CN116823533B - 一种生态园的智慧参观引导方法及系统 - Google Patents
一种生态园的智慧参观引导方法及系统 Download PDFInfo
- Publication number
- CN116823533B CN116823533B CN202310750897.9A CN202310750897A CN116823533B CN 116823533 B CN116823533 B CN 116823533B CN 202310750897 A CN202310750897 A CN 202310750897A CN 116823533 B CN116823533 B CN 116823533B
- Authority
- CN
- China
- Prior art keywords
- information
- current
- scenic spot
- pedestrian
- state information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 210000003128 head Anatomy 0.000 claims description 62
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 230000001815 facial effect Effects 0.000 claims description 9
- 230000001629 suppression Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种生态园的智慧参观引导方法，属于智能引导技术领域，该方法包括：基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导。通过使用本发明，能够提高疏导行为的有效性，降低以往生态园疏导过程中的无规律性，大大提高生态园全局的行人出行效率以及路面利用率，改善游客行人出行环境。本发明作为一种生态园的智慧参观引导方法，可广泛应用于园区引导系统。
Description
技术领域
本发明涉及智能引导技术领域，尤其涉及一种生态园的智慧参观引导方法及系统。
背景技术
进入移动互联网时代后，智慧出行越来越受到人们的关注，生态园游玩也是人们出门目的地的选择，随着出行的人数增多，出行只会是越来越拥堵，因此需要对人群进行分流或是引导，避免人群的扎堆出现，人群过多只会影响人们的出行效率甚至人们的心情，现阶段大多数生态园还是以传统导向牌进行指引，这个存在人们只是被动选择去向，并不能主动选择，且人们难以确定目的地是否人群拥堵，进一步还有设置信息屏或是导览器，但是园内信息的传播速度缓慢导致游客对信息的接收速度缓慢，各园区客流、餐饮、节目演出信息不能实时发布给游客，出现不同园区客流冷热不均，资源浪费问题，现在也有生态园推出了APP导航功能，但是主动愿意下载的人群并不多，且而大部分APP的功能几乎无法使用，根本无法帮助游客，它们都是在近年内建成的，但在一两个月或在大半年后都停止了更新，从而导致APP内部很多功能无法使用却始终未得到解决。
发明内容
为了解决上述技术问题，本发明的目的是提供一种生态园的智慧参观引导方法及系统，能够提高疏导行为的有效性，降低以往生态园疏导过程中的无规律性，大大提高生态园全局的行人出行效率以及路面利用率，改善游客行人出行环境。
本发明所采用的第一技术方案是：一种生态园的智慧参观引导方法，包括以下步骤：
基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；
基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；
对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导。
进一步，所述基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息这一步骤，其具体包括：
基于生态园监控系统，对目标区域进行拍摄处理，获取对应的拍摄结果，所述目标区域包括景点观赏区域和进入景点道路区域；
对拍摄结果进行识别分析处理，获取当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息；
整合当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息构建当前行人流动状态信息；
获取景点观赏区域的面积和进入景点道路区域的预设长度范围内的面积，构建当前景点状态信息。
进一步，所述对拍摄结果进行识别分析处理，获取当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息这一步骤，其具体包括：
获取拍摄结果；
基于非极大值抑制算法对拍摄结果进行检测处理，获取拍摄结果的行人人头图像；
基于拍摄结果的行人人头图像获取对应的当前行人的密度信息；
对行人人头图像进行特征向量提取处理，获取预设朝向的人脸图像，所述预设朝向的人脸图像为当前行人的人脸朝向信息；
根据预设朝向的人脸图像，通过预设感兴趣计数线，计算当前行人的平均速度信息。
进一步，所述基于非极大值抑制算法对拍摄结果进行检测处理，获取拍摄结果的行人人头图像这一步骤，其具体包括：
将拍摄结果作为输入数据，输入至人头检测模型进行训练，所述人头检测模型对拍摄结果中的人头进行框选，获取边界框集合；
所述边界框集合包括每个边界框的分类置信度和每个边界框的IOU定位置信度，选取分类置信度最高对应的边界框为预测框；
引入指数函数构建非极大值抑制算法，对边界框集合进行分析处理，设置IOU阈值与分类置信度阈值；
对所述边界框的分类置信度小于分类置信度阈值的边界框进行剔除处理；
计算剔除后剩下的边界框与所述预测框之间的交并比值，判断所述交并比值是否小于IOU阈值，剔除小于IOU阈值的边界框；
整合最终剩下的边界框，构建拍摄结果的行人人头图像，所述边界框的数量与行人人头数量一一对应。
进一步，所述对行人人头图像进行特征向量提取处理，获取预设朝向的人脸图像，所述预设朝向的人脸图像为当前行人的人脸朝向信息这一步骤，其具体包括：
基于行人人头图像，获取对应的行人人头图像脸部特征向量，所述行人人头图像脸部特征向量为人脸眼部的双眼位置数据；
根据行人人头图像脸部特征向量进行判断，获取当前行人的人脸朝向信息。
进一步，所述根据预设朝向的人脸图像，通过预设感兴趣计数线，计算当前行人的平均速度信息这一步骤，其具体包括：
设置预设感兴趣计数线，所述预设感兴趣计数线为矩形边框；
设置时间范围阈值，计数在所述时间范围阈值内所述预设朝向的人脸图像经过所述预设感兴趣计数线的人头数量；
计算人头数量与时间范围阈值之比得到当前行人的平均速度信息。
进一步，所述基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息这一步骤，其具体包括：
将当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息进行特征融合处理，得到融合后的当前行人流动状态信息；
将景点观赏区域的面积和进入景点道路区域的预设长度范围内的面积进行特征融合处理，得到融合后的当前景点状态信息；
结合融合后的当前行人流动状态信息与融合后的当前景点状态信息并进行预估，获取下一时刻景点的人流密度信息。
进一步，所述将当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息进行特征融合处理，得到融合后的当前行人流动状态信息这一步骤，其具体包括：
根据当前行人的人脸朝向信息对人流的流动方向进行分类，得到预进入景点观赏区域的人流与预离开景点观赏区域的人流；
结合当前行人的平均速度信息预测预进入景点观赏区域的人流所需的时间；
基于预离开景点观赏区域的人流信息、当前行人的密度信息和预进入景点观赏区域的人流所需的时间信息进行加权计算，得到融合后的当前行人流动状态信息。
进一步，所述结合融合后的当前行人流动状态信息与融合后的当前景点状态信息并进行预估，获取下一时刻景点的人流密度信息这一步骤，其具体包括：
将融合后的当前行人流动状态信息与融合后的当前景点状态信息进行融合打包处理，得到当前预测信息；
根据当前预测信息重新估计景点观赏区域和进入景点道路区域的人流密度信息；
根据当前的景点观赏区域和进入景点道路区域的人流密度信息重新估计进入景点观赏区域的预计消耗时间；
将进入景点观赏区域的预计消耗时间传输至生态园区的对应景点标识牌进行展示，行人游客根据展示结果获取下一时刻景点的人流密度信息。
本发明所采用的第二技术方案是：一种生态园的智慧参观引导系统，包括：
获取模块，基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；
预估模块，基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；
预测模块，用于对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导。
本发明方法及系统的有益效果是：本发明通过获取当前行人流动状态信息和当前景点状态信息对生态园的景点未来人流信息进行预测，实时更新未来生态园景点的人流密度信息供游客参考，能够实现实时对人流进行规划分流，实现高效率的出行规划，其中，对于当前行人流动状态信息的获取，进一步考虑在于不同景点的人流预测信息，首先结合当前景点状态信息中的进入景点道路区域中的当前行人的人脸朝向信息和当前行人的平均速度信息预测未来进入景点观赏区域的人流密度信息，对于当前行人的人脸朝向信息通过非极大值抑制算法进行获取，对于当前行人的平均速度信息通过设置预设感兴趣计数线进行计数计算，能够快速准确的实时更新人流未来预测信息，提高疏导行为的有效性，降低以往生态园人流疏导过程中的无规律性，其次结合考虑景点观赏区域的面积和进入景点道路区域的预设长度范围内的面积，能够大大提高生态园的行人出行效率以及路面利用率，改善游客行人出行环境。
附图说明
图1是本发明一种生态园的智慧参观引导方法的步骤流程图；
图2是本发明一种生态园的智慧参观引导系统的结构框图；
图3是本发明具体实施例获取到的行人的人脸朝向信息的示意图；
图4是本发明具体实施例根据行人的人脸朝向信息预设行人走向的示意图；
图5是本发明具体实施例生成人流量预测信息进行生态园人流引导的示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
对生态园进行人流规划分流，能够解决景区内大量游客集中、拥挤的问题，避免出现拥堵、安全隐患、游客体验差等问题，并使游客有一个更好的游览体验，例如太多的游客聚集在景区的一个区域，会增加人员密集度，极易发生安全事故，例如人群踩踏、拥挤失控等，再者太多的游客聚集在景区的一个区域，会对景区环境造成负面影响，例如噪音污染、垃圾堆积等，对景区进行人流规划和分流，可以使得人流更为合理地分配，更好的利用景区资源，例如观赏区、换乘区、停车区等，让游客更加便利地完成游览，因此，本发明基于人流密度信息，对生态园的人流进行规划，基游客自觉主动的获取对应的人流密度信息自行做出选择，既可以能够大大提高生态园的行人出行效率以及路面利用率，又不影响人们的旅游观赏体验。
参照图1，本发明提供了一种生态园的智慧参观引导方法，该方法包括以下步骤：
S1、基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；
S11、获取生态园景点人群图像；
具体地，基于生态园监控系统，获取景点观赏区域和进入景点道路区域的当前人流情况的信息以及所述景点观赏区域和进入景点道路区域的面积大小信息，所述进入景点道路区域面积可以是人为进行规定获取，即可以在进入景点道路区域上的50米长度信息为考虑的进入景点道路区域面积，整合景点观赏区域的面积和进入景点道路区域的预设长度范围内的面积，构建当前景点状态信息，基于监控拍摄结果获取对应位置的获取当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息。
S12、基于生态园监控系统拍摄的图像信息获取行人头像信息；
具体地，参照图3，将拍摄结果作为输入数据，输入至人头检测模型进行训练，所述人头检测模型对拍摄结果中的人头进行框选，获取边界框集合，所述人头检测模型是根据图像样本以及所述图像样本对应的人头目标真值框进行训练后获得的，人头检测模型是以人头作为目标的一种目标检测模型，将待测图像输入到人头检测模型中，可以获得所述待测图像所对应的边界框集合、所述边界框集合中每个边界框的分类置信度和每个边界框的IOU(交并比)定位置信度，即将图像样本作为输入，将所述图像样本对应的人头目标真值框(预先在训练集图像样本中标出的人头大概范围)作为期望的输出，对所构建的人头检测模型进行训练，所述人头检测模型可以为现有的卷积神经网络模型，引入指数函数构建非极大值抑制算法，对边界框集合进行分析处理，设置IOU阈值与分类置信度阈值，NMS算法虽然可以有效地剔除重复的预测框，挑选出某一目标的最佳预测框，但由于目标之间存在遮挡，两个目标的预测框IOU大于交并比阈值Nt时，仅仅保留置信度高的预测框，而拥有较低置信度的预测框会被抑制，降低了算法的召回率，对于传统的NMS算法的表达式如下所示：
上式中，ti表示现有的NMS算法的惩罚函数，ti表示预测框，N表示置信度最高的预测框；
由上式可知，现有的NMS算法存在的不足之处在于将IOU值大于Nt的预测框的分类置信度置为0，这样当存在行人人头之间存在一点遮挡时，系统便会对存在遮挡的人头进行删除处理，这对于人流量较大的生态园进行人数计数并不是有利影响，会极大降低他的计数准确性，因此，本发明引入指数函数，其表达式为：
通常预测框ti与局部最优框N交并比越大，表明两个预测框越接近，预测框ti是假正例的可能性越大，对其的抑制理应也越大，可看出优化后的惩罚函数对距离最优框N越近的预测框ti，惩罚越严重，yi降低地越小，距离最优框N远的预测框ti，基本不受惩罚，其中，设置引入0.1阈值进行调参处理，能够避免图像中的噪声对实验结果进行影响，阈值调参可以根据实际实验进行设定，对于人流量越多的时候可以适当再降低阈值数值；
此时图像中将人头用过预测框进行标注表示出来，对所述边界框的分类置信度小于分类置信度阈值的边界框进行剔除处理；计算剔除后剩下的边界框与所述预测框之间的交并比值，判断所述交并比值是否小于IOU阈值，剔除小于IOU阈值的边界框；整合最终剩下的边界框，构建拍摄结果的行人人头图像，所述一个边界框对应代表一个行人人头。
S13、基于行人头像信息获取当前行人密度信息；
具体地，对行人头像信息进行计数处理获取行人密度信息，对对应区域内的行人人头进行计数，获取目标区域内的行人数量，并与所述目标区域的面积进行相除计算，得到当前行人密度信息。
S14、基于行人头像信息获取当前行人的人脸朝向信息；
具体地，参照图4，基于行人人头图像，获取对应的行人人头图像脸部特征向量，所述行人人头图像脸部特征向量为人脸眼部的双眼位置数据，对获取到图像信息先进行预处理，将图像的大小进行裁剪处理，得到合适的图像大小，较少背景环境对后期实验结果的干扰，再进图像格式转换处理，生成合适的训练的图像格式文件，进一步再将图像转换为对应的灰度图像，使用Canny边界检测算法进行边界检测，首先将图片进行高斯去噪，高斯去噪其实就是一个低通滤波器，滤除高频噪声，然后求解梯度幅度和方向，采用sobel算子求解，sobel算子是图像处理中的算子之一，主要用作为边缘检测，可根据上述的图像中的人头预测框，将其提取出来，得到提取后的人头预测框，进一步使用MTCNN网络，可以获取人脸朝向信息，使用MTCNN网络进行人脸检测，MTCNN网络可以同时检测出图像中多个人脸，返回每张人脸框的位置和大小信息以及对应的置信度分数。使用检测出的人脸框，在原图像中进行人脸对齐。MTCNN网络可以返回人脸框的关键点(landmarks)坐标，通过这些关键点可以进行人脸对准，即根据眼睛、嘴巴等特征点进行旋转、缩放和平移，使得人脸更加准确的匹配到参考位置，通过关键点的坐标来计算人脸的朝向，即根据行人人头图像脸部特征向量进行判断，获取当前行人的人脸朝向信息，在本发明实施例中，仅需获取人脸朝向的信息，所述人脸朝向的信息包括正向信息与逆向信息，所述正向信息表示游客的前往方向为进入景区观赏点，所述逆向信息表示游客离开景区观赏区域，因此可以基于人脸朝向的信息判断未来行人的密度信息。
S15、基于当前行人的人脸朝向信息获取当前的行人的平均速度信息。
具体地，根据预设朝向的人脸图像，通过预设感兴趣计数线，计算当前行人的平均速度信息，在前往景点观赏区域的图像上进行设置感兴趣线，所述预设感兴趣计数线为矩形边框，其作用可以对进入方框中的行人进行计数处理并记录对应的时间点信息，并对应的计数行人离开所述方框时的时间信息，基于此，我们只需要计算正向信息游客的进去方框信息，因为只需要统计进入方框的游客信息即可判断该景点目前的人流量信息是否密集，设置时间范围阈值，计数在所述时间范围阈值内所述预设朝向的人脸图像经过所述预设感兴趣计数线的人头数量，计算人头数量与时间范围阈值之比得到当前行人的平均速度信息，如果一个跨越感兴趣线的行人矩形边界框的上边缘与线相交，则算法会将其计入行人数量，如果在物体检测时没有检测到且跨越线的区域中没有人的影像，则不计数，因此感兴趣计数线的宽度可为进入景点道路的宽度。
S2、基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；
具体地，根据当前行人的人脸朝向信息对人流的流动方向进行分类，得到预进入景点观赏区域的人流与预离开景点观赏区域的人流；结合当前行人的平均速度信息预测预进入景点观赏区域的人流所需的时间；基于预离开景点观赏区域的人流信息、当前行人的密度信息和预进入景点观赏区域的人流所需的时间信息进行加权计算，得到融合后的当前行人流动状态信息，进一步结合当前景点状态信息，即可得到当前景点观赏区域的人流密度信息，当前进入景点道路上的人流密度信息，根据当前景点观赏区域的人流密度信息判断当前景点的人流密集度，根据当前进入景点道路上的人流密度信息判断未来前往该景点观赏区域的人流密集度；
进一步的，设定一个区域面积内人流密度的阈值为n，假设当预测人流密度数值大于n时，判定该区域为拥挤状态，若预测人流密度小于2n/3时，判定该区域人流密度为中等状态，若所述预测人流密度小于n/3时，判定该区域人流密度为稀疏状态，进一步对于获取预测人流密度值的步骤为，基于目标景点观赏区域面积，根据上述计算得到的行人人头数量、当前行人的人脸朝向信息即行人的走动方向和行人的平均速度信息进行加权计算，获取目标景点观赏区域的人流密度值，进一步基于目标景点的道路区域面积，根据上述计算得到的行人人头数量、当前行人的人脸朝向信息即行人的走动方向和行人的平均速度信息进行加权计算，得到目标景点的道路区域的人流密度值，最后将目标景点观赏区域的人流密度值与目标景点的道路区域的人流密度值进行求和计算，得到下一时刻景点的人流密度信息。
S3、对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导。
具体地，将上述计算得到的下一时刻景点的人流密度信息进行转码处理，得到数字信号格式的下一时刻景点的人流密度信息，系统自动对下一时刻景点的人流密度信息与预设区域面积内人流密度的阈值进行比较判断，并将判断结果通过对应的生态园的指导路标系统进行显示，如图5所示。
参照图2，一种生态园的智慧参观引导系统，包括：
获取模块，基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；
预估模块，基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；
预测模块，用于对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等，可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现，相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现，本发明不限制于任何特定形式的硬件和软件的结合。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (2)
1.一种生态园的智慧参观引导方法，其特征在于，包括以下步骤：
基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；
基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；
对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导；
其中，
所述基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息这一步骤，其具体包括：
基于生态园监控系统，对目标区域进行拍摄处理，获取对应的拍摄结果，所述目标区域包括景点观赏区域和进入景点道路区域；
对拍摄结果进行识别分析处理，获取当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息；
整合当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息构建当前行人流动状态信息；
获取景点观赏区域的面积和进入景点道路区域的预设长度范围内的面积，构建当前景点状态信息；
所述对拍摄结果进行识别分析处理，获取当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息这一步骤，其具体包括：
获取拍摄结果；
基于非极大值抑制算法对拍摄结果进行检测处理，获取拍摄结果的行人人头图像；
基于拍摄结果的行人人头图像获取对应的当前行人的密度信息；
对行人人头图像进行特征向量提取处理，获取预设朝向的人脸图像，所述预设朝向的人脸图像为当前行人的人脸朝向信息；
根据预设朝向的人脸图像，通过预设感兴趣计数线，计算当前行人的平均速度信息；
所述基于非极大值抑制算法对拍摄结果进行检测处理，获取拍摄结果的行人人头图像这一步骤，其具体包括：
将拍摄结果作为输入数据，输入至人头检测模型进行训练，所述人头检测模型对拍摄结果中的人头进行框选，获取边界框集合；
所述边界框集合包括每个边界框的分类置信度和每个边界框的IOU定位置信度，选取分类置信度最高对应的边界框为预测框；
引入指数函数构建非极大值抑制算法，对边界框集合进行分析处理，设置IOU阈值与分类置信度阈值；
对所述边界框的分类置信度小于分类置信度阈值的边界框进行剔除处理；
计算剔除后剩下的边界框与所述预测框之间的交并比值，判断所述交并比值是否小于IOU阈值，剔除小于IOU阈值的边界框；
整合最终剩下的边界框，构建拍摄结果的行人人头图像，所述边界框的数量与行人人头数量一一对应；
所述对行人人头图像进行特征向量提取处理，获取预设朝向的人脸图像，所述预设朝向的人脸图像为当前行人的人脸朝向信息这一步骤，其具体包括：
基于行人人头图像，获取对应的行人人头图像脸部特征向量，所述行人人头图像脸部特征向量为人脸眼部的双眼位置数据；
根据行人人头图像脸部特征向量进行判断，获取当前行人的人脸朝向信息；
所述根据预设朝向的人脸图像，通过预设感兴趣计数线，计算当前行人的平均速度信息这一步骤，其具体包括：
设置预设感兴趣计数线，所述预设感兴趣计数线为矩形边框；
设置时间范围阈值，计数在所述时间范围阈值内所述预设朝向的人脸图像经过所述预设感兴趣计数线的人头数量；
计算人头数量与时间范围阈值之比得到当前行人的平均速度信息；
所述基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息这一步骤，其具体包括：
将当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息进行特征融合处理，得到融合后的当前行人流动状态信息；
将景点观赏区域的面积和进入景点道路区域的预设长度范围内的面积进行特征融合处理，得到融合后的当前景点状态信息；
结合融合后的当前行人流动状态信息与融合后的当前景点状态信息并进行预估，获取下一时刻景点的人流密度信息；
所述将当前行人的人脸朝向信息、当前行人的密度信息和当前行人的平均速度信息进行特征融合处理，得到融合后的当前行人流动状态信息这一步骤，其具体包括：
根据当前行人的人脸朝向信息对人流的流动方向进行分类，得到预进入景点观赏区域的人流与预离开景点观赏区域的人流；
结合当前行人的平均速度信息预测预进入景点观赏区域的人流所需的时间；
基于预离开景点观赏区域的人流信息、当前行人的密度信息和预进入景点观赏区域的人流所需的时间信息进行加权计算，得到融合后的当前行人流动状态信息；
所述结合融合后的当前行人流动状态信息与融合后的当前景点状态信息并进行预估，获取下一时刻景点的人流密度信息这一步骤，其具体包括：
将融合后的当前行人流动状态信息与融合后的当前景点状态信息进行融合打包处理，得到当前预测信息；
根据当前预测信息重新估计景点观赏区域和进入景点道路区域的人流密度信息；
根据当前的景点观赏区域和进入景点道路区域的人流密度信息重新估计进入景点观赏区域的预计消耗时间；
将进入景点观赏区域的预计消耗时间传输至生态园区的对应景点标识牌进行展示，行人游客根据展示结果获取下一时刻景点的人流密度信息。
2.一种生态园的智慧参观引导系统，其特征在于，所述生态园的智慧参观引导系统用于执行如权利要求1所述的生态园的智慧参观引导方法，所述生态园的智慧参观引导系统包括以下模块：
获取模块，基于生态园监控系统，获取当前行人流动状态信息和当前景点状态信息；
预估模块，基于当前行人流动状态信息和当前景点状态信息进行融合预估，获取下一时刻景点的人流密度信息；
预测模块，用于对下一时刻景点的人流密度信息进行转码处理，生成人流量预测信息并进行生态园人流引导。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310750897.9A CN116823533B (zh) | 2023-06-25 | 2023-06-25 | 一种生态园的智慧参观引导方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310750897.9A CN116823533B (zh) | 2023-06-25 | 2023-06-25 | 一种生态园的智慧参观引导方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116823533A CN116823533A (zh) | 2023-09-29 |
| CN116823533B true CN116823533B (zh) | 2024-01-26 |
Family
ID=88115135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310750897.9A Active CN116823533B (zh) | 2023-06-25 | 2023-06-25 | 一种生态园的智慧参观引导方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116823533B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109272153A (zh) * | 2018-09-10 | 2019-01-25 | 合肥巨清信息科技有限公司 | 一种旅游景区人流预警系统 |
| CN110084173A (zh) * | 2019-04-23 | 2019-08-02 | 精伦电子股份有限公司 | 人头检测方法及装置 |
| CN111063252A (zh) * | 2019-10-18 | 2020-04-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的景点导览方法和系统 |
| CN113674452A (zh) * | 2021-06-21 | 2021-11-19 | 福建睿思特科技股份有限公司 | 一种智慧旅游景区引导系统 |
| CN114120127A (zh) * | 2021-11-30 | 2022-03-01 | 济南博观智能科技有限公司 | 一种目标检测方法、装置及相关设备 |
| CN114420276A (zh) * | 2022-01-24 | 2022-04-29 | 王海伟 | 一种应用环境大数据预测医院就诊指数的智能系统 |
| CN115129998A (zh) * | 2022-07-15 | 2022-09-30 | 南京邮电大学 | 一种融合游客和景区状态信息的景点推荐方法及系统 |
| CN115423735A (zh) * | 2021-05-12 | 2022-12-02 | 中移雄安信息通信科技有限公司 | 一种客流量统计方法及系统 |
-
2023
- 2023-06-25 CN CN202310750897.9A patent/CN116823533B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109272153A (zh) * | 2018-09-10 | 2019-01-25 | 合肥巨清信息科技有限公司 | 一种旅游景区人流预警系统 |
| CN110084173A (zh) * | 2019-04-23 | 2019-08-02 | 精伦电子股份有限公司 | 人头检测方法及装置 |
| CN111063252A (zh) * | 2019-10-18 | 2020-04-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于人工智能的景点导览方法和系统 |
| CN115423735A (zh) * | 2021-05-12 | 2022-12-02 | 中移雄安信息通信科技有限公司 | 一种客流量统计方法及系统 |
| CN113674452A (zh) * | 2021-06-21 | 2021-11-19 | 福建睿思特科技股份有限公司 | 一种智慧旅游景区引导系统 |
| CN114120127A (zh) * | 2021-11-30 | 2022-03-01 | 济南博观智能科技有限公司 | 一种目标检测方法、装置及相关设备 |
| CN114420276A (zh) * | 2022-01-24 | 2022-04-29 | 王海伟 | 一种应用环境大数据预测医院就诊指数的智能系统 |
| CN115129998A (zh) * | 2022-07-15 | 2022-09-30 | 南京邮电大学 | 一种融合游客和景区状态信息的景点推荐方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116823533A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fedorov et al. | Traffic flow estimation with data from a video surveillance camera | |
| Ke et al. | Multi-dimensional traffic congestion detection based on fusion of visual features and convolutional neural network | |
| Zhang et al. | Real-time traffic analysis using deep learning techniques and UAV based video | |
| US8942913B2 (en) | System and method for on-road traffic density analytics using video stream mining and statistical techniques | |
| Hoogendoorn et al. | Extracting microscopic pedestrian characteristics from video data | |
| Zhang et al. | A longitudinal scanline based vehicle trajectory reconstruction method for high-angle traffic video | |
| Yaghoobi Ershadi et al. | Vehicle tracking and counting system in dusty weather with vibrating camera conditions | |
| CN114882440A (zh) | 一种人头检测方法和系统 | |
| Iyer et al. | Adaptive real time traffic prediction using deep neural networks | |
| Ua-Areemitr et al. | Low-cost road traffic state estimation system using time-spatial image processing | |
| CN114694078A (zh) | 一种基于多目标跟踪的交通行为判定方法 | |
| Dinh et al. | Development of a tracking-based system for automated traffic data collection for roundabouts | |
| CN116823533B (zh) | 一种生态园的智慧参观引导方法及系统 | |
| CN110021174A (zh) | 一种基于视频图像的适用多场景的车流量计算方法 | |
| Changalasetty et al. | Identification and classification of moving vehicles on road | |
| Liu et al. | Metro passenger flow statistics based on yolov3 | |
| Shinde et al. | Traffic optimization algorithms in optical networks for real time traffic analysis | |
| Zhou et al. | Video driven traffic modelling | |
| Mehboob et al. | Mathematical model based traffic violations identification | |
| ElHakim et al. | Traffisense: A smart integrated visual sensing system for traffic monitoring | |
| Fan et al. | Multi-class lane semantic segmentation of expressway dataset based on aerial view | |
| Kadiķis et al. | Efficient video processing method for traffic monitoring combining motion detection and background subtraction | |
| My et al. | An Image Processing Based Approach for Real-Time Road Traffic Applications | |
| Maharjan et al. | Automatic Vehicle Detection and Road Traffic Congestion Mapping with Image Processing Technique | |
| Linjie et al. | Approach to obtaining traffic volume and speed based on video-extracted trajectories |
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 | ||
| CB02 | Change of applicant information |
Address after: 528500 Xi'an Xian Village, Hecheng Street, Gaoming District, Foshan City, Guangdong Province Applicant after: Guangdong Yingxiang Ecological Industry Group Co.,Ltd. Address before: 528500 Xi'an Xian Village, Hecheng Street, Gaoming District, Foshan City, Guangdong Province Applicant before: Guangdong Yingxiang Ecological Park Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |