CN116630100B - 旅游数据处理方法、装置、设备及存储介质 - Google Patents
旅游数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116630100B CN116630100B CN202310914572.XA CN202310914572A CN116630100B CN 116630100 B CN116630100 B CN 116630100B CN 202310914572 A CN202310914572 A CN 202310914572A CN 116630100 B CN116630100 B CN 116630100B
- Authority
- CN
- China
- Prior art keywords
- target
- tourist
- data
- feature
- candidate
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000001815 facial effect Effects 0.000 claims abstract description 110
- 238000012795 verification Methods 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000006243 chemical reaction Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 145
- 238000011156 evaluation Methods 0.000 claims description 95
- 238000004364 calculation method Methods 0.000 claims description 56
- 230000006870 function Effects 0.000 claims description 51
- 238000007726 management method Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 12
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 7
- 230000007306 turnover Effects 0.000 abstract description 12
- 210000003128 head Anatomy 0.000 description 64
- 238000004422 calculation algorithm Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 230000008676 import Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- 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
- 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
- G06K17/0022—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 arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
- G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
- G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
- G07C9/257—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition electronically
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数据处理领域，公开了一种旅游数据处理方法、装置、设备及存储介质，用于实现旅游园区的智能化进出管理并提高进出管理的准确率。方法包括：对带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；分别计算每个候选游客的目标距离数据；根据面部特征数据以及目标距离数据进行筛选，确定目标游客；对第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据以及进行文本转换和文本编码，得到目标编码文本数据；进行操作指令映射匹配，得到目标操作指令，并进行面部信息识别和查询，得到游客实名信息；进行操作指令校验，得到目标校验结果并控制园区进出口闸机响应目标操作指令。
Description
技术领域
本发明涉及旅游数据处理领域，尤其涉及一种旅游数据处理方法、装置、设备及存储介质。
背景技术
旅游业是现代社会中蓬勃发展的行业之一，各地的旅游景区吸引了大量游客的到访。然而，随着旅游规模的不断扩大，传统的人工管理方式已经无法满足旅游园区的需求。为了提高旅游管理的效率和便利性，研究人员开始探索利用数据处理技术来处理旅游数据，从而实现自动化和智能化管理。
但是现有方案中，需要耗费大量的人力物力对旅游园区的进出口进行核验，但是现有方案的核验效率和核验的准确率都较低。
发明内容
本发明提供了一种旅游数据处理方法、装置、设备及存储介质，用于实现旅游园区的智能化进出管理并提高进出管理的准确率。
本发明第一方面提供了一种旅游数据处理方法，所述旅游数据处理方法包括：
通过目标旅游园区的园区进出口闸机扫描第一二维码数据并采集预设范围内的游客图像数据，同时，对所述游客图像数据进行游客数量检测，得到N个候选游客，当N>1时，对所述游客图像数据进行用户感兴趣区域提取，生成带有N个游客的区域图像；
对所述带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；
分别计算所述N个候选游客与所述园区进出口闸机之间的距离，得到每个候选游客的目标距离数据；
根据所述面部特征数据以及所述目标距离数据，对所述N个候选游客进行筛选，确定对应的目标游客；
获取所述目标游客的票务预订信息并根据所述票务预订信息对所述第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；
对所述目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对所述目标游客进行面部信息识别和查询，得到游客实名信息；
根据所述游客实名信息对所述目标操作指令进行操作指令校验，得到目标校验结果，并根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令。
结合第一方面，在本发明第一方面的第一种实现方式中，所述对所述带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据，包括：
对所述带有N个游客的区域图像进行图像分辨率增强处理，得到高清游客图像，并对所述高清游客图像进行特征点提取，得到多个头部轮廓特征点以及多个面部区域特征点；
分别将所述多个头部轮廓特征点以及所述多个面部区域特征点输入预置的特征点聚类分析模型，并通过预置的第一移动密度函数对所述多个头部轮廓特征点进行聚类中心计算，得到第一聚类中心，以及通过预置的第二移动密度函数对所述多个面部区域特征点进行聚类中心计算，得到第二聚类中心；
对所述多个头部轮廓特征点与所述第一聚类中心进行距离计算，得到多个第一特征距离值并对所述多个第一特征距离值进行平均值计算，得到对应的第一平均距离值，以及对所述多个面部区域特征点与所述第二聚类中心进行距离计算，得到多个第二特征距离值并对所述多个第二特征距离值进行平均值计算，得到对应的第二平均距离值；
根据所述第一平均距离值以及所述第二平均距离值，分别计算每个候选游客的标签权重，并根据每个候选游客的标签权重对所述高清游客图像进行人脸特征标签标注，得到每个候选游客的面部特征数据。
结合第一方面，在本发明第一方面的第二种实现方式中，所述分别计算所述N个候选游客与所述园区进出口闸机之间的距离，得到每个候选游客的目标距离数据，包括：
对所述园区进出口闸机进行三维坐标构建，得到目标三维坐标系以及所述园区进出口闸机的闸机三维坐标(x1,y1,z1)；
确定所述多个头部轮廓特征点的图像位置特征以及边界框信息，并根据所述图像位置特征以及所述边界框信息，将所述多个头部轮廓特征点转换到所述目标三维坐标系中，得到每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)；
通过预置的距离计算函数，分别计算每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)与闸机三维坐标(x1,y1,z1)之间的距离，得到每个头部轮廓特征点的初始距离数据；其中，所述距离计算函数为：MD=|x1-x2|+|y1-y2|+|z1-z2|，MD表示初始距离数据，|x1-x2|、|y1-y2|和|z1-z2|表示每个坐标轴上的差值的绝对值；
对每个头部轮廓特征点的初始距离数据进行平均值计算，得到每个候选游客的目标距离数据。
结合第一方面，在本发明第一方面的第三种实现方式中，所述根据所述面部特征数据以及所述目标距离数据，对所述N个候选游客进行筛选，确定对应的目标游客，包括：
分别提取所述面部特征数据中每个候选游客的标签权重，并对所述标签权重进行比较，得到第一比较结果，以及对所述第一比较结果进行评价指标转换，得到每个候选游客的第一权重评价指标；
对每个候选游客的目标距离数据进行距离比较，得到第二比较结果，并根据所述第二比较结果对所述候选游客进行距离特征权重分析，得到每个候选游客的第二权重评价指标；
根据每个候选游客的第一权重评价指标以及第二权重评价指标，分别计算每个候选游客的目标权重评价指标，并根据所述目标权重评价指标将所述N个候选游客中权重评价指标最高的候选游客确定为目标游客。
结合第一方面，在本发明第一方面的第四种实现方式中，所述获取所述目标游客的票务预订信息并根据所述票务预订信息对所述第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据，包括：
基于预置的园区管理大数据平台，查询所述目标游客的票务预订信息；
对所述第一二维码数据和所述票务预订信息进行数值序列化处理，得到所述第一二维码数据的第一目标数值序列以及所述票务预订信息的第二目标数值序列；
根据所述第一目标数值序列生成第一字段数据，以及根据所述第二目标数值序列生成第二字段数据；
分别计算所述第一字段数据和所述第二字段数据的概率密度函数值，并对所述概率密度函数值进行加权平均，得到目标有效性评价指标；
根据所述目标有效性评价指标判断所述第一二维码数据是否通过信息有效性验证，得到有效性验证结果；
根据所述有效性验证结果，对所述第一二维码数据进行二维码数据解析和转换，输出第二二维码数据，并对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据。
结合第一方面，在本发明第一方面的第五种实现方式中，所述对所述目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对所述目标游客进行面部信息识别和查询，得到游客实名信息，包括：
对所述目标编码文本数据进行关键词识别，得到多个关键词，并对所述多个关键词进行向量编码，得到第一特征向量；
从预置的操作指令库中获取多个候选操作指令，并对所述多个候选操作指令进行向量编码，得到多个第二特征向量；
根据所述多个第二特征向量创建目标特征空间，并将所述第一特征向量投影至所述目标特征空间，分别计算所述第一特征向量与所述多个第二特征向量之间的命中率，得到多个特征命中率；
根据所述多个特征命中率确定目标操作指令；
对所述目标游客进行面部信息识别和查询，得到游客实名信息。
结合第一方面，在本发明第一方面的第六种实现方式中，所述根据所述游客实名信息对所述目标操作指令进行操作指令校验，得到目标校验结果，并根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令，包括：
对所述目标游客进行面部信息识别，得到游客实名信息，并对所述游客实名信息进行实体信息编码，生成实体信息编码向量；
获取预设的实名校验规则，并对所述实名校验规则进行规则编码，得到规则编码向量；
对所述实体信息编码向量与所述规则编码向量进行向量相似度计算，得到目标向量相似度；
若所述目标向量相似度超过预设阈值，则确定所述目标游客通过操作指令校验，生成目标校验结果；
根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令。
本发明第二方面提供了一种旅游数据处理装置，所述旅游数据处理装置包括：
扫描模块，用于通过目标旅游园区的园区进出口闸机扫描第一二维码数据并采集预设范围内的游客图像数据，同时，对所述游客图像数据进行游客数量检测，得到N个候选游客，当N>1时，对所述游客图像数据进行用户感兴趣区域提取，生成带有N个游客的区域图像；
提取模块，用于对所述带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；
计算模块，用于分别计算所述N个候选游客与所述园区进出口闸机之间的距离，得到每个候选游客的目标距离数据；
筛选模块，用于根据所述面部特征数据以及所述目标距离数据，对所述N个候选游客进行筛选，确定对应的目标游客；
解析模块，用于获取所述目标游客的票务预订信息并根据所述票务预订信息对所述第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；
匹配模块，用于对所述目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对所述目标游客进行面部信息识别和查询，得到游客实名信息；
校验模块，用于根据所述游客实名信息对所述目标操作指令进行操作指令校验，得到目标校验结果，并根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令。
本发明第三方面提供了一种旅游数据处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述旅游数据处理设备执行上述的旅游数据处理方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的旅游数据处理方法。
本发明提供的技术方案中，对带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；分别计算每个候选游客的目标距离数据；根据面部特征数据以及目标距离数据进行筛选，确定目标游客；对第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据以及进行文本转换和文本编码，得到目标编码文本数据；进行操作指令映射匹配，得到目标操作指令，并进行面部信息识别和查询，得到游客实名信息；进行操作指令校验，得到目标校验结果并控制园区进出口闸机响应目标操作指令，本发明通过对游客的图像和二维码数据进行处理和分析，景区管理者可以及时发现异常情况，如拥挤、拥堵、安全隐患等，并采取相应的措施进行预警和管理，确保游客的安全和秩序。可以降低人工成本和时间成本，提高景区管理的效率。通过实时的数据监测和分析，可以合理调配资源，优化景区的运营和服务，最大程度地提高资源利用效率，进而实现了旅游园区的智能化进出管理，并且提高了进出管理的准确率。
附图说明
图1为本发明实施例中旅游数据处理方法的一个实施例示意图；
图2为本发明实施例中面部特征提取的流程图；
图3为本发明实施例中对N个候选游客进行筛选的流程图；
图4为本发明实施例中信息有效性验证和二维码数据解析的流程图；
图5为本发明实施例中旅游数据处理装置的一个实施例示意图；
图6为本发明实施例中旅游数据处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种旅游数据处理方法、装置、设备及存储介质，用于实现旅游园区的智能化进出管理并提高进出管理的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中旅游数据处理方法的一个实施例包括：
S101、通过目标旅游园区的园区进出口闸机扫描第一二维码数据并采集预设范围内的游客图像数据，同时，对游客图像数据进行游客数量检测，得到N个候选游客，当N>1时，对游客图像数据进行用户感兴趣区域提取，生成带有N个游客的区域图像；
可以理解的是，本发明的执行主体可以为旅游数据处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，服务器首先，园区进出口闸机需要配备二维码扫描器和摄像头。当游客进入园区时，他们的门票或访问凭证上会有一个二维码。在进出口闸机处，游客将门票或凭证的二维码供给给闸机的二维码扫描器进行扫描。同时，摄像头会记录下此刻的游客图像数据。接下来，这些采集到的图像数据将被送入图像处理系统进行处理。使用计算机视觉技术进行人脸检测和人脸识别，以确定图像中是否存在游客的面部。通过识别每个面部，可以对每个游客进行标识，从而得到游客的数量N。如果N大于1，表示有多个候选游客需要进一步处理。对于每个候选游客的图像，可以进行用户感兴趣区域的提取。这可以通过人脸关键点检测、人脸边界框提取或基于深度学习的人脸分割等技术实现。感兴趣区域可以是人脸区域，它包含了面部特征，这对于后续的识别和分析非常重要。根据感兴趣区域的位置和大小信息，可以从原始图像中提取出带有N个游客的区域图像。这些区域图像将集中关注于每个游客的面部特征，方便进行后续的面部特征提取、识别和分析。例如，假设在一个旅游景点的入口处，有一台配备了二维码扫描器和摄像头的闸机。当游客购买门票时，他们会收到一张电子票，上面包含了一个二维码。当游客到达入口处，他们将电子票的二维码供给给闸机的二维码扫描器进行扫描。同时，摄像头记录下此刻的游客图像数据。这些图像数据将被送入后台的图像处理系统。系统使用计算机视觉算法进行人脸检测和识别，判断图像中是否存在游客的面部。对于每个检测到的面部，系统进行标识，并计算游客的数量N。如果N大于1，表示有多个候选游客。系统继续处理每个候选游客的图像。通过人脸关键点检测技术，系统可以提取出感兴趣区域，即游客的面部区域。然后，根据感兴趣区域的位置和大小信息，系统从原始图像中提取出带有N个游客的区域图像。这些区域图像可以用于后续的面部特征提取、分析和识别。例如，系统可以使用面部识别算法对每个游客的面部特征进行提取和比对，从而实现对游客身份的识别和验证。
S102、对带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；
具体的，服务器首先，对带有N个游客的区域图像进行图像分辨率增强处理，以获得高清游客图像。这可以使用图像处理算法和滤波技术来提高图像的清晰度和细节。接下来，在高清游客图像中提取头部轮廓特征点和面部区域特征点。使用人脸关键点检测算法，可以检测头部轮廓特征点，如眉毛、眼睛、鼻子和嘴巴等部位的特征点。同时，通过面部区域的分割或检测算法，可以提取出面部的特定区域特征点，如眼睛区域、鼻子区域和嘴巴区域的特征点。将提取出的多个头部轮廓特征点和面部区域特征点输入预置的特征点聚类分析模型。利用聚类算法，如K-means聚类，对头部轮廓特征点进行聚类中心计算，得到第一聚类中心。同样地，对面部区域特征点进行聚类中心计算，得到第二聚类中心。对每个候选游客的头部轮廓特征点与第一聚类中心进行距离计算，得到多个第一特征距离值，并计算这些距离值的平均值，得到第一平均距离值。同样地，对每个候选游客的面部区域特征点与第二聚类中心进行距离计算，得到多个第二特征距离值，并计算这些距离值的平均值，得到第二平均距离值。根据第一平均距离值和第二平均距离值，可以计算每个候选游客的标签权重。这可以使用预先设定的权重计算公式，根据距离值与预设阈值的比较来确定权重值。权重值表示每个候选游客与已知特征的匹配程度。最后，根据每个候选游客的标签权重，对高清游客图像进行人脸特征标签标注。这可以通过在图像上叠加标签或在图像的元数据中添加标签信息来实现。标签可以表示游客的身份、特征或其他相关信息。例如，假设有一个旅游园区的入口闸机，扫描了一张带有三个游客的区域图像。系统首先对图像进行分辨率增强处理，得到高清图像。然后，通过人脸关键点检测算法提取出每个游客的头部轮廓特征点和面部区域特征点。接下来，将这些特征点输入特征点聚类分析模型，计算出第一聚类中心和第二聚类中心。然后，系统分别计算每个游客的头部轮廓特征点与第一聚类中心的距离，以及面部区域特征点与第二聚类中心的距离。通过计算平均距离值，得到每个游客的第一平均距离值和第二平均距离值。根据这些平均距离值，系统可以计算每个游客的标签权重。假设第一个游客的第一平均距离值较小，而第二平均距离值较大，表明该游客的头部轮廓与已知特征较为匹配，但面部区域与已知特征的匹配程度较低。根据预先设定的权重计算公式，系统给予该游客较高的头部轮廓标签权重和较低的面部区域标签权重。最后，系统在高清图像上标注每个游客的人脸特征标签。例如，在图像上显示出每个游客的姓名和身份信息，或在图像的元数据中添加相关信息。
S103、分别计算N个候选游客与园区进出口闸机之间的距离，得到每个候选游客的目标距离数据；
需要说明的是，首先，需要对园区进出口闸机进行三维坐标构建，确定目标三维坐标系以及闸机的三维坐标(x1,y1,z1)。这可以通过测量和建模的方式得到，确保园区进出口闸机在三维空间中的位置信息准确。接下来，确定多个候选游客的头部轮廓特征点的图像位置特征和边界框信息。通过人脸关键点检测算法，可以获取每个候选游客的头部轮廓特征点的图像位置特征。同时，可以根据头部轮廓特征点的位置信息确定边界框，即头部区域在图像中的位置和大小。将头部轮廓特征点转换到目标三维坐标系中，得到每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)。这可以通过相机标定和坐标转换技术实现。相机标定可以确定图像坐标和世界坐标之间的映射关系，从而将图像中的特征点转换为三维空间中的坐标。通过预置的距离计算函数，计算每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)与闸机三维坐标(x1,y1,z1)之间的距离。距离计算函数可以使用欧氏距离或曼哈顿距离等度量方法。以曼哈顿距离为例，距离计算公式为：MD=|x1-x2|+|y1-y2|+|z1-z2|，其中MD表示初始距离数据，|x1-x2|、|y1-y2|和|z1-z2|表示每个坐标轴上的差值的绝对值。对每个头部轮廓特征点的初始距离数据进行平均值计算，得到每个候选游客的目标距离数据。将每个头部轮廓特征点的初始距离数据相加，并除以头部轮廓特征点的数量，即可得到平均距离值。这些平均距离值表示每个候选游客与园区进出口闸机之间的目标距离数据。例如，假设有一个旅游园区的进出口闸机，闸机的三维坐标为(10,5,0)。通过人脸识别技术，从图像中提取出三个候选游客的头部轮廓特征点，并确定其在图像中的位置和大小。然后，通过相机标定和坐标转换，将这些头部轮廓特征点转换为三维空间中的坐标。假设第一个候选游客的头部轮廓特征点在三维坐标系中的坐标为(12,6,2)，第二个候选游客的头部轮廓特征点坐标为(8,4,1)，第三个候选游客的头部轮廓特征点坐标为(11,7,3)。接下来，根据距离计算函数，计算每个头部轮廓特征点与闸机之间的距离。以曼哈顿距离为例，分别计算第一个候选游客的距离为|10-12|+|5-6|+|0-2|=4，第二个候选游客的距离为|10-8|+|5-4|+|0-1|=4，第三个候选游客的距离为|10-11|+|5-7|+|0-3|=8。最后，计算每个候选游客的目标距离数据的平均值。将上述三个候选游客的距离值相加，得到总和为4+4+8=16。由于共有三个候选游客，所以平均距离值为16/3≈5.33。因此，每个候选游客与闸机之间的目标距离数据为约5.33。
S104、根据面部特征数据以及目标距离数据，对N个候选游客进行筛选，确定对应的目标游客；
具体的，首先，针对每个候选游客，提取其面部特征数据并计算标签权重。面部特征数据可以包括性别、年龄、表情等信息，可以使用计算机视觉技术、深度学习模型等方法进行特征提取和分类。根据面部特征数据，计算每个候选游客的标签权重，反映其在特定标签上的重要程度。接下来，对标签权重进行比较，得到第一比较结果。比较可以采用加权求和、相似度度量或其他比较方法，将每个候选游客的标签权重综合起来进行比较，得到不同候选游客之间的权重差异。对第一比较结果进行评价指标转换，得到每个候选游客的第一权重评价指标。评价指标可以根据具体需求设定，例如使用线性映射、归一化或其他转换方法将权重值映射到一个合适的范围内，以便进行后续的比较和分析。同时，对每个候选游客的目标距离数据进行距离比较。根据目标距离数据，可以设定距离阈值或距离权重，用于衡量候选游客与园区进出口闸机之间的距离。通过计算每个候选游客与闸机之间的距离，并与设定的距离阈值进行比较，得到第二比较结果。根据第二比较结果，对候选游客进行距离特征权重分析，得到每个候选游客的第二权重评价指标。可以根据距离的大小、远近或其他距离特征进行分析和权重计算，以判断候选游客在距离方面的适应程度。最后，根据每个候选游客的第一权重评价指标和第二权重评价指标，分别计算每个候选游客的目标权重评价指标。可以根据具体需求使用加权求和、乘法运算或其他方法将两个评价指标综合起来，得到每个候选游客的目标权重评价指标。根据目标权重评价指标，选择权重评价指标最高的候选游客作为目标游客。通过综合考虑面部特征数据和目标距离数据，该方法可以筛选出最适合的目标游客。例如，假设有三个候选游客，他们的面部特征数据包括性别、年龄和表情信息。同时，假设有一个园区进出口闸机，根据闸机的三维坐标构建了目标三维坐标系，并设定了距离阈值为10。通过计算每个候选游客与闸机之间的距离，并结合面部特征数据，得到以下结果：候选游客1：性别权重0.7，年龄权重0.8，距离为8；候选游客2：性别权重0.9，年龄权重0.5，距离为12；候选游客3：性别权重0.6，年龄权重0.6，距离为9。针对第一比较结果，可以计算每个候选游客的第一权重评价指标：候选游客1：第一权重评价指标=0.7+0.8=1.5；候选游客2：第一权重评价指标=0.9+0.5=1.4；候选游客3：第一权重评价指标=0.6+0.6=1.2。根据第二比较结果，分析距离特征权重，并计算每个候选游客的第二权重评价指标：候选游客1：第二权重评价指标=1（距离满足要求）；候选游客2：第二权重评价指标=0（距离超出阈值）；候选游客3：第二权重评价指标=1（距离满足要求）。最后，根据第一权重评价指标和第二权重评价指标，计算每个候选游客的目标权重评价指标：候选游客1：目标权重评价指标=1.5*1=1.5；候选游客2：目标权重评价指标=1.4*0=0；候选游客3：目标权重评价指标=1.2*1=1.2。由于候选游客1的目标权重评价指标最高，因此将其确定为目标游客。
S105、获取目标游客的票务预订信息并根据票务预订信息对第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；
具体的，首先，基于预置的园区管理大数据平台，查询目标游客的票务预订信息。这可以通过与园区管理系统或票务系统的接口进行交互来实现。根据目标游客的身份信息或票务预订编号等，查询相关的票务预订信息。接下来，对第一二维码数据和票务预订信息进行数值序列化处理，得到第一二维码数据的第一目标数值序列和票务预订信息的第二目标数值序列。数值序列化处理可以将二维码数据和票务预订信息转换为一系列数字表示，以便后续处理和分析。根据第一目标数值序列生成第一字段数据，以及根据第二目标数值序列生成第二字段数据。根据具体情况，可以使用数值序列中的特定位置或范围的值作为字段数据，或者使用特定算法或规则对数值序列进行处理，提取出有意义的字段数据。接下来，分别计算第一字段数据和第二字段数据的概率密度函数值，并对概率密度函数值进行加权平均，得到目标有效性评价指标。概率密度函数值可以反映字段数据的分布情况，可以使用统计学方法或密度估计方法计算概率密度函数值。加权平均可以根据字段数据的重要性设定权重，对两个字段数据的概率密度函数值进行加权平均得到目标有效性评价指标。根据目标有效性评价指标，判断第一二维码数据是否通过信息有效性验证，得到有效性验证结果。通过设置阈值或参考历史数据，可以确定有效性评价指标的合理范围，判断第一二维码数据是否在有效性范围内。根据有效性验证结果，对第一二维码数据进行二维码数据解析和转换，输出第二二维码数据。根据二维码的格式和编码规则，使用合适的解析算法对第一二维码数据进行解析，提取出第二二维码数据。对第二二维码数据进行文本转换和文本编码，得到目标编码文本数据。根据第二二维码数据的具体内容和格式，进行适当的文本转换，例如将二维码数据中的二进制、十六进制或其他编码形式转换为文本字符串。如果需要，可以对文本进行编码，例如使用Base64编码或其他编码方式。例如，假设目标游客的票务预订信息包括姓名、预订时间和座位号，第一二维码数据包含了这些信息的编码。经过上述步骤的处理和分析，得到以下结果：第一字段数据：座位号、第二字段数据：预订时间。计算第一字段数据和第二字段数据的概率密度函数值，并进行加权平均得到目标有效性评价指标。假设经过计算得到的有效性评价指标为0.85。根据有效性评价指标的阈值或规则，判断有效性验证结果为通过。根据通过验证的结果，对第一二维码数据进行解析，提取出姓名、预订时间和座位号等信息作为第二二维码数据。最后，将第二二维码数据进行文本转换和编码，得到目标编码文本数据，例如将姓名、预订时间和座位号转换为文本字符串，并进行Base64编码。
S106、对目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对目标游客进行面部信息识别和查询，得到游客实名信息；
具体的，首先，对目标编码文本数据进行关键词识别，得到多个关键词，并对这些关键词进行向量编码，得到第一特征向量。关键词识别可以使用自然语言处理技术，如分词、词性标注等方法来提取文本中的关键词，然后使用词向量模型将关键词转换为向量表示。接下来，从预置的操作指令库中获取多个候选操作指令，并对这些候选操作指令进行向量编码，得到多个第二特征向量。操作指令库可以包含各种可能的操作指令，例如查询、购买、预订等。同样地，使用词向量模型将候选操作指令转换为向量表示。根据多个第二特征向量创建目标特征空间，并将第一特征向量投影至目标特征空间。这可以通过计算第一特征向量与每个第二特征向量之间的相似度或距离来实现。常见的方法包括余弦相似度、欧氏距离等。分别计算第一特征向量与多个第二特征向量之间的命中率，得到多个特征命中率。命中率可以表示第一特征向量与每个候选操作指令之间的匹配程度。可以根据相似度或距离的阈值来确定命中与否。根据多个特征命中率确定目标操作指令。可以根据命中率的大小或设定的阈值来选择最匹配的操作指令。命中率高的操作指令被认为是目标操作指令。对目标游客进行面部信息识别和查询，得到游客的实名信息。面部信息识别可以使用人脸识别技术，通过摄像头或图像数据识别目标游客的面部特征，并与已有的人脸数据库进行比对，从而确定游客的身份信息。查询过程可以涉及与用户数据库或身份认证系统的交互，以获取游客的实名信息。例如，假设目标编码文本数据中包含关键词"查询"和"门票"，对应的第一特征向量表示为[0.6,0.8]。操作指令库中有两个候选操作指令，分别是"查询门票信息"和"购买门票"，对应的第二特征向量分别为[0.7,0.3]和[0.4,0.6]。将第一特征向量投影至目标特征空间，计算第一特征向量与每个第二特征向量之间的命中率，得到命中率分别为0.78和0.62。根据命中率确定目标操作指令为"查询门票信息"。然后进行面部信息识别和查询，确认目标游客的实名信息。
S107、根据游客实名信息对目标操作指令进行操作指令校验，得到目标校验结果，并根据目标校验结果，控制园区进出口闸机响应目标操作指令。
具体的，服务器首先，对目标游客进行面部信息识别，得到游客的实名信息，并对实名信息进行实体信息编码，生成实体信息编码向量。面部信息识别可以使用人脸识别技术获取目标游客的面部特征，并通过与已有实名信息的比对，确定游客的实名信息。实体信息编码可以使用编码方法，例如哈希函数或编码算法，将实名信息转换为固定长度的向量表示。接下来，获取预设的实名校验规则，并对这些实名校验规则进行规则编码，得到规则编码向量。实名校验规则可以包括对实名信息的有效性、完整性、一致性等方面的规则要求。规则编码可以使用编码方法将规则转换为向量表示，例如将规则中的关键词映射为向量或使用规则描述的特征生成向量表示。对实体信息编码向量与规则编码向量进行向量相似度计算，得到目标向量相似度。相似度计算可以使用常见的相似度度量方法，如余弦相似度、欧氏距离等。通过计算实体信息编码向量与规则编码向量之间的相似度，可以评估目标游客的实名信息与预设的校验规则的匹配程度。若目标向量相似度超过预设阈值，则确定目标游客通过操作指令校验，生成目标校验结果。预设阈值可以根据实际需求进行设置，用于决定实名信息与规则匹配的程度。如果目标向量相似度高于阈值，则认为目标游客的实名信息通过了校验，生成校验结果为通过。根据目标校验结果，控制园区进出口闸机响应目标操作指令。当校验结果为通过时，可以向园区进出口闸机发送指令，授权目标游客进行相应的操作，如进入园区、购票等。闸机可以根据接收到的操作指令进行相应的开启或关闭操作，以便实现目标游客的授权进出。例如，假设目标游客的实名信息为姓名为"XX"，身份证号为"1234567890"，对应的实体信息编码向量为[0.2,0.8]。预设的实名校验规则要求姓名与身份证号的一致性，对应的规则编码向量为[0.5,0.7]。通过计算实体信息编码向量与规则编码向量的相似度，得到相似度为0.65。假设预设阈值为0.6，表示相似度超过0.6时通过校验。由于相似度0.65高于预设阈值，可以确定目标游客通过了操作指令校验，生成目标校验结果为通过。根据校验结果，可以控制园区进出口闸机响应目标操作指令，允许目标游客进入园区。
本发明实施例中，对带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；分别计算每个候选游客的目标距离数据；根据面部特征数据以及目标距离数据进行筛选，确定目标游客；对第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据以及进行文本转换和文本编码，得到目标编码文本数据；进行操作指令映射匹配，得到目标操作指令，并进行面部信息识别和查询，得到游客实名信息；进行操作指令校验，得到目标校验结果并控制园区进出口闸机响应目标操作指令，本发明通过对游客的图像和二维码数据进行处理和分析，景区管理者可以及时发现异常情况，如拥挤、拥堵、安全隐患等，并采取相应的措施进行预警和管理，确保游客的安全和秩序。可以降低人工成本和时间成本，提高景区管理的效率。通过实时的数据监测和分析，可以合理调配资源，优化景区的运营和服务，最大程度地提高资源利用效率，进而实现了旅游园区的智能化进出管理，并且提高了进出管理的准确率。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、对带有N个游客的区域图像进行图像分辨率增强处理，得到高清游客图像，并对高清游客图像进行特征点提取，得到多个头部轮廓特征点以及多个面部区域特征点；
S202、分别将多个头部轮廓特征点以及多个面部区域特征点输入预置的特征点聚类分析模型，并通过预置的第一移动密度函数对多个头部轮廓特征点进行聚类中心计算，得到第一聚类中心，以及通过预置的第二移动密度函数对多个面部区域特征点进行聚类中心计算，得到第二聚类中心；
S203、对多个头部轮廓特征点与第一聚类中心进行距离计算，得到多个第一特征距离值并对多个第一特征距离值进行平均值计算，得到对应的第一平均距离值，以及对多个面部区域特征点与第二聚类中心进行距离计算，得到多个第二特征距离值并对多个第二特征距离值进行平均值计算，得到对应的第二平均距离值；
S204、根据第一平均距离值以及第二平均距离值，分别计算每个候选游客的标签权重，并根据每个候选游客的标签权重对高清游客图像进行人脸特征标签标注，得到每个候选游客的面部特征数据。
具体的，服务器首先，对区域图像进行图像分辨率增强处理，以提高图像的清晰度和细节。图像分辨率增强处理可以使用各种图像处理算法和技术，例如锐化滤波、边缘增强、图像增强算法等，以获得高清游客图像。接下来，对高清游客图像进行特征点提取，分别提取头部轮廓特征点和面部区域特征点。特征点提取是通过计算图像中的关键点或特定区域的位置坐标，用于表示图像中的重要特征。可以使用人脸识别或特征点检测算法，如Viola-Jones算法、ActiveShapeModels等，来提取头部轮廓特征点和面部区域特征点。将提取得到的多个头部轮廓特征点和面部区域特征点输入预置的特征点聚类分析模型。特征点聚类分析模型可以使用聚类算法，如K-means、DBSCAN等，对特征点进行聚类分组。通过预置的第一移动密度函数对多个头部轮廓特征点进行聚类中心计算，得到第一聚类中心。第一移动密度函数可以根据特征点的分布情况和密度来确定聚类中心。通过预置的第二移动密度函数对多个面部区域特征点进行聚类中心计算，得到第二聚类中心。第二移动密度函数同样可以根据特征点的分布情况和密度来确定聚类中心。对多个头部轮廓特征点与第一聚类中心进行距离计算，得到多个第一特征距离值，并对这些距离值进行平均值计算，得到对应的第一平均距离值。同样，对多个面部区域特征点与第二聚类中心进行距离计算，得到多个第二特征距离值，并对这些距离值进行平均值计算，得到对应的第二平均距离值。根据第一平均距离值和第二平均距离值，分别计算每个候选游客的标签权重。可以根据预先设定的计算公式或权重分配策略，将第一平均距离值和第二平均距离值转换为相应的标签权重。最后，根据每个候选游客的标签权重，对高清游客图像进行人脸特征标签标注，得到每个候选游客的面部特征数据。可以根据标签权重的大小，在图像中标注相应的人脸特征标签，如轮廓、眼睛、嘴巴等，以获得每个候选游客的面部特征数据。例如，假设有一张包含多个游客的高清图像。经过图像分辨率增强处理后，得到了清晰的游客图像。然后使用人脸识别算法提取了每个游客的头部轮廓特征点和面部区域特征点。接着，将这些特征点输入到预置的特征点聚类分析模型中，通过移动密度函数计算得到了头部轮廓和面部区域的聚类中心。再通过距离计算和平均值计算，得到了头部轮廓特征的平均距离值和面部区域特征的平均距离值。根据这些平均距离值，计算出每个候选游客的标签权重。最后，根据标签权重对高清游客图像进行人脸特征标签标注，得到每个候选游客的面部特征数据。
在一具体实施例中，执行步骤S103的过程可以具体包括如下步骤：
（1）对园区进出口闸机进行三维坐标构建，得到目标三维坐标系以及园区进出口闸机的闸机三维坐标(x1,y1,z1)；
（2）确定多个头部轮廓特征点的图像位置特征以及边界框信息，并根据图像位置特征以及边界框信息，将多个头部轮廓特征点转换到目标三维坐标系中，得到每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)；
（3）通过预置的距离计算函数，分别计算每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)与闸机三维坐标(x1,y1,z1)之间的距离，得到每个头部轮廓特征点的初始距离数据；其中，距离计算函数为：MD=|x1-x2|+|y1-y2|+|z1-z2|，MD表示初始距离数据，|x1-x2|、|y1-y2|和|z1-z2|表示每个坐标轴上的差值的绝对值；
（4）对每个头部轮廓特征点的初始距离数据进行平均值计算，得到每个候选游客的目标距离数据。
具体的，服务器首先，对园区进出口闸机进行三维坐标构建，得到闸机的三维坐标(x1,y1,z1)。这可以通过使用三维视觉测量技术，如结构光扫描、立体视觉等方法，对闸机进行三维坐标的测量和建模，以获得其准确的三维坐标。接下来，确定多个头部轮廓特征点在图像中的位置特征以及边界框信息。通过人脸识别算法或特征点检测算法，可以获取头部轮廓特征点的坐标位置，并根据头部轮廓的形状和大小，计算出对应的边界框信息。然后，将多个头部轮廓特征点转换到目标三维坐标系中，得到每个头部轮廓特征点的三维坐标(x2,y2,z2)。这可以通过使用相机投影和几何变换等技术，将头部轮廓特征点的图像坐标映射到目标三维坐标系中，以获得其在三维空间中的坐标。通过预置的距离计算函数，计算每个头部轮廓特征点的三维坐标与闸机三维坐标之间的距离。距离计算函数可以采用欧氏距离或曼哈顿距离等，以计算特征点在三个坐标轴上的差值的绝对值之和，得到初始距离数据(MD)。即，MD=|x1-x2|+|y1-y2|+|z1-z2|。最后，对每个头部轮廓特征点的初始距离数据进行平均值计算，得到每个候选游客的目标距离数据。将所有特征点的初始距离数据相加，并除以特征点数量，得到平均距离值，作为每个候选游客的目标距离数据。例如，假设有一个园区的进出口闸机，已经进行了三维坐标构建，得到了闸机的三维坐标(x1,y1,z1)。然后，从一张图像中检测到了多个游客的头部轮廓特征点，并确定了它们在图像中的位置特征和边界框信息。接着，使用相机投影和几何变换技术，将这些头部轮廓特征点转换到目标三维坐标系中，得到了每个特征点的三维坐标(x2,y2,z2)。通过预置的距离计算函数，计算了每个特征点与闸机之间的初始距离数据(MD)。最后，对所有特征点的初始距离数据进行平均值计算，得到了每个候选游客的目标距离数据。
在一具体实施例中，如图3所示，执行步骤S104的过程可以具体包括如下步骤：
S301、分别提取面部特征数据中每个候选游客的标签权重，并对标签权重进行比较，得到第一比较结果，以及对第一比较结果进行评价指标转换，得到每个候选游客的第一权重评价指标；
S302、对每个候选游客的目标距离数据进行距离比较，得到第二比较结果，并根据第二比较结果对候选游客进行距离特征权重分析，得到每个候选游客的第二权重评价指标；
S303、根据每个候选游客的第一权重评价指标以及第二权重评价指标，分别计算每个候选游客的目标权重评价指标，并根据目标权重评价指标将N个候选游客中权重评价指标最高的候选游客确定为目标游客。
具体的，服务器首先，针对面部特征数据中的每个候选游客，提取其面部特征数据，并根据预先定义的标签权重提取规则，计算每个候选游客的标签权重。这些标签权重可以基于面部特征的关键点位置、面部表情、年龄、性别等特征进行提取和计算。接下来，对提取的标签权重进行比较，得到第一比较结果。比较可以采用简单的大小比较，或者通过定义权重比较函数进行比较。比较结果可以表示为每个候选游客相对于其他候选游客的权重优劣关系。然后，对第一比较结果进行评价指标转换。评价指标转换可以使用线性或非线性的转换函数，将原始的权重比较结果转换为更具有区分度和可解释性的评价指标。例如，可以使用sigmoid函数将权重比较结果映射到[0,1]的范围内。对目标距离数据进行距离比较，得到第二比较结果。根据目标距离数据，可以使用不同的距离度量方法（如欧氏距离、曼哈顿距离等）计算每个候选游客之间的距离，并得到第二比较结果。比较结果可以表示为每个候选游客相对于其他候选游客的距离优劣关系。根据第二比较结果，对候选游客进行距离特征权重分析。可以使用统计方法、机器学习方法或领域知识进行分析，从距离数据中提取特征权重信息。这些特征权重可以表示为每个候选游客在距离方面的重要程度。根据每个候选游客的第一权重评价指标和第二权重评价指标，计算每个候选游客的目标权重评价指标。可以通过加权求和、加权平均或其他合适的计算方法，将标签权重和距离特征权重结合起来，得到每个候选游客的目标权重评价指标。最后，根据目标权重评价指标，确定权重评价指标最高的候选游客作为目标游客。可以根据设定的阈值或通过排序和筛选的方式确定目标游客。例如，假设有3个候选游客（游客A、游客B和游客C），根据面部特征数据提取的标签权重分别为0.8、0.6和0.7，而目标距离数据的比较结果为A>B>C。通过评价指标转换和权重评价指标计算，得到游客A的目标权重评价指标为0.9，游客B的目标权重评价指标为0.7，游客C的目标权重评价指标为0.8。因此，根据目标权重评价指标最高的原则，游客A被确定为目标游客。
在一具体实施例中，如图4所示，执行步骤S105的过程可以具体包括如下步骤：
S401、基于预置的园区管理大数据平台，查询目标游客的票务预订信息；
S402、对第一二维码数据和票务预订信息进行数值序列化处理，得到第一二维码数据的第一目标数值序列以及票务预订信息的第二目标数值序列；
S403、根据第一目标数值序列生成第一字段数据，以及根据第二目标数值序列生成第二字段数据；
S404、分别计算第一字段数据和第二字段数据的概率密度函数值，并对概率密度函数值进行加权平均，得到目标有效性评价指标；
S405、根据目标有效性评价指标判断第一二维码数据是否通过信息有效性验证，得到有效性验证结果；
S406、根据有效性验证结果，对第一二维码数据进行二维码数据解析和转换，输出第二二维码数据，并对第二二维码数据进行文本转换和文本编码，得到目标编码文本数据。
具体的，服务器首先，使用预置的园区管理大数据平台，通过目标游客的标识信息（如身份证号码、手机号码等），查询其对应的票务预订信息。这些信息可以包括票务订单号、票种、座位信息、预订时间等。接下来，对第一二维码数据和票务预订信息进行数值序列化处理。数值序列化是将数据转换为一系列数字或数值的过程。针对第一二维码数据和票务预订信息，可以使用特定的编码方法将其转换为数值序列。根据数值序列生成第一字段数据和第二字段数据。第一字段数据是指第一二维码数据的数值序列所表示的字段，而第二字段数据是指票务预订信息的数值序列所表示的字段。根据预先定义的规则和映射关系，可以将数值序列转换为相应的字段数据。对第一字段数据和第二字段数据分别计算概率密度函数值。概率密度函数（PDF）是描述随机变量概率分布的函数。通过统计分析和建模，可以计算第一字段数据和第二字段数据的概率密度函数值。对概率密度函数值进行加权平均，得到目标有效性评价指标。根据具体需求和设计，可以为每个字段的概率密度函数值分配权重，并进行加权平均计算。这样可以综合考虑两个字段的有效性，并得到目标有效性评价指标。根据目标有效性评价指标判断第一二维码数据是否通过信息有效性验证，得到有效性验证结果。可以设定一个阈值或标准，用于判断目标有效性评价指标的高低。如果评价指标高于阈值或符合有效性标准，则认为第一二维码数据通过了信息有效性验证。根据有效性验证结果，对第一二维码数据进行二维码数据解析和转换。如果第一二维码数据通过了有效性验证，可以使用相应的解析算法或库对二维码数据进行解析，提取其中的信息。输出第二二维码数据，并对其进行文本转换和编码，得到目标编码文本数据。根据解析得到的信息，将其转换为文本格式，并根据需求进行编码操作，例如压缩、加密等，得到目标编码文本数据。例如，假设目标游客的二维码包含了个人信息和门票的预订信息。通过查询园区管理大数据平台，得到该游客的预订信息，如订单号为123456，预订时间为2023年7月1日。将二维码数据和预订信息序列化为数值序列，例如将个人信息序列化为1010101，将订单号序列化为987654，将预订时间序列化为20230701。根据预先定义的规则和映射关系，将数值序列转换为相应的字段数据，例如将1010101转换为姓名、年龄、性别等个人信息，将987654转换为订单号，将20230701转换为预订时间。计算第一字段数据和第二字段数据的概率密度函数值，并进行加权平均，得到目标有效性评价指标为0.85。假设设定的有效性阈值为0.8，根据目标有效性评价指标判断第一二维码数据通过了信息有效性验证。如果通过了有效性验证，对第一二维码数据进行解析，提取其中的信息。例如，将二维码数据解析为姓名为XX，年龄为30岁，性别为男的个人信息，订单号为123456，预订时间为2023年7月1日。最后，将解析得到的信息进行文本转换和编码，得到目标编码文本数据。例如，将解析得到的信息转换为文本格式并进行编码，得到目标编码文本数据为"姓名：XX，年龄：30岁，性别：男，订单号：123456，预订时间：2023年7月1日"。
在一具体实施例中，执行步骤S106的过程可以具体包括如下步骤：
（1）对目标编码文本数据进行关键词识别，得到多个关键词，并对多个关键词进行向量编码，得到第一特征向量；
（2）从预置的操作指令库中获取多个候选操作指令，并对多个候选操作指令进行向量编码，得到多个第二特征向量；
（3）根据多个第二特征向量创建目标特征空间，并将第一特征向量投影至目标特征空间，分别计算第一特征向量与多个第二特征向量之间的命中率，得到多个特征命中率；
（4）根据多个特征命中率确定目标操作指令；
（5）对目标游客进行面部信息识别和查询，得到游客实名信息。
具体的，首先，对目标编码文本数据进行关键词识别。关键词识别是指从文本数据中提取出具有特定含义或重要性的词语或短语。可以使用自然语言处理（NLP）技术，如文本分词、词性标注、命名实体识别等方法，对目标编码文本数据进行分析，提取出其中的关键词。根据提取出的关键词，进行关键词向量编码。关键词向量编码是将关键词转换为数值向量表示的过程。可以使用预训练的词向量模型，如Word2Vec、GloVe等，将关键词映射为对应的向量表示。从预置的操作指令库中获取多个候选操作指令，并对这些候选操作指令进行向量编码。操作指令库中存储了一系列操作指令及其对应的向量表示。可以使用相同的词向量模型，将操作指令转换为对应的向量表示。根据候选操作指令的向量表示创建目标特征空间。将候选操作指令的向量表示作为特征向量，构建一个多维特征空间。该特征空间将用于对目标编码文本数据的关键词向量进行投影和比较。将第一特征向量（关键词向量）投影至目标特征空间，并计算第一特征向量与候选操作指令向量之间的命中率。通过计算第一特征向量与每个候选操作指令向量之间的相似度或距离，可以得到多个特征命中率。根据多个特征命中率确定目标操作指令。比较多个特征命中率，选择命中率最高的操作指令作为目标操作指令。对目标游客进行面部信息识别和查询，以获取游客的实名信息。通过使用面部识别技术，如人脸检测和人脸识别算法，对目标游客进行面部信息的提取和比对。可以使用预先存储的实名信息数据库，将识别出的面部信息与数据库中的信息进行匹配，从而获取游客的实名信息。例如，假设目标编码文本数据包含了"XX"、"门票"、"购买"等关键词。通过关键词识别，提取出这些关键词。然后，使用预训练的词向量模型将关键词转换为对应的向量表示，得到第一特征向量。从操作指令库中获取候选操作指令，例如包括"验证门票"、"检票"、"核对购买记录"等操作指令。将这些操作指令使用相同的词向量模型转换为向量表示，得到多个第二特征向量。基于候选操作指令的向量表示创建目标特征空间，并将第一特征向量投影到该空间。计算第一特征向量与每个候选操作指令向量之间的相似度或距离，得到多个特征命中率。比较多个特征命中率，选择命中率最高的操作指令作为目标操作指令，例如选择"验证门票"作为目标操作指令。最后，对目标游客进行面部信息识别和查询，识别出游客的面部信息，并从实名信息数据库中查询该游客的实名信息，如姓名为XX。
在一具体实施例中，执行步骤S107的过程可以具体包括如下步骤：
（1）对目标游客进行面部信息识别，得到游客实名信息，并对游客实名信息进行实体信息编码，生成实体信息编码向量；
（2）获取预设的实名校验规则，并对实名校验规则进行规则编码，得到规则编码向量；
（3）对实体信息编码向量与规则编码向量进行向量相似度计算，得到目标向量相似度；
（4）若目标向量相似度超过预设阈值，则确定目标游客通过操作指令校验，生成目标校验结果；
（5）根据目标校验结果，控制园区进出口闸机响应目标操作指令。
具体的，首先需要部署人脸识别系统。该系统可以使用深度学习模型，如卷积神经网络（CNN），来对游客的面部图像进行特征提取和识别。通过摄像头或图像输入设备，获取游客的面部图像。经过人脸识别算法的处理，可以得到目标游客的面部特征信息。接下来，将面部特征与实名信息进行关联。这可以通过将面部特征与已知的实名信息数据库进行比对来实现。数据库中存储了游客的实名信息，如姓名、身份证号码、出生日期等。一旦面部特征与实名信息成功关联，就可以将游客的实名信息进行实体信息编码。实体信息编码是将文本数据转换成计算机可处理的向量形式的过程。可以使用文本编码方法，如词袋模型（Bag of Words）或词嵌入模型（Word Embedding），将游客的实名信息转换为实体信息编码向量。同时，为了进行实名校验，需要获取预设的实名校验规则。实名校验规则可能包括姓名格式要求、身份证号码验证、年龄限制等规则。将这些规则进行编码，生成规则编码向量。接下来，对实体信息编码向量和规则编码向量进行向量相似度计算。可以使用常见的相似度计算方法，如余弦相似度，来度量两个向量之间的相似程度。计算得到的相似度值即为目标向量相似度，反映了游客实名信息与实名校验规则的匹配程度。根据预设的相似度阈值，将目标向量相似度与阈值进行比较。如果目标向量相似度超过预设阈值，那么可以确定目标游客通过了实名校验，生成目标校验结果为通过。否则，目标校验结果为未通过。最后，根据目标校验结果，控制园区进出口闸机的行为。如果目标校验结果为通过校验，即目标游客符合实名校验规则，闸机可以开启，允许游客进入园区。如果目标校验结果为未通过校验，闸机将保持关闭状态，拒绝游客进入。例如，假设某个旅游景区实施了该系统。当游客在入口处站定并面向摄像头时，摄像头会捕捉到游客的面部图像。通过人脸识别算法，系统可以识别游客的面部特征并提取相关特征向量。同时，系统与实名信息数据库进行比对，确定该游客的实名信息。例如，数据库中存储了游客XX的姓名、身份证号码和出生日期等信息。系统将面部特征与数据库中的信息匹配，确认该面部特征对应于XX的实名信息。随后，系统将XX的实名信息进行实体信息编码，生成实体信息编码向量。系统还从预设的实名校验规则中获取规则编码向量，包括姓名格式、身份证号码验证和年龄限制等规则。使用向量相似度计算方法，系统对实体信息编码向量和规则编码向量进行计算，得到目标向量相似度。如果目标向量相似度超过了预设阈值，系统判定XX通过了实名校验，并生成目标校验结果为通过。根据目标校验结果，系统控制进出口闸机响应目标操作指令。在此示例中，如果目标校验结果为通过，闸机会开启，允许XX进入旅游景区。如果目标校验结果为未通过，闸机将保持关闭状态，拒绝XX进入。
上面对本发明实施例中旅游数据处理方法进行了描述，下面对本发明实施例中旅游数据处理装置进行描述，请参阅图5，本发明实施例中旅游数据处理装置一个实施例包括：
扫描模块501，用于通过目标旅游园区的园区进出口闸机扫描第一二维码数据并采集预设范围内的游客图像数据，同时，对所述游客图像数据进行游客数量检测，得到N个候选游客，当N>1时，对所述游客图像数据进行用户感兴趣区域提取，生成带有N个游客的区域图像；
提取模块502，用于对所述带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；
计算模块503，用于分别计算所述N个候选游客与所述园区进出口闸机之间的距离，得到每个候选游客的目标距离数据；
筛选模块504，用于根据所述面部特征数据以及所述目标距离数据，对所述N个候选游客进行筛选，确定对应的目标游客；
解析模块505，用于获取所述目标游客的票务预订信息并根据所述票务预订信息对所述第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；
匹配模块506，用于对所述目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对所述目标游客进行面部信息识别和查询，得到游客实名信息；
校验模块507，用于根据所述游客实名信息对所述目标操作指令进行操作指令校验，得到目标校验结果，并根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令。
通过上述各个组成部分的协同合作，对带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；分别计算每个候选游客的目标距离数据；根据面部特征数据以及目标距离数据进行筛选，确定目标游客；对第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据以及进行文本转换和文本编码，得到目标编码文本数据；进行操作指令映射匹配，得到目标操作指令，并进行面部信息识别和查询，得到游客实名信息；进行操作指令校验，得到目标校验结果并控制园区进出口闸机响应目标操作指令，本发明通过对游客的图像和二维码数据进行处理和分析，景区管理者可以及时发现异常情况，如拥挤、拥堵、安全隐患等，并采取相应的措施进行预警和管理，确保游客的安全和秩序。可以降低人工成本和时间成本，提高景区管理的效率。通过实时的数据监测和分析，可以合理调配资源，优化景区的运营和服务，最大程度地提高资源利用效率，进而实现了旅游园区的智能化进出管理，并且提高了进出管理的准确率。
上面图5从模块化功能实体的角度对本发明实施例中的旅游数据处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中旅游数据处理设备进行详细描述。
图6是本发明实施例提供的一种旅游数据处理设备的结构示意图，该旅游数据处理设备600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（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对旅游数据处理设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在旅游数据处理设备600上执行存储介质630中的一系列指令操作。
旅游数据处理设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的旅游数据处理设备结构并不构成对旅游数据处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种旅游数据处理设备，所述旅游数据处理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述旅游数据处理方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述旅游数据处理方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种旅游数据处理方法，其特征在于，所述旅游数据处理方法包括：
通过目标旅游园区的园区进出口闸机扫描第一二维码数据并采集预设范围内的游客图像数据，同时，对所述游客图像数据进行游客数量检测，得到N个候选游客，当N>1时，对所述游客图像数据进行用户感兴趣区域提取，生成带有N个游客的区域图像；
对所述带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；具体包括：对所述带有N个游客的区域图像进行图像分辨率增强处理，得到高清游客图像，并对所述高清游客图像进行特征点提取，得到多个头部轮廓特征点以及多个面部区域特征点；分别将所述多个头部轮廓特征点以及所述多个面部区域特征点输入预置的特征点聚类分析模型，并通过预置的第一移动密度函数对所述多个头部轮廓特征点进行聚类中心计算，得到第一聚类中心，以及通过预置的第二移动密度函数对所述多个面部区域特征点进行聚类中心计算，得到第二聚类中心；对所述多个头部轮廓特征点与所述第一聚类中心进行距离计算，得到多个第一特征距离值并对所述多个第一特征距离值进行平均值计算，得到对应的第一平均距离值，以及对所述多个面部区域特征点与所述第二聚类中心进行距离计算，得到多个第二特征距离值并对所述多个第二特征距离值进行平均值计算，得到对应的第二平均距离值；根据所述第一平均距离值以及所述第二平均距离值，分别计算每个候选游客的标签权重，并根据每个候选游客的标签权重对所述高清游客图像进行人脸特征标签标注，得到每个候选游客的面部特征数据；
分别计算所述N个候选游客与所述园区进出口闸机之间的距离，得到每个候选游客的目标距离数据；具体包括：对所述园区进出口闸机进行三维坐标构建，得到目标三维坐标系以及所述园区进出口闸机的闸机三维坐标(x1,y1,z1)；确定所述多个头部轮廓特征点的图像位置特征以及边界框信息，并根据所述图像位置特征以及所述边界框信息，将所述多个头部轮廓特征点转换到所述目标三维坐标系中，得到每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)；通过预置的距离计算函数，分别计算每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)与闸机三维坐标(x1,y1,z1)之间的距离，得到每个头部轮廓特征点的初始距离数据；其中，所述距离计算函数为：MD=|x1-x2|+|y1-y2|+|z1-z2|，MD表示初始距离数据，|x1-x2|、|y1-y2|和|z1-z2|表示每个坐标轴上的差值的绝对值；对每个头部轮廓特征点的初始距离数据进行平均值计算，得到每个候选游客的目标距离数据；
根据所述面部特征数据以及所述目标距离数据，对所述N个候选游客进行筛选，确定对应的目标游客；具体包括：分别提取所述面部特征数据中每个候选游客的标签权重，并对所述标签权重进行比较，得到第一比较结果，以及对所述第一比较结果进行评价指标转换，得到每个候选游客的第一权重评价指标；对每个候选游客的目标距离数据进行距离比较，得到第二比较结果，并根据所述第二比较结果对所述候选游客进行距离特征权重分析，得到每个候选游客的第二权重评价指标；根据每个候选游客的第一权重评价指标以及第二权重评价指标，分别计算每个候选游客的目标权重评价指标，并根据所述目标权重评价指标将所述N个候选游客中权重评价指标最高的候选游客确定为目标游客；
获取所述目标游客的票务预订信息并根据所述票务预订信息对所述第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；具体包括：基于预置的园区管理大数据平台，查询所述目标游客的票务预订信息；对所述第一二维码数据和所述票务预订信息进行数值序列化处理，得到所述第一二维码数据的第一目标数值序列以及所述票务预订信息的第二目标数值序列；根据所述第一目标数值序列生成第一字段数据，以及根据所述第二目标数值序列生成第二字段数据；分别计算所述第一字段数据和所述第二字段数据的概率密度函数值，并对所述概率密度函数值进行加权平均，得到目标有效性评价指标；根据所述目标有效性评价指标判断所述第一二维码数据是否通过信息有效性验证，得到有效性验证结果；根据所述有效性验证结果，对所述第一二维码数据进行二维码数据解析和转换，输出第二二维码数据，并对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；
对所述目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对所述目标游客进行面部信息识别和查询，得到游客实名信息；具体包括：对所述目标编码文本数据进行关键词识别，得到多个关键词，并对所述多个关键词进行向量编码，得到第一特征向量；从预置的操作指令库中获取多个候选操作指令，并对所述多个候选操作指令进行向量编码，得到多个第二特征向量；根据所述多个第二特征向量创建目标特征空间，并将所述第一特征向量投影至所述目标特征空间，分别计算所述第一特征向量与所述多个第二特征向量之间的命中率，得到多个特征命中率；根据所述多个特征命中率确定目标操作指令；对所述目标游客进行面部信息识别和查询，得到游客实名信息；
根据所述游客实名信息对所述目标操作指令进行操作指令校验，得到目标校验结果，并根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令；具体包括：对所述目标游客进行面部信息识别，得到游客实名信息，并对所述游客实名信息进行实体信息编码，生成实体信息编码向量；获取预设的实名校验规则，并对所述实名校验规则进行规则编码，得到规则编码向量；对所述实体信息编码向量与所述规则编码向量进行向量相似度计算，得到目标向量相似度；若所述目标向量相似度超过预设阈值，则确定所述目标游客通过操作指令校验，生成目标校验结果；根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令。
2.一种旅游数据处理装置，其特征在于，所述旅游数据处理装置包括：
扫描模块，用于通过目标旅游园区的园区进出口闸机扫描第一二维码数据并采集预设范围内的游客图像数据，同时，对所述游客图像数据进行游客数量检测，得到N个候选游客，当N>1时，对所述游客图像数据进行用户感兴趣区域提取，生成带有N个游客的区域图像；
提取模块，用于对所述带有N个游客的区域图像进行面部特征提取，得到每个候选游客的面部特征数据；具体包括：对所述带有N个游客的区域图像进行图像分辨率增强处理，得到高清游客图像，并对所述高清游客图像进行特征点提取，得到多个头部轮廓特征点以及多个面部区域特征点；分别将所述多个头部轮廓特征点以及所述多个面部区域特征点输入预置的特征点聚类分析模型，并通过预置的第一移动密度函数对所述多个头部轮廓特征点进行聚类中心计算，得到第一聚类中心，以及通过预置的第二移动密度函数对所述多个面部区域特征点进行聚类中心计算，得到第二聚类中心；对所述多个头部轮廓特征点与所述第一聚类中心进行距离计算，得到多个第一特征距离值并对所述多个第一特征距离值进行平均值计算，得到对应的第一平均距离值，以及对所述多个面部区域特征点与所述第二聚类中心进行距离计算，得到多个第二特征距离值并对所述多个第二特征距离值进行平均值计算，得到对应的第二平均距离值；根据所述第一平均距离值以及所述第二平均距离值，分别计算每个候选游客的标签权重，并根据每个候选游客的标签权重对所述高清游客图像进行人脸特征标签标注，得到每个候选游客的面部特征数据；
计算模块，用于分别计算所述N个候选游客与所述园区进出口闸机之间的距离，得到每个候选游客的目标距离数据；具体包括：对所述园区进出口闸机进行三维坐标构建，得到目标三维坐标系以及所述园区进出口闸机的闸机三维坐标(x1,y1,z1)；确定所述多个头部轮廓特征点的图像位置特征以及边界框信息，并根据所述图像位置特征以及所述边界框信息，将所述多个头部轮廓特征点转换到所述目标三维坐标系中，得到每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)；通过预置的距离计算函数，分别计算每个头部轮廓特征点的特征点三维坐标(x2,y2,z2)与闸机三维坐标(x1,y1,z1)之间的距离，得到每个头部轮廓特征点的初始距离数据；其中，所述距离计算函数为：MD=|x1-x2|+|y1-y2|+|z1-z2|，MD表示初始距离数据，|x1-x2|、|y1-y2|和|z1-z2|表示每个坐标轴上的差值的绝对值；对每个头部轮廓特征点的初始距离数据进行平均值计算，得到每个候选游客的目标距离数据；
筛选模块，用于根据所述面部特征数据以及所述目标距离数据，对所述N个候选游客进行筛选，确定对应的目标游客；具体包括：分别提取所述面部特征数据中每个候选游客的标签权重，并对所述标签权重进行比较，得到第一比较结果，以及对所述第一比较结果进行评价指标转换，得到每个候选游客的第一权重评价指标；对每个候选游客的目标距离数据进行距离比较，得到第二比较结果，并根据所述第二比较结果对所述候选游客进行距离特征权重分析，得到每个候选游客的第二权重评价指标；根据每个候选游客的第一权重评价指标以及第二权重评价指标，分别计算每个候选游客的目标权重评价指标，并根据所述目标权重评价指标将所述N个候选游客中权重评价指标最高的候选游客确定为目标游客；
解析模块，用于获取所述目标游客的票务预订信息并根据所述票务预订信息对所述第一二维码数据进行信息有效性验证和二维码数据解析，得到第二二维码数据，以及对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；具体包括：基于预置的园区管理大数据平台，查询所述目标游客的票务预订信息；对所述第一二维码数据和所述票务预订信息进行数值序列化处理，得到所述第一二维码数据的第一目标数值序列以及所述票务预订信息的第二目标数值序列；根据所述第一目标数值序列生成第一字段数据，以及根据所述第二目标数值序列生成第二字段数据；分别计算所述第一字段数据和所述第二字段数据的概率密度函数值，并对所述概率密度函数值进行加权平均，得到目标有效性评价指标；根据所述目标有效性评价指标判断所述第一二维码数据是否通过信息有效性验证，得到有效性验证结果；根据所述有效性验证结果，对所述第一二维码数据进行二维码数据解析和转换，输出第二二维码数据，并对所述第二二维码数据进行文本转换和文本编码，得到目标编码文本数据；
匹配模块，用于对所述目标编码文本数据进行操作指令映射匹配，得到目标操作指令，并对所述目标游客进行面部信息识别和查询，得到游客实名信息；具体包括：对所述目标编码文本数据进行关键词识别，得到多个关键词，并对所述多个关键词进行向量编码，得到第一特征向量；从预置的操作指令库中获取多个候选操作指令，并对所述多个候选操作指令进行向量编码，得到多个第二特征向量；根据所述多个第二特征向量创建目标特征空间，并将所述第一特征向量投影至所述目标特征空间，分别计算所述第一特征向量与所述多个第二特征向量之间的命中率，得到多个特征命中率；根据所述多个特征命中率确定目标操作指令；对所述目标游客进行面部信息识别和查询，得到游客实名信息；
校验模块，用于根据所述游客实名信息对所述目标操作指令进行操作指令校验，得到目标校验结果，并根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令；具体包括：对所述目标游客进行面部信息识别，得到游客实名信息，并对所述游客实名信息进行实体信息编码，生成实体信息编码向量；获取预设的实名校验规则，并对所述实名校验规则进行规则编码，得到规则编码向量；对所述实体信息编码向量与所述规则编码向量进行向量相似度计算，得到目标向量相似度；若所述目标向量相似度超过预设阈值，则确定所述目标游客通过操作指令校验，生成目标校验结果；根据所述目标校验结果，控制所述园区进出口闸机响应所述目标操作指令。
3.一种旅游数据处理设备，其特征在于，所述旅游数据处理设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述旅游数据处理设备执行如权利要求1所述的旅游数据处理方法。
4.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1所述的旅游数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310914572.XA CN116630100B (zh) | 2023-07-25 | 2023-07-25 | 旅游数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310914572.XA CN116630100B (zh) | 2023-07-25 | 2023-07-25 | 旅游数据处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116630100A CN116630100A (zh) | 2023-08-22 |
| CN116630100B true CN116630100B (zh) | 2024-01-30 |
Family
ID=87590689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310914572.XA Active CN116630100B (zh) | 2023-07-25 | 2023-07-25 | 旅游数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116630100B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117788226A (zh) * | 2024-02-23 | 2024-03-29 | 福建拾联乡村产业发展有限公司 | 一种数字乡村业务数据分析方法及系统 |
| CN117807404A (zh) * | 2024-02-29 | 2024-04-02 | 智广海联(天津)大数据技术有限公司 | 一种基于ai智能去重分析研判事件的方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951845A (zh) * | 2015-05-29 | 2015-09-30 | 华南理工大学 | 基于网络关注度拟合客流量的旅游景区饱和度预警方法 |
| CN108171105A (zh) * | 2017-11-22 | 2018-06-15 | 国政通科技股份有限公司 | 一种景区游客实名管理系统 |
| 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 |
| CN109215193A (zh) * | 2018-08-28 | 2019-01-15 | 湖北腾旅科技有限责任公司 | 基于二维码的景区闸机控制方法、设备、系统及存储介质 |
| 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 |
| CN111986362A (zh) * | 2020-07-07 | 2020-11-24 | 西安丝路智慧科技有限公司 | 一种基于人脸识别的旅游年票管理系统及验证方法 |
| CN112530065A (zh) * | 2020-11-30 | 2021-03-19 | 中国民航信息网络股份有限公司 | 一种门禁系统旅客身份再验证方法、装置、存储介质和设备 |
| CN116227834A (zh) * | 2022-12-28 | 2023-06-06 | 四川农业大学 | 一种基于三维点云模型的智能景区数字化平台 |
| CN116249071A (zh) * | 2022-12-21 | 2023-06-09 | 中国电信股份有限公司 | 一种景点人口密度的确定方法、装置、电子设备和介质 |
| CN116341582A (zh) * | 2023-05-30 | 2023-06-27 | 北京智麟科技有限公司 | 基于二维码的电子通行数据管理方法及系统 |
-
2023
- 2023-07-25 CN CN202310914572.XA patent/CN116630100B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951845A (zh) * | 2015-05-29 | 2015-09-30 | 华南理工大学 | 基于网络关注度拟合客流量的旅游景区饱和度预警方法 |
| CN108171105A (zh) * | 2017-11-22 | 2018-06-15 | 国政通科技股份有限公司 | 一种景区游客实名管理系统 |
| 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 |
| CN109215193A (zh) * | 2018-08-28 | 2019-01-15 | 湖北腾旅科技有限责任公司 | 基于二维码的景区闸机控制方法、设备、系统及存储介质 |
| 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 |
| CN111986362A (zh) * | 2020-07-07 | 2020-11-24 | 西安丝路智慧科技有限公司 | 一种基于人脸识别的旅游年票管理系统及验证方法 |
| CN112530065A (zh) * | 2020-11-30 | 2021-03-19 | 中国民航信息网络股份有限公司 | 一种门禁系统旅客身份再验证方法、装置、存储介质和设备 |
| CN116249071A (zh) * | 2022-12-21 | 2023-06-09 | 中国电信股份有限公司 | 一种景点人口密度的确定方法、装置、电子设备和介质 |
| CN116227834A (zh) * | 2022-12-28 | 2023-06-06 | 四川农业大学 | 一种基于三维点云模型的智能景区数字化平台 |
| CN116341582A (zh) * | 2023-05-30 | 2023-06-27 | 北京智麟科技有限公司 | 基于二维码的电子通行数据管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116630100A (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116630100B (zh) | 旅游数据处理方法、装置、设备及存储介质 | |
| US10650237B2 (en) | Recognition process of an object in a query image | |
| US20050226509A1 (en) | Efficient classification of three dimensional face models for human identification and other applications | |
| CN111028305A (zh) | 表情生成方法、装置、设备及存储介质 | |
| US20190065913A1 (en) | Search method and information processing apparatus | |
| CN114359553B (zh) | 一种基于物联网的签章定位方法、系统及存储介质 | |
| JP6173754B2 (ja) | 画像検索システム、画像検索装置および画像検索方法 | |
| CN112528315A (zh) | 识别敏感数据的方法和装置 | |
| WO2022134580A1 (zh) | 证件信息的获取方法及装置、存储介质、计算机设备 | |
| CN114971294A (zh) | 数据采集方法、装置、设备及存储介质 | |
| CN113011961B (zh) | 公司关联信息风险监测方法、装置、设备及存储介质 | |
| Kim et al. | Category‐Specific Salient View Selection via Deep Convolutional Neural Networks | |
| CN113657504A (zh) | 图像检索方法、装置、计算机设备和存储介质 | |
| CN117058723B (zh) | 掌纹识别方法、装置及存储介质 | |
| CN113496260A (zh) | 基于改进YOLOv3算法的粮库人员不规范作业检测法 | |
| CN112364912A (zh) | 信息分类方法、装置、设备及存储介质 | |
| Pratikakis et al. | Learning the compositional structure of man-made objects for 3d shape retrieval | |
| CN113792569A (zh) | 对象识别方法、装置、电子设备及可读介质 | |
| El Sayed et al. | 3D face detection based on salient features extraction and skin colour detection using data mining | |
| CN111597453A (zh) | 用户画像方法、装置、计算机设备及计算机可读存储介质 | |
| JP4796356B2 (ja) | 判別分析を行う方法、プログラム及び装置 | |
| Ning et al. | Manufacturing cost estimation based on similarity | |
| CN117422380A (zh) | 三维虚拟仓库的电子围栏创建系统及其方法 | |
| Dehbi et al. | Looking for a needle in a haystack: Probability density based classification and reconstruction of dormers from 3D point clouds | |
| CN115731556A (zh) | 图像的处理方法、装置、电子设备及可读存储介质 |
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 |