是否为同一人,通过重合度进行比较,从而能够准确判定第二景区的游客与第一景区的游客是否为一人,进而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述B1与B的重合度大于90%时,所述中控单元提取第二景区游客的人脸图像的第三象限的特征信息,若无法获取特征信息,说明游客佩戴遮挡物,中控单元计算已有特征信息差值△AB并将其与标准特征信息差值进行比较以确定进行比对的游客与第一景区进行比对的游客是否为同一人;
若成功获取特征信息,所述中控单元将第二景区人脸图像的第三象限C1与第一景区人脸图像的第三象限C进行比较:
若C1与C的重合度大于90%,所述中控单元判定进行比对的游客与第一景区进行比对的游客为同一人;
若C1与C的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
具体而言,本发明实施例通过将第二景区人脸图像的第三象限C1与第一景区人脸图像的第三象限C进行比较以判定第二景区的游客与第一景区的游客是否为一人,从而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述已有特征信息差值△AB的计算公式如下:
△AB=W+S-W1-S1;
式中,W表示第一景区游客第一象限的全部特征信息,S表示第一景区游客第二象限的全部特征信息,W1表示第二景区游客第一象限与第一景区第一象限游客相同的特征信息,S1表示第二景区游客第二象限与第一景区第二象限游客相同的特征信息;
计算完成时,所述中控单元将已有特征信息差值△AB与中控单元内储存的标准特征信息差值△AB0进行比较,
若△AB≤△AB0,所述中控单元判定进行比对的游客与第一景区进行比对的游客为同一人;
若△AB>△AB0,所述中控单元判定进行比对的游客与第一景区进行比对的游客非同一人。
具体而言,本发明实施例通过将已有特征信息差值△AB与中控单元内储存的标准特征信息差值△AB0进行比较以判定第二景区的游客与第一景区的游客是否为一人,从而能够准确获取同一游客到所有景区的实际次数,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述全部特征信息包括鼻子特征信息、左眼特征信息、右眼特征信息和嘴部特征信息;
所述全部特征信息采用二进制表示,共有20位,从左往右第1-5位为鼻子特征信息,第6-10位为左眼特征信息,第11-15位为右眼特征信息,第16-20位为嘴部特征信息;
所述已有特征信息差值△AB计算时截取第6-15位采用逐次二进制比较法计算得到。
本实施例中,所述逐次二进制比较法的计算方式为,例如第一景区的全部特征信息为11101 00001 11101 11011,第二景区的全部特征信息为11100 0010011110 11010,则已有特征差值通过比较计算00001 11101与00100 11110得到。
具体而言,本发明实施例通过二进制算法对游客人脸图像信息进行处理,从而能够通过计算机语言进行处理,准确率高,进而能够有效提高景区人流量峰值预测的准确率。
具体而言,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客为同一人时,第一景区的游客的人脸图像为基础,将第一景区的游客的人脸图像与第三景区的游客的人脸图像进行比对,依次类推直至第一景区与第N景区游客的人脸图像比对完成;
所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人时,以第一景区的游客的人脸图像为基础,更换被比对的人脸图像,直至共享数据库中第二景区的全部人脸图像比对完成后提取第三景区的游客的人脸图像进行比对,依次类推进行比对。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (9)
1.一种适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,包括:
步骤一,获取N个景区T时间内的某一游客的身份信息;
步骤二,统计Ti时间内此游客到所有景区的实际次数并将其与Ti时间标准次数进行比较以判定此游客是否会出现在T1至Tn时间内,设定i=1,2,3,…,n;
步骤三,中控单元判定此游客出现时,统计此类游客的总人数并将其纳入预测景区人流量值;
所述步骤一中获取景区某一游客身份信息时,第一景区根据身份证和采集的人脸图像直接获取,第二景区至第N景区根据信息共享数据库比较获取,所述比较过程中以第一景区游客的人脸图像为基础并建立直角坐标系,分象限比对人脸重合度,人脸重合度符合标准时判定为同一人,所述游客第三象限与第四象限无法获取特征信息时,根据已经比对的结果计算已有特征信息差值并将其与标准特征信息差值进行比较以确定是否为同一人;所述已有特征信息差值通过截取二进制片段后利用逐次二进制比较法计算得到;
所述步骤二中,所述中控单元将获取的某一游客在T1时间到所有景区的实际次数设置为M1,同时,中控单元内设置有T1时间标准次数M01,设置完成时,中控单元将M1与M01进行比较:
若M1≥M01,所述中控单元判定此游客在T1至Tn时间内均会出现并获取此类游客的总人数A1;
若M1<M01,所述中控单元判定此游客不会均出现在T1至Tn时间内并获取此游客在T2时间到所有景区的实际次数;
所述中控单元将获取的所述游客在T2时间到所有景区的实际次数设置为M2,同时,中控单元内设置有T2时间标准次数M02,设置完成时,中控单元将M2与M02进行比较:
若M2≥M02,所述中控单元判定此游客在T2至Tn时间内均会出现并获取此类游客的总人数A2;
若M2<M02,所述中控单元判定此游客不会均出现在T2至Tn时间内并获取此游客在T3时间到所有景区的实际次数。
2.根据权利要求1所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述中控单元将获取的所述游客在T3时间到所有景区的实际次数设置为M3,同时,中控单元内设置有T3时间标准次数M03,设置完成时,中控单元将M3与M03进行比较:
若M3≥M03,所述中控单元判定此游客在T3至Tn时间内均会出现并获取此类游客的总人数A3;
若M3<M03,所述中控单元判定此游客不会均出现在T3至Tn时间内并获取此游客在Tj时间到所有景区的实际次数,设定Tj=4,5,6,…,n;
所述中控单元将获取的所述游客在Tj时间到所有景区的实际次数设置为Mj,同时,中控单元内设置有Tj时间标准次数M0j,设置完成时,中控单元将Mj与M0j进行比较:
若Mj≥M0j,所述中控单元判定此游客在Tj至Tn时间内均会出现并获取此类游客的总人数Aj;
若Mj<M0j,所述中控单元判定此游客不会均出现在Tj至Tn时间内;
其中,M01>M02>M03>M0j。
3.根据权利要求2所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述不同类别游客的总人数获取完成时,所述中控单元计算T1至Tn时间内的预测总人数Ri,设定i=1,2,3,…,n;
其中,T1时间内的预测总人数R1=A1,T2时间内预测总人数R2=A1+A2,T3时间内预测总人数R3=A1+A2+A3,Tj时间内预测总人数Tj=A1+A2+A3+…+Aj,Tn时间的预测总人数Rn=A1+A2+A3+…+Aj+…+An,用以计算T时间内的景区人流量峰值R,其计算公式如下:
R=R1+R2+R3+…+Rj+…+Rn。
4.根据权利要求3所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述N个景区包括第一景区、第二景区、第三景区、…、和第N景区,所述各个景区相互之间均不相同且游客信息共享;
所述统计某一游客在T1时间到N个景区的实际次数时,获取第一景区的此游客的人脸图像并以其鼻尖位置为原点建立直角坐标系,其中,眉心和鼻尖的连线为X轴,原点记为O,第一象限记为A,第二象限记为B,第三象限记为C,第四象限记为D;
所述中控单元在共享数据库中获取到的第二景区游客的人脸图像时,中控单元将获取的的人脸图像的沿眉心和鼻尖的连线设置实际X轴,设置完成时,中控单元将实际X轴与X轴进行比对:
若实际X轴与X轴重合,所述中控单元将第二景区游客的人脸图像以鼻尖为原点划分为四个象限并将其中的第一象限A1与第一景区的游客的人脸图像的第一象限A进行比对;
若实际X轴与X轴不重合,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
5.根据权利要求4所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述实际X轴与X轴重合时,所述中控单元将第二景区人脸图像的第一象限A1与第一景区人脸图像的第一象限A进行比较:
若A1与A的重合度大于90%,所述中控单元判定进入第二象限的比对;
若A1与A的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人;
所述A1与A的重合度大于90%时,所述中控单元将第二景区人脸图像的第二象限B1与第一景区人脸图像的第二象限B进行比较:
若B1与B的重合度大于90%,所述中控单元判定进入第三象限的比对;
若B1与B的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
6.根据权利要求5所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述B1与B的重合度大于90%时,所述中控单元提取第二景区游客的人脸图像的第三象限的特征信息,若无法获取特征信息,说明游客佩戴遮挡物,中控单元计算已有特征信息差值△AB并将其与标准特征信息差值进行比较以确定进行比对的游客与第一景区进行比对的游客是否为同一人;
若成功获取特征信息,所述中控单元将第二景区人脸图像的第三象限C1与第一景区人脸图像的第三象限C进行比较:
若C1与C的重合度大于90%,所述中控单元判定进行比对的游客与第一景区进行比对的游客为同一人;
若C1与C的重合度小于或等于90%,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人。
7.根据权利要求6所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述已有特征信息差值△AB的计算公式如下:
△AB=W+S-W1-S1;
式中,W表示第一景区游客第一象限的全部特征信息,S表示第一景区游客第二象限的全部特征信息,W1表示第二景区游客第一象限与第一景区第一象限游客相同的特征信息,S1表示第二景区游客第二象限与第一景区第二象限游客相同的特征信息;
计算完成时,所述中控单元将已有特征信息差值△AB与中控单元内储存的标准特征信息差值△AB0进行比较,
若△AB≤△AB0,所述中控单元判定进行比对的游客与第一景区进行比对的游客为同一人;
若△AB>△AB0,所述中控单元判定进行比对的游客与第一景区进行比对的游客非同一人。
8.根据权利要求7所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述全部特征信息包括鼻子特征信息、左眼特征信息、右眼特征信息和嘴部特征信息;
所述全部特征信息采用二进制表示,共有20位,从左往右第1-5位为鼻子特征信息,第6-10位为左眼特征信息,第11-15位为右眼特征信息,第16-20位为嘴部特征信息;
所述已有特征信息差值△AB计算时截取第6-15位采用逐次二进制比较法计算得到。
9.根据权利要求8所述的适用于文旅产业监测的景区人流量峰值预测方法,其特征在于,所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客为同一人时,第一景区的游客的人脸图像为基础,将第一景区的游客的人脸图像与第三景区的游客的人脸图像进行比对,依次类推直至第一景区与第N景区游客的人脸图像比对完成;
所述中控单元判定第二景区进行比对的游客与第一景区进行比对的游客非同一人时,以第一景区的游客的人脸图像为基础,更换被比对的人脸图像,直至共享数据库中第二景区的全部人脸图像比对完成后提取第三景区的游客的人脸图像进行比对,依次类推进行比对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110247306.7A CN112926784B (zh) | 2021-03-05 | 2021-03-05 | 一种适用于文旅产业监测的景区人流量峰值预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110247306.7A CN112926784B (zh) | 2021-03-05 | 2021-03-05 | 一种适用于文旅产业监测的景区人流量峰值预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926784A true CN112926784A (zh) | 2021-06-08 |
CN112926784B CN112926784B (zh) | 2022-07-12 |
Family
ID=76171686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110247306.7A Active CN112926784B (zh) | 2021-03-05 | 2021-03-05 | 一种适用于文旅产业监测的景区人流量峰值预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926784B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997736A (zh) * | 2022-07-13 | 2022-09-02 | 北京拙河科技有限公司 | 一种景区客流量管控方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184953A1 (en) * | 2010-01-26 | 2011-07-28 | Dhiraj Joshi | On-location recommendation for photo composition |
US20170068843A1 (en) * | 2015-09-09 | 2017-03-09 | Kabushiki Kaisha Toshiba | Identification apparatus and authentication system |
CN109034469A (zh) * | 2018-07-20 | 2018-12-18 | 成都中科大旗软件有限公司 | 一种基于机器学习的游客流量预测方法 |
CN109858388A (zh) * | 2019-01-09 | 2019-06-07 | 武汉中联智诚科技有限公司 | 一种智慧旅游管理系统 |
CN111798027A (zh) * | 2020-05-27 | 2020-10-20 | 山东任性网络科技有限公司 | 一种基于旅游大数据的游客流量预测及峰值调控方法 |
-
2021
- 2021-03-05 CN CN202110247306.7A patent/CN112926784B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184953A1 (en) * | 2010-01-26 | 2011-07-28 | Dhiraj Joshi | On-location recommendation for photo composition |
US20170068843A1 (en) * | 2015-09-09 | 2017-03-09 | Kabushiki Kaisha Toshiba | Identification apparatus and authentication system |
CN109034469A (zh) * | 2018-07-20 | 2018-12-18 | 成都中科大旗软件有限公司 | 一种基于机器学习的游客流量预测方法 |
CN109858388A (zh) * | 2019-01-09 | 2019-06-07 | 武汉中联智诚科技有限公司 | 一种智慧旅游管理系统 |
CN111798027A (zh) * | 2020-05-27 | 2020-10-20 | 山东任性网络科技有限公司 | 一种基于旅游大数据的游客流量预测及峰值调控方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997736A (zh) * | 2022-07-13 | 2022-09-02 | 北京拙河科技有限公司 | 一种景区客流量管控方法和系统 |
CN114997736B (zh) * | 2022-07-13 | 2023-04-18 | 北京拙河科技有限公司 | 一种景区客流量管控方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112926784B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505583B (zh) | 一种基于卡口数据与信令数据的轨迹匹配方法 | |
WO2021189825A1 (zh) | 多目标跟踪方法、装置和存储介质 | |
CN108415975B (zh) | 基于bdch-dbscan的出租车载客热点识别方法 | |
Wang et al. | Estimating traffic flow in large road networks based on multi-source traffic data | |
Gao et al. | Exploring the connections among job accessibility, employment, income, and auto ownership using structural equation modeling | |
CN107818407A (zh) | 任务分配方法、装置、存储介质和计算机设备 | |
CN106296888A (zh) | 一种基于人脸识别的解锁方法、装置及终端 | |
CN109626148A (zh) | 派梯方法、装置、计算机设备和存储介质 | |
CN109389836A (zh) | 交通信号灯的控制方法、装置、系统及控制器 | |
CN112926784B (zh) | 一种适用于文旅产业监测的景区人流量峰值预测方法 | |
CN103699677A (zh) | 一种基于人脸识别技术的罪犯行踪地图绘制系统及其方法 | |
CN111797926B (zh) | 城际迁徙行为识别方法、装置、计算机设备及存储介质 | |
CN112135242A (zh) | 基于5g与人脸识别的楼宇访客导航方法 | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN109117745A (zh) | 一种基于建筑信息模型的云端人脸识别与定位方法 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN110532880A (zh) | 样本筛选及表情识别方法、神经网络、设备及存储介质 | |
CN112652403A (zh) | 疫情预测方法及装置 | |
CN112991599A (zh) | 一种多功能门禁机的通行控制方法 | |
CN110519701A (zh) | 定位信息的创建方法、车载终端、服务器设备和定位系统 | |
US20200213301A1 (en) | Distributed identity system with local identification | |
CN106710019A (zh) | 数据处理方法、装置及电子设备 | |
CN107154919A (zh) | 一种安全登录方法及装置 | |
CN103646254A (zh) | 一种高密度行人检测方法 | |
WO2022267455A1 (zh) | 欺诈用户集中区域的预测方法、装置、设备及存储介质 |
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 |