WO2020119445A1 - 基于生物识别的自主导游方法、装置、设备及存储介质 - Google Patents
基于生物识别的自主导游方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- WO2020119445A1 WO2020119445A1 PCT/CN2019/120923 CN2019120923W WO2020119445A1 WO 2020119445 A1 WO2020119445 A1 WO 2020119445A1 CN 2019120923 W CN2019120923 W CN 2019120923W WO 2020119445 A1 WO2020119445 A1 WO 2020119445A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- scenic spot
- information
- tourist
- tourists
- scenic
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000001960 triggered effect Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000000605 extraction Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 24
- 230000001815 facial effect Effects 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 16
- 230000009182 swimming Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000008921 facial expression Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 210000004709 eyebrow Anatomy 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation 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
- 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
Definitions
- the present application relates to the field of biometrics technology, and in particular, to a method, device, equipment, and storage medium for self-guided travel based on biometrics.
- the main purpose of the present application is to provide a method, device, equipment and storage medium for self-guided tour based on biometrics, aiming to assist users to implement self-guided tour based on biometrics to alleviate the problem of serious shortage of professional interpreters in tourist attractions.
- the present application provides a biometric-based self-guided tour method, the method includes the following steps:
- the route planning model uses the preset route planning model to analyze and process the historical tourist information and the introduction information of each scenic spot in the scenic spot to plan the first visit route for the tourist spot for the tourist, the route planning model is based on the machine Learning algorithm training;
- the tourist is provided with a scenic spot interpretation service.
- the present application also proposes an autonomous guided device based on biometrics.
- the device includes:
- the first obtaining module is used to receive a tourist attraction request triggered by tourists, obtain current positioning information, and collect the biometric information of the tourists;
- a second obtaining module configured to obtain historical tourist information of the tourists according to the biometric information
- the third obtaining module is used to determine the scenic spot where the tourist is currently based on the current positioning information, and obtain the introduction information of each scenic spot in the scenic spot;
- a planning module used to analyze and process the historical tourist information and the introduction information of each scenic spot in the scenic spot by using a preset route planning model, and plan the first tour route for the scenic spot for the tourist, the The route planning model is obtained based on machine learning algorithm training;
- the explanation module is used to provide the tourist with an explanation service of scenic spots according to the first visit route.
- the present application also proposes a biometric-based autonomous tour device, which includes: a memory, a processor, and computer-readable instructions stored on the memory and executable by the processor , Wherein when the computer-readable instructions are executed by the processor, the steps of the biometric-based autonomous navigation method described above are implemented.
- the present application also proposes a computer-readable storage medium having computer-readable instructions stored on the computer-readable storage medium, where the computer-readable instructions are implemented by the processor as described above The steps of the self-guided swimming method based on biometrics.
- FIG. 1 is a schematic structural diagram of an autonomous tour device based on biometrics in a hardware operating environment according to an embodiment of the present application
- FIG. 2 is a schematic flowchart of a first embodiment of a self-guided tour method based on biometric identification
- FIG. 3 is a schematic flowchart of a second embodiment of a self-guided tour method based on biometric identification
- FIG. 4 is a structural block diagram of a first embodiment of a self-guided tour device based on biometrics of the present application.
- FIG. 1 is a schematic structural diagram of a biometric-based autonomous tour equipment in a hardware operating environment according to an embodiment of the present application.
- the biometric-based autonomous tour device may include: a processor 1001, such as a central processing unit (CPU), a communication bus 1002, a user interface 1003, a network interface 1004, and a memory 1005.
- the communication bus 1002 is used to implement connection communication between these components.
- the user interface 1003 may include a display screen (Display), an input unit such as a keyboard (Keyboard), and the optional user interface 1003 may further include a standard wired interface and a wireless interface.
- the network interface 1004 may optionally include a standard wired interface and a wireless interface (such as a wireless fidelity (WIreless-FIdelity, WI-FI) interface).
- the memory 1005 may be a high-speed random access memory (Random Access Memory, RAM) memory, or may be a stable non-volatile memory (Non-Volatile Memory, NVM), such as a disk memory.
- RAM Random Access Memory
- NVM Non-Volatile Memory
- the memory 1005 may optionally be a storage device independent of the foregoing processor 1001.
- FIG. 1 does not constitute a limitation on the biometric-based autonomous tour equipment, and may include more or fewer components than the illustration, or a combination of certain components, or different Parts layout.
- the memory 1005 as a computer-readable storage medium may include an operating system, a data storage module, a network communication module, a user interface module, and computer-readable instructions.
- the network interface 1004 is mainly used for a storage platform for storing the introduction information of various attractions in the scenic spot, a platform for recording historical tourist information of tourists, and monitoring equipment provided in the scenic spot Data communication; user interface 1003 is mainly used for data interaction with the user; the processor 1001, the memory 1005 in the biometric-based autonomous navigation device of this application may be provided in the biometric-based autonomous navigation device, the bio-based The identified autonomous tour device calls the computer-readable instructions stored in the memory 1005 through the processor 1001, and executes the biometric-based autonomous tour method provided by the embodiments of the present application.
- FIG. 2 is a schematic flowchart of a first embodiment of a self-guided tour method based on biometrics.
- the biometric-based autonomous tour method includes the following steps:
- Step S10 Receive a scenic spot interpretation request triggered by a visitor, obtain current positioning information, and collect biometric information of the visitor.
- the execution subject in this embodiment refers to a tour guide device that can provide a tour guide service for tourists.
- the tour guide device may specifically be a tour guide robot provided by each scenic spot that can automatically follow the tourist, or an explanation device provided by the scenic spot that needs to be carried by the tourist. It can also be the user's own user terminal, such as a smartphone, tablet, or wearable device.
- the tour guide device when using it to implement a self-guided tour based on biometrics, it can be achieved by, for example, first paying attention to the public account of the scenic spot, or installing the corresponding Scenic spot explanation software (may be only for the scenic spot, or may include popular attractions in different regions), and then trigger the corresponding scenic spot explanation request by performing corresponding operations in the public account or the interpreting software.
- the corresponding Scenic spot explanation software may be only for the scenic spot, or may include popular attractions in different regions
- the triggering of the scenic spot explanation request may specifically be that a tourist triggers a certain function button on his own user terminal, or explains a certain button on the device, or a certain button on the tour guide robot.
- the specific triggering method may be triggering by voice control or manual triggering, and those skilled in the art may set it as needed, and there is no limitation here.
- the current positioning information in this embodiment specifically refers to positioning information that guides the current location of the game device.
- the current positioning information obtained is specifically obtained by a positioning module built into the tour guide device, such as a global positioning system (Global Positioning System, GPS).
- a global positioning system Global Positioning System, GPS
- the obtained current positioning information is specifically physical coordinates (latitude and longitude coordinates).
- biometric information mentioned above may specifically be biometric information that can identify the identity of the visitor, such as face feature information and voiceprint feature information of the visitor.
- biometric information as facial feature information as an example for description, and the specific implementation is roughly as follows:
- the tour guide device when the tour guide device collects the image containing the face of the tourist, it may specifically start the built-in camera to collect the image containing the face of the tourist after receiving the scenic spot interpretation request.
- the surrounding camera device may include an image of the tourist's face, and then the image containing the tourist's face may be obtained from another camera device.
- the surrounding camera devices can use the tour guide equipment as a mark when collecting target tourists, and only collect images of the location of the tour guide equipment.
- the face detection model is specifically obtained by training face sample data according to a neural network algorithm, such as a convolutional neural network algorithm.
- sample data mentioned here may specifically be face data stored in major data platforms.
- the face feature extraction model can also be obtained by training face sample data according to a neural network algorithm, such as a convolutional neural network algorithm.
- sample data mentioned here may be face feature data stored in major data platforms.
- the extraction accuracy of the trained face detection model and face feature extraction model can be more accurate.
- you can first obtain the The convolution kernel in the training model is split.
- the convolution kernel of size 5 ⁇ 5 in the existing training model is split into at least two convolution kernels of size 3 ⁇ 3 (preferably two, which can ensure accuracy without increasing training complexity ).
- Step S20 Acquire historical tourist information of the tourist based on the biometric information.
- the historical tourism information obtained may be obtained from a pre-established tourist information management platform.
- the tourist information management platform it can be a third-party platform managed in a network with tourist management centers and ticketing centers in various popular scenic spots. The specific construction and maintenance methods are not repeated here, and there is no restriction on this.
- the historical tourism information obtained can specifically include historical tourist attractions visited by tourists, visit routes, and length of stay at various attractions, etc., which are not listed here and are not limited. .
- the way to record the historical tourism information of the tourists may be: each scenic spot records the tourist’s The biometric information and the route and time of stay of tourists in each scenic spot, and then establish a direct correspondence between the biometric information and other historical tourism information.
- Step S30 Determine the scenic spot where the tourist is currently located according to the current positioning information, and obtain the introduction information of each scenic spot in the scenic spot.
- the obtained introduction information of each scenic spot can be the common tourist questions and corresponding standard answers, as well as a complete introduction article for each scenic spot, such as allusions, historical introductions, and Other interesting humanities related to it.
- the obtained introduction information of each scenic spot in the scenic spot may be specifically stored locally in the tour guide device, or may be stored in a corresponding server.
- a tour guide device provides a tour guide robot or an explanation device for a scenic spot
- the tour guide device only provides explanation services for the attractions in the current scenic spot, and because the number of attractions in a scenic spot is limited, it is related to the attraction.
- the storage space occupied by the information will not be very large, so in this case, the introduction information of the attractions can be stored locally on the tour guide device.
- the tour guide equipment is the user terminal of tourists, and the scenic spot explanation software installed by tourists is aimed at many popular scenic spots. Therefore, in order not to occupy too much storage space of the tourist user terminal, the introduction information of scenic spots in each scenic spot is specific It can be stored on the server corresponding to the interpretation software. In this case, if the tourist needs to conduct an automatic tour guide, he can only obtain the introduction information of each scenic spot in the scenic spot from the server according to the positioning information of the scenic spot where the tourist is currently located. .
- Step S40 Analyze and process the historical tourist information and the introduction information of each scenic spot in the scenic spot using a preset route planning model, and plan a first tour route for the scenic spot for the tourist.
- the route planning model in this embodiment is specifically obtained by pre-training based on a machine learning algorithm. That is to say, before the tour guide equipment performs the automatic tour guide, it is necessary to use machine learning algorithms to train the scenic spot data stored on the big data platforms, so as to obtain the route planning model.
- the planned first tour route combines historical tourist information of tourists, the planned tour route is more in line with the needs of current tourists, and not all tourists are the same.
- step S50 according to the first visit route, the tourist is provided with a scenic spot interpretation service.
- the guide device can obtain the image to be detected by the monitoring device set in the current scenic spot connected to it by the tour guide device; and then the acquired area of each scenic spot can be detected. Traversing the image to be detected, using a preset face detection model to perform face detection on the currently traversed image to be detected, to obtain at least one face image; using a preset face feature extraction model to the at least one face The image is subjected to facial feature extraction to obtain facial feature information of each facial image; finally, according to the facial feature information, the flow of people in the area where each scenic spot is located is counted.
- the coordinate information of any two scenic spots can be calculated into the formula according to the distance calculation formula between the two spots, and the distance between the two scenic spots can be obtained. The distance between.
- the method for calculating the distance between the tourist from the coordinate position corresponding to the current positioning information and each scenic spot can also be obtained according to the above distance calculation formula.
- the weight value of each scenic spot can be calculated according to the weight set for each of the reference objects in advance, and finally determined in order according to the weight value Reference order of sights.
- the tour guide device in order to enable the tour guide device to better assist the tourists and realize the self-guided tour based on biometrics, in the process of providing scenic spot interpretation services for the tourists, specifically based on the visual tracking method to determine the current tourist Where the scenic spot is, and then use the camera to obtain the target scenic spot image within the sight range, and extract the feature information of the target scenic spot in the target scenic spot image.
- the characteristic information of the target scenic spot determine whether the target scenic spot is a scenic spot in the first visit route; if the target scenic spot is a scenic spot in the visit route, introduce the information library from the first scenic spot Obtain the introduction information of the target scenic spot in order to provide the tourist attractions interpretation service; if the target scenic spot is not a scenic spot in the visit route, then obtain the introduction information of the target scenic spot from the second scenic spot introduction information database , To provide tourist attractions interpretation services for the tourists.
- first attraction introduction information database is specifically used to store the introduction information of each attraction in the first visit route;
- second attraction introduction information database is specifically used to store the Describe the introduction information of each scenic spot in the scenic spot.
- the tourist may also be reminded of deviation Whether the first tour route needs to be re-planned; if an instruction to re-plan the tour route triggered by the tourist is received, based on the preset route planning model, the historical tour information and the scenic area
- the introduction information of each scenic spot and the introduction information of the target scenic spot are analyzed and processed, and a second tour route for the scenic spot is planned for the tourist; and the tourist site is provided with a scenic spot explanation service according to the second tour route.
- the user experience can be better improved.
- the above-mentioned way to determine the facial expression of the tourists may specifically be based on the face detection model obtained by the pre-training to identify the face image in the human image; then, according to the person obtained by the pre-training Facial feature extraction model to extract facial features, such as eyes, eyebrows, mouth and jaws; then, use group feature analysis to locate the specific positions of eyes, eyebrows, and mouth, and use local gradient operators to determine the positions of the eyebrows, eye corners, and mouth corners.
- a cheap mean algorithm is used to track the positions of eyebrows, eyes, and mouth; finally, according to the coordinate transformation of the eyebrow tip, eye corner, and mouth corner, the current facial expression of the tourist is determined.
- the face detection model and the face feature extraction model used above may be obtained by using machine learning in advance to perform simulation training on the face images stored in the major data platforms.
- the specific machine learning algorithm may be the current convolutional neural network algorithm, which can be selected according to needs, and there is no limitation here.
- the tour guide device can be a tour guide robot, so in order to avoid the injury of the tour guide robot and the tourists due to collisions during the process of providing services to the tour guide robot, especially when the tour guide robot is in sightseeing When in the car, give a solution to ensure the safety of tourists and tour guide robots.
- the tour guide robot when the tour guide robot is located on the sightseeing car, the tour guide robot can be connected to the accelerator, brake system, etc. on the sightseeing car, so that the stored information of the acceleration change sent by the sightseeing car can be received in real time, and then corresponding to the stored driving information Measures.
- the tour guide robot can lock its chassis in advance, thus Avoid slipping and tipping of the sightseeing car during the addition process.
- the self-guided tour method based on biometrics provided in this embodiment, by means of machine learning technology, when it is necessary to provide tourists with scenic spot interpretation services, obtain current location information and collect the biometric information of the tourists, and then respectively according to the biometric information of the tourists Obtain the tourist's historical travel information, determine the tourist's current scenic spot based on the positioning information, and obtain the introduction information of each scenic spot in the scenic spot, and finally use the route planning model obtained by pre-training based on the machine learning algorithm to compare the historical tourist information and scenic spot.
- the introduction information of each scenic spot is analyzed and processed, and the first tour route for the scenic spot is planned for the tourist, so that the tourist site can be explained according to the first tour route, and the effect of assisting the user to realize the self-led tour based on biometrics is achieved, which is effective Alleviated the problem of serious shortage of professional interpreters in tourist attractions.
- FIG. 3 is a schematic flowchart of a second embodiment of a biometric-based autonomous driving method according to the present application.
- the self-guided tour method based on biometrics in this embodiment before step S50 further includes:
- Step S00 Determine the explanation mode based on the biometric information.
- the specific explanation mode may be a mode in which the volume is relatively high and the speech speed is relatively slow.
- the specific explanation mode may be a mode with a more lively and stylish tone, such as the voice of an animated character preferred by children.
- the operation performed in the original step S50 in accordance with the first tour route to provide the tourist with the attraction interpretation service becomes specifically the content in step S50', that is, according to the first To visit the route, use the explanation mode to provide tourist attractions interpretation services for the tourists.
- the self-guided tour method based on biometrics provided in this embodiment according to the first tour route planned for tourists, before providing tourist attractions interpretation services, determine the interpretation model based on the tourists' biometric information, and then follow the determined interpretation mode as Tourists provide scenic spot interpretation services, which can better provide services for tourists.
- embodiments of the present application also provide a computer-readable storage medium, and the computer-readable storage medium may be a non-volatile readable storage medium.
- the computer-readable storage medium of the present application stores computer-readable instructions, wherein when the computer-readable instructions are executed by a processor, the steps of the biometric-based self-guided swimming method described above are implemented.
- the method implemented when the computer-readable instructions are executed can refer to the various embodiments of the biometric-based self-guided swimming method of the present application, and details are not described herein again.
- FIG. 4 is a structural block diagram of a first embodiment of a self-guided swimming device based on biometrics of the present application.
- the self-guided tour device based on biometrics proposed in the embodiments of the present application includes:
- the first obtaining module 4001 is configured to receive a tourist attraction request triggered by a visitor, obtain current positioning information, and collect biological information of the visitor.
- the second obtaining module 4002 is configured to obtain historical tourist information of the tourist according to the biometric information.
- the third obtaining module 4003 determines the scenic spot where the tourist is currently based on the current positioning information, and obtains the introduction information of each scenic spot in the scenic spot.
- the planning module 4004 is configured to analyze and process the historical tourist information and the introduction information of each scenic spot in the scenic spot by using a preset route planning model, and plan a first tour route for the scenic spot for the tourist.
- route planning model mentioned in this embodiment is specifically obtained based on machine learning algorithm training, for example, the machine learning algorithm is used to train and obtain scenic spot data stored in various big data platforms.
- the explanation module 4005 is configured to provide the tourist with an explanation service of scenic spots according to the first visit route.
- each virtual function module of the biometric-based autonomous guided device is stored in the memory 1005 of the biometric-based autonomous guided device shown in FIG. 1, and is used to implement all functions of computer-readable instructions; each module is used by the processor 1001 During execution, it can realize the operation of the tourists' biometric information, historical tourism information, attraction introduction information, as well as the planning of scenic spots' visit routes, scenic spot explanations, etc., and complete the entire process of self-guided tours based on biometrics.
- the first obtaining module 4001 includes:
- An image collection unit configured to collect images containing the faces of the tourists
- a face image extraction unit configured to detect each frame of the image based on a preset face detection model and extract the face image of the tourist;
- the face feature information extraction unit is configured to perform face feature extraction on the face image based on a preset face feature extraction model to obtain face feature information of the tourist.
- the explanation module 4005 includes:
- a flow determining unit for determining the flow of people staying in each scenic spot in the first visit route
- the first calculation unit is used to calculate the distance between any two scenic spots based on the pre-stored coordinate information of each scenic spot;
- a second calculation unit configured to calculate the distance from the coordinate position corresponding to the current positioning information to each attraction based on the coordinate information of each attraction and the current positioning information
- the visiting order determining unit is used to determine the visiting order of each attraction in the first tour route according to the flow of people staying at each attraction, the distance from the tourist to each attraction and the distance between each attraction;
- the scenic spot explanation unit is used to guide the tourists to various scenic spots according to the visiting order and provide scenic spot explanation services for the tourists.
- the human flow determining unit includes:
- a sub-unit for obtaining an image to be detected which is used to obtain an image to be detected in the area where each scenic spot is located;
- the face image acquisition subunit is used to traverse the image to be detected in the area where each scenic spot is located, and use a preset face detection model to perform face detection on the currently traversed image to be detected to obtain at least one face image;
- a facial feature information obtaining subunit configured to perform facial feature extraction on the at least one facial image using a preset facial feature extraction model to obtain facial feature information of each facial image
- the human flow statistics sub-unit is used to count the human flow in the area where each scenic spot is located according to the face feature information.
- the scenic spot explanation unit includes:
- the target scenic spot characteristic information extraction subunit is used to acquire the target scenic spot image within the sight range based on the visual tracking method, and extract the feature scenic spot feature information in the target scenic spot image;
- a judging subunit used to judge whether the target scenic spot is a scenic spot on the first visit route according to the characteristic information of the target scenic spot;
- a first scenic spot explanation subunit used to obtain the introduction information of the target scenic spot from the first scenic spot introduction information database when the target scenic spot is a scenic spot in the visit route, to provide scenic spot interpretation services for the tourists,
- the first attraction introduction information database stores the introduction information of each attraction in the first visit route;
- a second scenic spot explanation subunit used to obtain the introduction information of the target scenic spot from the second scenic spot introduction information database when the target scenic spot is not the scenic spot in the visit route, to provide scenic spot interpretation service for the tourists,
- the second scenic spot introduction information database stores the introduction information of each scenic spot in the scenic spot.
- the self-guided tour device based on biometrics further includes:
- the reminder module is used to remind the tourists that they deviate from the first tour route and whether it is necessary to re-plan the tour route;
- the planning module 4004 is also used to introduce the historical tourist information and the scenic spots in the scenic spot based on the preset route planning model when receiving the instruction of re-planning the tour route triggered by the tourists Analyze and process the information and the introduction information of the target scenic spot, and plan a second visit route for the scenic spot for the tourist;
- the interpretation module 4005 is also used to provide scenic spot interpretation services for the tourists according to the second tour route.
- the self-guided tour device based on biometrics further includes:
- An explanation mode determination module used to determine an explanation mode based on the biometric information
- the explanation module 4005 is also used to provide scenic spot explanation services for the tourists using the explanation mode.
- each module in the biometric-based self-guided tour device corresponds to the steps in the biometric-based self-guided tour method embodiment, and the functions and implementation processes thereof will not be repeated here one by one.
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于生物识别的自主导游方法、装置、设备及存储介质。该方法包括：接收游客触发的景点讲解请求，获取当前定位信息，并采集游客的生物特征信息(S10)；根据生物特征信息，获取游客的历史旅游信息(S20)；根据当前定位信息，确定游客当前所处的景区，并获取景区中各景点的介绍信息(S30)；基于预设的线路规划模型，对历史旅游信息和景区中各景点的介绍信息进行分析处理，为游客规划针对景区的第一参观线路(S40)；按照第一参观线路，为游客提供景点讲解服务(S50)。通过上述方式能够辅助用户实现基于生物识别的自主导游，有效缓解了旅游景点专业讲解人员严重短缺的问题。
Description
本申请要求于2018年12月13日提交中国专利局、申请号为201811529080.4、发明名称为“基于生物识别的自主导游方法、装置、设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及生物识别技术领域，尤其涉及一种基于生物识别的自主导游方法、装置、设备及存储介质。
随着社会生产力的发展和生活水平的提高，人们将越来越多的时间用于休闲和娱乐，从而极大的促进了旅游业的发展。
通常，游客在参观博物馆、科技馆、名人故居等景点时，为了更好了解当前景点，会选择专业的讲解人员为其讲解。
但是，随着前往博物馆、科技馆、名人故居等地进行参观的游客数据的剧增，旅游景点专业讲解人员出现了严重的短缺，因而根本无法满足游客需求。
发明内容
本申请的主要目的在于提供一种基于生物识别的自主导游方法、装置、设备及存储介质，旨在辅助用户实现基于生物识别的自主导游，以缓解旅游景点专业讲解人员严重短缺的问题。
为实现上述目的，本申请提供了一种基于生物识别的自主导游方法，所述方法包括以下步骤:
接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息；
根据所述生物特征信息，获取所述游客的历史旅游信息；
根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息；
利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路，所述线路规划模型基于机器学习算法训练获得；
按照所述第一参观线路，为所述游客提供景点讲解服务。
此外，为实现上述目的，本申请还提出一种基于生物识别的自主导游装置，所述装置包括：
第一获取模块，用于接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息；
第二获取模块，用于根据所述生物特征信息，获取所述游客的历史旅游信息；
第三获取模块，用于根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息；
规划模块，用于利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路，所述线路规划模型基于机器学习算法训练获得；
讲解模块，用于按照所述第一参观线路，为所述游客提供景点讲解服务。
此外，为实现上述目的，本申请还提出一种基于生物识别的自主导游设备，所述设备包括：存储器、处理器及存储在所述存储器上并可被所述处理器执行的计算机可读指令，其中所述计算机可读指令被所述处理器执行时，实现如上文所述的基于生物识别的自主导游方法的步骤。
此外，为实现上述目的，本申请还提出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计算机可读指令，其中所述计算机可读指令被处理器执行时，实现如上文所述的基于生物识别的自主导游方法的步骤。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其他特征和优点将从说明书、附图以及权利要求书变得明显。
图1是本申请实施例方案涉及的硬件运行环境的基于生物识别的自主导游设备的结构示意图；
图2为本申请基于生物识别的自主导游方法第一实施例的流程示意图；
图3为本申请基于生物识别的自主导游方法第二实施例的流程示意图；
图4为本申请基于生物识别的自主导游装置第一实施例的结构框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
参照图1，图1为本申请实施例方案涉及的硬件运行环境的基于生物识别的自主导游设备结构示意图。
如图1所示，该基于生物识别的自主导游设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于生物识别的自主导游设备的限定，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。
如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及计算机可读指令。
在图1所示的基于生物识别的自主导游设备中，网络接口1004主要用于与存放景区中各景点的介绍信息的存储平台、记录有游客的历史旅游信息的平台及景区中设置的监控设备等进行数据通信；用户接口1003主要用 于与用户进行数据交互；本申请基于生物识别的自主导游设备中的处理器1001、存储器1005可以设置在基于生物识别的自主导游设备中，所述基于生物识别的自主导游设备通过处理器1001调用存储器1005中存储的计算机可读指令，并执行本申请实施例提供的基于生物识别的自主导游方法。
本申请实施例提供了一种基于生物识别的自主导游方法，参照图2，图2为本申请一种基于生物识别的自主导游方法第一实施例的流程示意图。
本实施例中，所述基于生物识别的自主导游方法包括以下步骤：
步骤S10，接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息。
具体的说，本实施例中的执行主体指的为能够为游客提供导游服务的导游设备。
其中，在本实例中，导游设备具体可以是各个景区提供的能够跟随游客自动前进的导游机器人，或者是景区提供的需要由游客携带的讲解设备。也可以是游客自己的用户终端，如智能手机、平板电脑、可穿戴设备等。
此外，应当理解的是，在导游设备为游客自己的用户终端时，在使用其实现基于生物识别的自主导游的时候，可以通过如下方式实现，比如先关注一下景区的公众号，或者安装相应的景区讲解软件(可以是仅针对该景区的，也可以是包括不同地区的热门景点的)，然后通过在公众号或者讲解软件中进行相应操作，触发相应的景点讲解请求。
相应地，上述触发景点讲解请求，具体可以是由游客触发自己的用户终端上的某一功能按键，或者讲解设备上的某一按键，或者导游机器人的某一按键。
此外，应当理解的是，在实际应用中，具体的触发方式，可以是通过语音控制或者手动触发，本领域的技术人员可以根据需要设置，此处不做限制。
此外，本实施例中所说当前定位信息，具体是指导游设备当前所处位置的定位信息。在具体实现中，获取的当前定位信息具体是由导游设备中内置的定位模块，如全球定位系统(Global Positioning System，GPS)获取到的。
相应地，获取到的当前定位信息，具体为物理坐标(经纬度坐标)。
此外，上述所说的生物特征信息，具体可以是游客的人脸特征信息、 声纹特征信息等能够标识游客身份的生物特征信息。
为了便于理解上述所说的“获取所述游客的生物特征信息”的操作，以下以生物特征信息为人脸特征信息为例进行说明，具体的实现方式大致如下：
(1)采集包含所述游客的人脸的图像。
具体的，导游设备在采集包含所述游客的人脸的图像时，具体可以是在接收到所述景点讲解请求后，启动内置的摄像头来采集包含所述游客的人脸的图像。
还可以是通过周边的摄像装置包含所述游客的人脸的图像，然后再从其他摄像装置处获取包含所述游客的人脸的图像。
应当理解的是，在包含所述游客的人脸的图像是由周边的摄像装置采集的时候，为了保证采集到的游客为需要进行导游服务器的游客。周边的摄像装置采集目标游客时可以以导游设备为标记，仅采集导游设备所在位置的图像。
(2)基于预设的人脸检测模型对所述图像的每一帧进行检测，提取出所述游客的人脸图像。
具体的说，在本实施例中，人脸检测模型具体是根据神经网络算法，比如卷积神经网络算法对人脸样本数据进行训练获得的。
应当理解的是，此处所说的样本数据具体可以是各大数据平台中存储的人脸数据。
(3)基于预设的人脸特征提取模型对所述人脸图像进行人脸特征提取，得到所述游客的人脸特征信息。
具体的说，在本实施例中，人脸特征提取模型同样可以是根据神经网络算法，比如卷积神经网络算法对人脸样本数据进行训练获得的。
应当理解的是，此处所说的样本数据可以是各大数据平台中存储的人脸特征数据。
此外，值得一提的是，在具体实现中，为了增加训练模型的网络深度，使得训练出的人脸检测模型和人脸特征提取模型的提取精度能够更加精确，在训练时，可以先对得到的训练模型中的卷积核进行拆分。
比如，将现有训练模型中尺寸为5×5的卷积核拆分为至少两个尺寸为3×3的卷积核(优选2个，既可以保证精确度，又不会增加训练复杂度)。
由于卷积神经网络算法在训练人脸检测模型和人脸特征提取模型已经 较为常见，关于采用卷积神经网络算法训练人脸检测模型和人脸特征提取模型的操作，本领域的技术人员可以通过查看相关资料自行实现，此处不再赘述。
需要说明的是，以上给出的仅为一种获取游客的生物特征信息的具体方式，对本申请的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要设置，此处不做限制。
步骤S20，根据所述生物特征信息，获取所述游客的历史旅游信息。
具体的说，获取到的历史旅游信息具体可以是从预先建立的游客信息管理平台获取的。关于该游客信息管理平台，可以是与各个热门景区的游客管理中心、售票中心等联网管理的一个第三方平台。具体的构建和维护方式此处不再赘述，对此也不做限制。
此外，值得一提的是，获取到的历史旅游信息具体可以包括游客参观过的历史旅游景点、参观线路以及在各个景点的停留时间等，此处不再一一列举，对此也不做限制。
相应地，为了能够保证根据游客的生物特征信息获取到对应的历史旅游信息，记录游客的历史旅游信息的方式可以是：各景区通过设置的监控设备，或者提供给游客的导游设备，记录游客的生物特征信息和游客在每一景区的游览参观线路、停留时间点，然后建立生物特征信息与其他历史旅游信息直接的对应关系。
需要说明的是，以上仅为举例说明，对本申请的技术方案并不构成任何限定，在具体实现中，本领域的技术人员可以根据需要设置，此处不做限制。
步骤S30，根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息。
具体的说，获取到的各景点的介绍信息，具体可以是整理出的游客常见问题和对应的标准回答，以及针对每一个景点的完整的介绍文章，如涉及各个景点的典故、历史介绍、以及与之相关的其他人文趣事等。
应当理解的是，获取到的景区中各景点的介绍信息，具体可以是存储在导游设备本地，也可以是存储在相应服务器的。
比如说，在导游设备为景区提供的导游机器人或者讲解设备时，由于导游设备提供的仅仅是针对当前景区中景点的讲解服务，并且由于一个景 区中景点的数量是有限的，因而与景点相关介绍信息所占存储空间也不会很大，所以这种情况下，景点的介绍信息可以是存储在导游设备本地的。
还比如说，在导游设备为游客的用户终端，并且游客安装的景区讲解软件是针对多个热门景区的，因而为了不过多的占用游客的用户终端的存储空间，各景区中景点的介绍信息具体可以是存储在该讲解软件对应的服务器上的，这种情况下，游客如果需要进行自动导游，则仅根据游客当前所在的景区的定位信息，从服务器获取该景区中各景点的介绍信息即可。
需要说明的是，以上仅为举例说明，对本申请的技术方案并不构成任何限定，在具体实现中，本领域的技术人员可以根据需要设置，此处不做限制。
步骤S40，利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路。
具体的说，本实施例中所说的线路规划模型具体为基于机器学习算法预先训练获得的。也就是说，在导游设备进行自动导游之前，需要利用机器学习算法，对各大数据平台存储的景区数据进行训练，从而得到线路规划模型。
由于机器学习算法的使用已经较为常见，关于采用机器学习算法训练线路规划模型的操作，本领域的技术人员可以通过查看相关资料自行实现，此处不再赘述。
通过上述描述不难发现，由于规划的第一参观线路是结合了游客的历史旅游信息，所以规划出的参观线路更加符合当前游客的需求，而并非所有游客都千篇一律。
步骤S50，按照所述第一参观线路，为所述游客提供景点讲解服务。
具体的说，在按照所述第一参观线路，为所述游客提供景点讲解服务的时候，具体可以通过以下步骤实现：
(1)确定停留在所述第一参观线路中各景点中的人流量。
关于确定各景点中人流量的方式，具体可以是由导游设备获取与之通信连接的当前景区中设置的监控设备采集到各景点所在区域的待检测图像；然后对获取到的各景点所在区域的待检测图像进行遍历，采用预设的人脸检测模型对当前遍历到的待检测图像进行人脸检测，获得至少一个人脸图 像；采用预设的人脸特征提取模型对所述至少一个人脸图像进行人脸特征提取，获得各人脸图像的人脸特征信息；最后根据所述人脸特征信息统计各景点所在区域的人流量。
应当理解的是，此处用到的人脸检测模型和人脸特征提取模型与上述步骤S10中提到的人脸检测模型和人脸特征提取模型的训练方式大致相同，此处不再赘述。
(2)根据预存的各景点的坐标信息，计算任意两个景点之间的距离。
具体的说，本实施例中在计算任意两个景点之间的距离时，具体可以根据两点间距离计算公式，将任意两个景点的坐标信息分别带入公式便可求出两个景点之间的距离。
为了便于理解，以下进行具体来说明：
假设景点A和景点B的坐标信息分别为：A(x
1，y
1)，B(x
2，y
2)，则景点A和景点B两个景点之间的距离为：
(3)根据各景点的坐标信息和所述当前定位信息，计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离。
同理，在计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离的方式，同样可以根据上述距离计算公式获得。
(4)根据停留在各景点人流量、所述游客到各景点的距离以及各景点之间的距离，确定所述第一参观线路中各景点的参观顺序。
具体的，在根据上述信息确定所述第一参观线路中各景点的参观顺序时，可以根据预先为上述各参考对象设置的权重来计算各景点的权重值，最后按照权重值的高低，顺序确定景点的参考顺序。
比如，人流量越多，权重值越低(避免造成拥堵和长时间等待)，距离越远，权重值越低等，具体的设置方式，本领域的技术人员可以根据需要进行合理设置，此处不做限制。
(5)根据所述参观顺序，引导所述游客前往各景点，为所述游客提供景点讲解服务。
具体的说，在根据所述参考顺序，引导所述游客前往各景点时，具体可以通过语音提醒游客如何前往，或者向用户展示前往路线等。
此外，在本实施例中，为了能够使导游设备更好的辅助游客，实现基于生物识别的自主导游，在为所述游客提供景点讲解服务的过程中，具体 是基于视觉跟踪方法，确定游客当前所处的景点，然后利用摄像头获取视线范围内的目标景点图像，并提取所述目标景点图像中目标景点的特征信息。接着，根据所述目标景点的特征信息，判断所述目标景点是否是所述第一参观线路中的景点；若所述目标景点是所述参观路线中的景点，则从第一景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务；若所述目标景点不是所述参观路线中的景点，则从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务。
需要说明的是，上述所说的第一景点介绍信息库具体是用于存储所述第一参观线路中各景点的介绍信息的；上述所说的第二景点介绍信息库具体是用于存储所述景区中各景点的介绍信息的。
进一步地，为了能够更加人性化的为游客提供讲解服务，在从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务之后，还可以提醒所述游客偏离了所述第一参观线路，是否需要重新规划参观线路；若接收到所述游客触发的重新规划参观线路的指令，则基于预设的线路规划模型，对所述历史旅游信息、所述景区中各景点的介绍信息及所述目标景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第二参观线路；并按照所述第二参观线路，为所述游客提供景点讲解服务。
需要说明的是，以上仅为举例说明，对本申请的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要合理设置，此处不做限制。
此外，值得一提的是，在实际应用中，为了能够更好的为游客提供服务，在进行景点讲解的过程中，还可以捕捉游客的面部表情和肢体动作等，然后对游客面部表情、肢体动作进行分析，确定当前讲解的内容游客是否感兴趣，若感兴趣，则按照当前讲解方式继续讲解；若不感兴趣，则调整讲解方案，比如先讲一个小故事、播放一段适合当前景点的音乐等。
具体的说，通过研究表明，在面部表情主要表现为眼内角的上眼皮降低，嘴巴张大；伴随的肢体动作主要表现为双臂向头部上方伸展时，游客通常出现了困倦，即对当前讲解的内容不感兴趣。
而在面部表情主要表现为唇角向后拉并抬高，嘴巴张大，脸颊被抬起， 并伴有点头动作时，游客通常对当前讲解比较满意，即对当前讲解的内容较感兴趣。
因而，通过分析游客的面部表情和肢体动作，合理调整讲解方式，能够更好的提升用户体验。
此外，在具体实现中，上述所说的确定游客的面部表情的方式，具体可以是根据预先训练获得的人脸检测模型，识别出人体图像中的人脸图像；然后，根据预先训练获得的人脸特征提取模型，提取人脸特征，比如眼睛、眉毛、嘴巴颌；接着，使用群组特征分析法定位眼睛、眉毛、嘴巴的具体位置，用局部梯度算子确定眉梢、眼角、嘴角的位置，用均值便宜算法跟踪眉毛、眼睛和嘴巴的位置；最后，根据眉梢、眼角和嘴角的坐标变换，确定所述游客当前的面部表情。
应当理解的是，上述用的人脸检测模型和人脸特征提取模型，可以是预先利用机器学习，对各大数据平台存储的人脸图像进行模拟训练获得的。
具体的机器学习算法可以是目前较为流向的卷积神经网络算法，具体的可以根据需要选择，此处不做限制。
此外，上述用到的各种算法，均为目前较为成熟的人脸识别算法，具体的应用，本领域的技术人员可以通过查找相关资料来实现，此处不再赘述，也不做限制。
此外，值得一提的，由于在具体实现中，导游设备可以为导游机器人，因而为了避免导游机器人在为游客提供服务的过程中由于碰撞造成导游机器人和游客的受伤，特别是在导游机器人处于观光车上时，一下给出一种保障游客和导游机器人安全的方案。
具体的，在导游机器人位于观光车上时，可以设置导游机器人与观光车上的油门、刹车系统等连接，从而可以实时接收观光车发送的加速度变化的预存信息，然后根据驾驶的预存信息作出对应的措施。
比如，在预测出观光车突然踩下了油门、刹车，车速将从平稳运行状态发生变化时，为了防止导游机器人倾倒，或者碰撞到车上的游客，导游机器人可以提前锁死自己的底盘，从而避免观光车在加上过程中出现滑动、倾倒。
需要说明的是，以上警务举例说明，对本申请的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要设置，此处不做限制。
本实施例提供的基于生物识别的自主导游方法，借助机器学习技术，在需要为游客提供景点讲解服务时，通过获取当前定位信息，并采集游客的生物特征信息，然后分别根据游客的生物特征信息获取游客的历史旅游信息，根据定位信息，确定游客当前所处的景区，并获取景区中各景点的介绍信息，最后采用基于机器学习算法预先训练获得的线路规划模型，对历史旅游信息和景区中各景点的介绍信息进行分析处理，为游客规划针对景区的第一参观线路，从而可以按照第一参观线路，为游客提供景点讲解服务，达到辅助用户实现基于生物识别的自主导游的效果，从而有效缓解了旅游景点专业讲解人员严重短缺的问题。
参考图3，图3为本申请一种基于生物识别的自主导游方法第二实施例的流程示意图。
基于上述第一实施例，本实施例基于生物识别的自主导游方法在所述步骤S50之前，还包括：
步骤S00，根据所述生物特征信息，确定讲解模式。
比如，在根据游客的生物特征信息，确定游客为老年人时，则确定的讲解模式具体可以是切音量相对较高，语速相对较慢的模式。
还比如，在根据游客的生物特征信息，确定游客为儿童时，则确定的讲解模式具体可以是语调较为活泼可爱的模式，比如小朋友喜好的动画人物的声音。
相应地，在确定讲解模式后，原步骤S50中执行的按照所述第一参观线路，为所述游客提供景点讲解服务的操作，具体变为步骤S50'中的内容，即按照所述第一参观线路，采用所述讲解模式为所述游客提供景点讲解服务。
此外，应当理解的是，若在为游客提供讲解服务的过程中，参观线路由第一参观线路变为第二参观线路，则按照所述第二参观线路，采用所述讲解模式为所述游客提供景点讲解服务。
需要说明的是，以上仅为举例说明，对本申请的技术方案并不构成限定，在具体实现中，本领域的技术人员可以根据需要合理设置，此处不做限制。
本实施例提供的基于生物识别的自主导游方法，在按照为游客规划的 第一参观线路，为游客提供景点讲解服务之前，通过根据游客的生物特征信息确定讲解模型，然后按照确定的讲解模式为游客提供景点讲解服务，从而可以更好的为游客提供服务。
此外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质可以为非易失性可读存储介质。
本申请计算机可读存储介质上存储有计算机可读指令，其中所述计算机可读指令被处理器执行时，实现如上述的基于生物识别的自主导游方法的步骤。
其中，该计算机可读指令被执行时所实现的方法可参照本申请基于生物识别的自主导游方法的各个实施例，此处不再赘述。
参照图4，图4为本申请基于生物识别的自主导游装置第一实施例的结构框图。
如图4所示，本申请实施例提出的基于生物识别的自主导游装置包括：
第一获取模块4001，用于接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息。
第二获取模块4002，用于根据所述生物特征信息，获取所述游客的历史旅游信息。
第三获取模块4003，根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息。
规划模块4004，用于利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路。
应当理解的是，本实施例中所说的所述线路规划模型具体为基于机器学习算法训练获得的，比如利用机器学习算法对各大数据平台中存储的景区数据进行训练获得。
讲解模块4005，用于按照所述第一参观线路，为所述游客提供景点讲解服务。
其中，上述基于生物识别的自主导游装置的各虚拟功能模块存储于图1所示基于生物识别的自主导游设备的存储器1005中，用于实现计算机可读 指令的所有功能；各模块被处理器1001执行时，可实现对游客的生物特征信息、历史旅游信息、景点介绍信息的获取，以及景点参观路线的规划、景点讲解等操作，完成基于生物识别的自主导游的全流程的功能。
进一步地，在所述生物特征信息为人脸特征信息时，所述第一获取模块4001，包括：
图像采集单元，用于采集包含所述游客的人脸的图像；
人脸图像提取单元，用于基于预设的人脸检测模型对所述图像的每一帧进行检测，提取出所述游客的人脸图像；
人脸特征信息提取单元，用于基于预设的人脸特征提取模型对所述人脸图像进行人脸特征提取，得到所述游客的人脸特征信息。
进一步地，所述讲解模块4005，包括：
人流量确定单元，用于确定停留在所述第一参观线路中各景点中的人流量；
第一计算单元，用于根据预存的各景点的坐标信息，计算任意两个景点之间的距离；
第二计算单元，用于根据各景点的坐标信息和所述当前定位信息，计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离；
参观顺序确定单元，用于根据停留在各景点人流量、所述游客到各景点的距离以及各景点之间的距离，确定所述第一参观线路中各景点的参观顺序；
景点讲解单元，用于根据所述参观顺序，引导所述游客前往各景点，为所述游客提供景点讲解服务。
进一步地，所述人流量确定单元，包括：
待检测图像获取子单元，用于获取各景点所在区域的待检测图像；
人脸图像获取子单元，用于对各景点所在区域的待检测图像进行遍历，采用预设的人脸检测模型对当前遍历到的待检测图像进行人脸检测，获得至少一个人脸图像；
人脸特征信息获取子单元，用于采用预设的人脸特征提取模型对所述至少一个人脸图像进行人脸特征提取，获得各人脸图像的人脸特征信息；
人流量统计子单元，用于根据所述人脸特征信息统计各景点所在区域的人流量。
进一步地，所述景点讲解单元，包括：
目标景点特征信息提取子单元，用于基于视觉跟踪方法，获取视线范围内的目标景点图像，并提取所述目标景点图像中目标景点的特征信息；
判断子单元，用于根据所述目标景点的特征信息，判断所述目标景点是否是所述第一参观线路中的景点；
第一景点讲解子单元，用于在所述目标景点是所述参观路线中的景点时，从第一景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第一景点介绍信息库中存储有所述第一参观线路中各景点的介绍信息；
第二景点讲解子单元，用于在所述目标景点不是所述参观路线中的景点时，从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第二景点介绍信息库中存储有所述景区中各景点的介绍信息。
进一步地，所述基于生物识别的自主导游装置，还包括：
提醒模块，用于提醒所述游客偏离了所述第一参观线路，是否需要重新规划参观线路；
相应地，在接收到所述游客触发的重新规划参观线路的指令时，所述规划模块4004还用于基于预设的线路规划模型，对所述历史旅游信息、所述景区中各景点的介绍信息及所述目标景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第二参观线路；
相应地，所述讲解模块4005，还用于按照所述第二参观线路，为所述游客提供景点讲解服务。
进一步地，所述基于生物识别的自主导游装置，还包括：
讲解模式确定模块，用于根据所述生物特征信息，确定讲解模式；
相应地，所述讲解模块4005，还用于采用所述讲解模式为所述游客提供景点讲解服务。
其中，上述基于生物识别的自主导游装置中各个模块的功能实现与上述基于生物识别的自主导游方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、 物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (20)
- 一种基于生物识别的自主导游方法，其中，所述方法包括以下步骤：接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息；根据所述生物特征信息，获取所述游客的历史旅游信息；根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息；利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路，所述线路规划模型基于机器学习算法训练获得；按照所述第一参观线路，为所述游客提供景点讲解服务。
- 如权利要求1所述的方法，其中，所述生物特征信息为人脸特征信息；所述采集所述游客的生物特征信息的步骤，包括：采集包含所述游客的人脸的图像；基于预设的人脸检测模型对所述图像的每一帧进行检测，提取出所述游客的人脸图像；基于预设的人脸特征提取模型对所述人脸图像进行人脸特征提取，得到所述游客的人脸特征信息。
- 如权利要求1所述的方法，其中，所述按照所述第一参观线路，为所述游客提供景点讲解服务的步骤，包括：确定停留在所述第一参观线路中各景点中的人流量；根据预存的各景点的坐标信息，计算任意两个景点之间的距离；根据各景点的坐标信息和所述当前定位信息，计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离；根据停留在各景点人流量、所述游客到各景点的距离以及各景点之间的距离，确定所述第一参观线路中各景点的参观顺序；根据所述参观顺序，引导所述游客前往各景点，为所述游客提供景点讲解服务。
- 如权利要求3所述的方法，其中，所述确定停留在所述第一参观线路中各景点中的人流量的步骤，包括：获取各景点所在区域的待检测图像；对各景点所在区域的待检测图像进行遍历，采用预设的人脸检测模型对当前遍历到的待检测图像进行人脸检测，获得至少一个人脸图像；采用预设的人脸特征提取模型对所述至少一个人脸图像进行人脸特征提取，获得各人脸图像的人脸特征信息；根据所述人脸特征信息统计各景点所在区域的人流量。
- 如权利要求3所述的方法，其中，所述为所述游客提供景点讲解服务的步骤，包括：基于视觉跟踪方法，获取视线范围内的目标景点图像，并提取所述目标景点图像中目标景点的特征信息；根据所述目标景点的特征信息，判断所述目标景点是否是所述第一参观线路中的景点；若所述目标景点是所述参观路线中的景点，则从第一景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第一景点介绍信息库中存储有所述第一参观线路中各景点的介绍信息；若所述目标景点不是所述参观路线中的景点，则从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第二景点介绍信息库中存储有所述景区中各景点的介绍信息。
- 如权利要求5所述的方法，其中，所述从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务的步骤之后，所述方法还包括以下步骤：提醒所述游客偏离了所述第一参观线路，是否需要重新规划参观线路；若接收到所述游客触发的重新规划参观线路的指令，则基于预设的线路规划模型，对所述历史旅游信息、所述景区中各景点的介绍信息及所述目标景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第二参观线路；按照所述第二参观线路，为所述游客提供景点讲解服务。
- 如权利要求1所述的方法，其中，所述为所述游客提供景点讲解服务的步骤之前，所述方法还包括以下步骤：根据所述生物特征信息，确定讲解模式；其中，所述为所述游客提供景点讲解服务，包括：采用所述讲解模式为所述游客提供景点讲解服务。
- 一种基于生物识别的自主导游装置，其中，所述装置包括：第一获取模块，用于接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息；第二获取模块，用于根据所述生物特征信息，获取所述游客的历史旅游信息；第三获取模块，用于根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息；规划模块，用于利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路，所述线路规划模型基于机器学习算法训练获得；讲解模块，用于按照所述第一参观线路，为所述游客提供景点讲解服务。
- 如权利要求8所述的基于生物识别的自主导游装置，其中，所述生物特征信息为人脸特征信息；所述第一获取模块包括：图像采集单元，用于采集包含所述游客的人脸的图像；人脸图像提取单元，用于基于预设的人脸检测模型对所述图像的每一帧进行检测，提取出所述游客的人脸图像；人脸特征信息提取单元，用于基于预设的人脸特征提取模型对所述人脸图像进行人脸特征提取，得到所述游客的人脸特征信息。
- 如权利要求8所述的基于生物识别的自主导游装置，其中，所述讲解模块包括：人流量确定单元，用于确定停留在所述第一参观线路中各景点中的人流量；第一计算单元，用于根据预存的各景点的坐标信息，计算任意两个景点之间的距离；第二计算单元，用于根据各景点的坐标信息和所述当前定位信息，计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离；参观顺序确定单元，用于根据停留在各景点人流量、所述游客到各景点的距离以及各景点之间的距离，确定所述第一参观线路中各景点的参观顺序；景点讲解单元，用于根据所述参观顺序，引导所述游客前往各景点，为所述游客提供景点讲解服务。
- 如权利要求10所述的基于生物识别的自主导游装置，其中，所述人流量确定单元包括：待检测图像获取子单元，用于获取各景点所在区域的待检测图像；人脸图像获取子单元，用于对各景点所在区域的待检测图像进行遍历，采用预设的人脸检测模型对当前遍历到的待检测图像进行人脸检测，获得至少一个人脸图像；人脸特征信息获取子单元，用于采用预设的人脸特征提取模型对所述至少一个人脸图像进行人脸特征提取，获得各人脸图像的人脸特征信息；人流量统计子单元，用于根据所述人脸特征信息统计各景点所在区域的人流量。
- 如权利要求10所述的基于生物识别的自主导游装置，其中，所述景点讲解单元包括：目标景点特征信息提取子单元，用于基于视觉跟踪方法，获取视线范围内的目标景点图像，并提取所述目标景点图像中目标景点的特征信息；判断子单元，用于根据所述目标景点的特征信息，判断所述目标景点是否是所述第一参观线路中的景点；第一景点讲解子单元，用于在所述目标景点是所述参观路线中的景点时，从第一景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第一景点介绍信息库中存储有所述第一参观线路中各景点的介绍信息；第二景点讲解子单元，用于在所述目标景点不是所述参观路线中的景点时，从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第二景点介绍信息库中存储有所述景区中各景点的介绍信息。
- 一种基于生物识别的自主导游设备，其中，所述设备包括：存储器、处理器及存储在所述存储器上并可被所述处理器执行的计算机可读指令，其中所述计算机可读指令被所述处理器执行时，实现如下步骤：接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息；根据所述生物特征信息，获取所述游客的历史旅游信息；根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息；利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路，所述线路规划模型基于机器学习算法训练获得；按照所述第一参观线路，为所述游客提供景点讲解服务。
- 如权利要求13所述的基于生物识别的自主导游设备，其中，所述生物特征信息为人脸特征信息；所述采集所述游客的生物特征信息的步骤，包括：采集包含所述游客的人脸的图像；基于预设的人脸检测模型对所述图像的每一帧进行检测，提取出所述游客的人脸图像；基于预设的人脸特征提取模型对所述人脸图像进行人脸特征提取，得到所述游客的人脸特征信息。
- 如权利要求13所述的基于生物识别的自主导游设备，其中，所述按照所述第一参观线路，为所述游客提供景点讲解服务的步骤，包括：确定停留在所述第一参观线路中各景点中的人流量；根据预存的各景点的坐标信息，计算任意两个景点之间的距离；根据各景点的坐标信息和所述当前定位信息，计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离；根据停留在各景点人流量、所述游客到各景点的距离以及各景点之间的距离，确定所述第一参观线路中各景点的参观顺序；根据所述参观顺序，引导所述游客前往各景点，为所述游客提供景点讲解服务。
- 如权利要求15所述的基于生物识别的自主导游设备，其中，所述确定停留在所述第一参观线路中各景点中的人流量的步骤，包括：获取各景点所在区域的待检测图像；对各景点所在区域的待检测图像进行遍历，采用预设的人脸检测模型对当前遍历到的待检测图像进行人脸检测，获得至少一个人脸图像；采用预设的人脸特征提取模型对所述至少一个人脸图像进行人脸特征 提取，获得各人脸图像的人脸特征信息；根据所述人脸特征信息统计各景点所在区域的人流量。
- 如权利要求15所述的基于生物识别的自主导游设备，其中，所述为所述游客提供景点讲解服务的步骤，包括：基于视觉跟踪方法，获取视线范围内的目标景点图像，并提取所述目标景点图像中目标景点的特征信息；根据所述目标景点的特征信息，判断所述目标景点是否是所述第一参观线路中的景点；若所述目标景点是所述参观路线中的景点，则从第一景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第一景点介绍信息库中存储有所述第一参观线路中各景点的介绍信息；若所述目标景点不是所述参观路线中的景点，则从第二景点介绍信息库中获取所述目标景点的介绍信息，为所述游客提供景点讲解服务，所述第二景点介绍信息库中存储有所述景区中各景点的介绍信息。
- 一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有计算机可读指令，其中所述计算机可读指令被处理器执行时，实现如下步骤：接收游客触发的景点讲解请求，获取当前定位信息，并采集所述游客的生物特征信息；根据所述生物特征信息，获取所述游客的历史旅游信息；根据所述当前定位信息，确定所述游客当前所处的景区，并获取所述景区中各景点的介绍信息；利用预设的线路规划模型，对所述历史旅游信息和所述景区中各景点的介绍信息进行分析处理，为所述游客规划针对所述景区的第一参观线路，所述线路规划模型基于机器学习算法训练获得；按照所述第一参观线路，为所述游客提供景点讲解服务。
- 如权利要求18所述的计算机可读存储介质，其中，所述生物特征信息为人脸特征信息；所述采集所述游客的生物特征信息的步骤，包括：采集包含所述游客的人脸的图像；基于预设的人脸检测模型对所述图像的每一帧进行检测，提取出所述游客的人脸图像；基于预设的人脸特征提取模型对所述人脸图像进行人脸特征提取，得到所述游客的人脸特征信息。
- 如权利要求18所述的计算机可读存储介质，其中，所述按照所述第一参观线路，为所述游客提供景点讲解服务的步骤，包括：确定停留在所述第一参观线路中各景点中的人流量；根据预存的各景点的坐标信息，计算任意两个景点之间的距离；根据各景点的坐标信息和所述当前定位信息，计算所述游客从所述当前定位信息对应的坐标位置到各景点的距离；根据停留在各景点人流量、所述游客到各景点的距离以及各景点之间的距离，确定所述第一参观线路中各景点的参观顺序；根据所述参观顺序，引导所述游客前往各景点，为所述游客提供景点讲解服务。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811529080.4 | 2018-12-13 | ||
| CN201811529080.4A CN109800636A (zh) | 2018-12-13 | 2018-12-13 | 基于生物识别的自主导游方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2020119445A1 true WO2020119445A1 (zh) | 2020-06-18 |
Family
ID=66556717
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2019/120923 WO2020119445A1 (zh) | 2018-12-13 | 2019-11-26 | 基于生物识别的自主导游方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109800636A (zh) |
| WO (1) | WO2020119445A1 (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184497A (zh) * | 2020-09-30 | 2021-01-05 | 重庆天智慧启科技有限公司 | 一种客户到访轨迹追踪及客流分析系统及方法 |
| CN112287164A (zh) * | 2020-11-20 | 2021-01-29 | 关键 | 一种参观方法及参观装置 |
| CN112365079A (zh) * | 2020-11-23 | 2021-02-12 | 上海交通大学设计研究总院有限公司 | 一种基于量化模型的旅游景区导向系统评价方法 |
| CN113110820A (zh) * | 2021-05-11 | 2021-07-13 | 维沃软件技术有限公司 | 音频播放方法、音频播放装置、电子设备和可读存储介质 |
| CN113496209A (zh) * | 2021-06-09 | 2021-10-12 | 湖南中惠旅智能科技有限责任公司 | 基于人脸识别的景区大门闸机的数据处理方法及系统 |
| CN114091763A (zh) * | 2021-11-24 | 2022-02-25 | 中国建设银行股份有限公司 | 路线规划方法、装置、可读介质和电子设备 |
| CN114578958A (zh) * | 2021-08-30 | 2022-06-03 | 北京航空航天大学 | 基于虚拟场景和用户语义信息的虚拟导游的实时优化位置的计算方法 |
| CN115689684A (zh) * | 2022-11-01 | 2023-02-03 | 重庆华允科技咨询有限公司 | 一种基于项目游玩数据的景区推荐方法及装置 |
| CN116824096A (zh) * | 2022-09-14 | 2023-09-29 | 武汉抖量文化传媒有限公司 | 一种基于vr虚拟技术的线上展厅观看引导管理系统 |
| CN116841299A (zh) * | 2023-08-31 | 2023-10-03 | 之江实验室 | 一种导览机器人的自主巡游控制方法及装置 |
| CN116916253A (zh) * | 2023-09-12 | 2023-10-20 | 南京川尔文科技有限公司 | 景点监控方法及监控系统 |
| CN117456588A (zh) * | 2023-12-20 | 2024-01-26 | 福建先行网络服务有限公司 | 一种智慧博物馆用户管理系统 |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800636A (zh) * | 2018-12-13 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于生物识别的自主导游方法、装置、设备及存储介质 |
| CN110444133A (zh) * | 2019-08-13 | 2019-11-12 | 上饶市中科院云计算中心大数据研究院 | 一种旅游景点智能导游的方法和装置 |
| CN110570574A (zh) * | 2019-08-27 | 2019-12-13 | 恒大智慧科技有限公司 | 景区的语音解说方法、景区服务器及计算机可读存储介质 |
| CN110717102A (zh) * | 2019-09-30 | 2020-01-21 | 成都市喜爱科技有限公司 | 对游乐园游玩导引的方法、装置及服务器 |
| JP7156242B2 (ja) * | 2019-10-18 | 2022-10-19 | トヨタ自動車株式会社 | 情報処理装置、プログラム及び制御方法 |
| CN111030728A (zh) * | 2019-12-18 | 2020-04-17 | 龙新恋景科技(北京)有限公司 | 讲解器的触发方法及装置 |
| CN111460287B (zh) * | 2020-03-27 | 2024-02-02 | 数网金融有限公司 | 一种旅游信息处理方法、装置及可读存储介质 |
| CN111639818A (zh) * | 2020-06-05 | 2020-09-08 | 上海商汤智能科技有限公司 | 一种路线规划方法、装置、计算机设备及存储介质 |
| CN112486165A (zh) * | 2020-10-22 | 2021-03-12 | 深圳优地科技有限公司 | 机器人领路方法、装置、设备及计算机可读存储介质 |
| CN112259030A (zh) * | 2020-11-20 | 2021-01-22 | 关键 | 一种博物馆参观系统 |
| CN112289239B (zh) * | 2020-12-28 | 2021-03-30 | 之江实验室 | 一种可动态调整的讲解方法、装置及电子设备 |
| CN115204678B (zh) * | 2022-07-14 | 2024-02-09 | 贵州全域旅游产业科技有限责任公司 | 一种基于景区旅游平台的旅游评价分析系统 |
| CN116343133B (zh) * | 2023-05-29 | 2023-07-28 | 日照市规划设计研究院集团有限公司 | 一种基于轨迹大数据的游客组团类型识别方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104409031A (zh) * | 2014-10-20 | 2015-03-11 | 东北大学 | 一种面向移动终端的智能旅游服务系统及方法 |
| US20170177923A1 (en) * | 2015-08-14 | 2017-06-22 | Huizhou Tcl Mobile Communication Co., Ltd | Intelligent systems capable of automatic localization and methods using the same |
| CN107168320A (zh) * | 2017-06-05 | 2017-09-15 | 游尔（北京）机器人科技股份有限公司 | 一种导游服务机器人 |
| CN107702706A (zh) * | 2017-09-20 | 2018-02-16 | 广东欧珀移动通信有限公司 | 路径确定方法、装置、存储介质及移动终端 |
| CN109800636A (zh) * | 2018-12-13 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于生物识别的自主导游方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106570799A (zh) * | 2016-10-20 | 2017-04-19 | 安徽大智睿科技技术有限公司 | 一种基于二维码的智能音视频导游的智慧旅游方法 |
-
2018
- 2018-12-13 CN CN201811529080.4A patent/CN109800636A/zh active Pending
-
2019
- 2019-11-26 WO PCT/CN2019/120923 patent/WO2020119445A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104409031A (zh) * | 2014-10-20 | 2015-03-11 | 东北大学 | 一种面向移动终端的智能旅游服务系统及方法 |
| US20170177923A1 (en) * | 2015-08-14 | 2017-06-22 | Huizhou Tcl Mobile Communication Co., Ltd | Intelligent systems capable of automatic localization and methods using the same |
| CN107168320A (zh) * | 2017-06-05 | 2017-09-15 | 游尔（北京）机器人科技股份有限公司 | 一种导游服务机器人 |
| CN107702706A (zh) * | 2017-09-20 | 2018-02-16 | 广东欧珀移动通信有限公司 | 路径确定方法、装置、存储介质及移动终端 |
| CN109800636A (zh) * | 2018-12-13 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 基于生物识别的自主导游方法、装置、设备及存储介质 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184497B (zh) * | 2020-09-30 | 2023-10-03 | 重庆天智慧启科技有限公司 | 一种客户到访轨迹追踪及客流分析系统及方法 |
| CN112184497A (zh) * | 2020-09-30 | 2021-01-05 | 重庆天智慧启科技有限公司 | 一种客户到访轨迹追踪及客流分析系统及方法 |
| CN112287164A (zh) * | 2020-11-20 | 2021-01-29 | 关键 | 一种参观方法及参观装置 |
| CN112365079A (zh) * | 2020-11-23 | 2021-02-12 | 上海交通大学设计研究总院有限公司 | 一种基于量化模型的旅游景区导向系统评价方法 |
| CN113110820A (zh) * | 2021-05-11 | 2021-07-13 | 维沃软件技术有限公司 | 音频播放方法、音频播放装置、电子设备和可读存储介质 |
| CN113110820B (zh) * | 2021-05-11 | 2023-11-10 | 维沃软件技术有限公司 | 音频播放方法、音频播放装置、电子设备和可读存储介质 |
| CN113496209A (zh) * | 2021-06-09 | 2021-10-12 | 湖南中惠旅智能科技有限责任公司 | 基于人脸识别的景区大门闸机的数据处理方法及系统 |
| CN113496209B (zh) * | 2021-06-09 | 2024-03-29 | 湖南中惠旅智能科技有限责任公司 | 基于人脸识别的景区大门闸机的数据处理方法及系统 |
| CN114578958A (zh) * | 2021-08-30 | 2022-06-03 | 北京航空航天大学 | 基于虚拟场景和用户语义信息的虚拟导游的实时优化位置的计算方法 |
| CN114091763A (zh) * | 2021-11-24 | 2022-02-25 | 中国建设银行股份有限公司 | 路线规划方法、装置、可读介质和电子设备 |
| CN116824096A (zh) * | 2022-09-14 | 2023-09-29 | 武汉抖量文化传媒有限公司 | 一种基于vr虚拟技术的线上展厅观看引导管理系统 |
| CN116824096B (zh) * | 2022-09-14 | 2024-05-10 | 六安蓝方科技服务有限公司 | 一种基于vr虚拟技术的线上展厅观看引导管理系统 |
| CN115689684A (zh) * | 2022-11-01 | 2023-02-03 | 重庆华允科技咨询有限公司 | 一种基于项目游玩数据的景区推荐方法及装置 |
| CN116841299A (zh) * | 2023-08-31 | 2023-10-03 | 之江实验室 | 一种导览机器人的自主巡游控制方法及装置 |
| CN116841299B (zh) * | 2023-08-31 | 2023-12-22 | 之江实验室 | 一种导览机器人的自主巡游控制方法及装置 |
| CN116916253A (zh) * | 2023-09-12 | 2023-10-20 | 南京川尔文科技有限公司 | 景点监控方法及监控系统 |
| CN116916253B (zh) * | 2023-09-12 | 2023-11-28 | 南京川尔文科技有限公司 | 景点监控方法及监控系统 |
| CN117456588A (zh) * | 2023-12-20 | 2024-01-26 | 福建先行网络服务有限公司 | 一种智慧博物馆用户管理系统 |
| CN117456588B (zh) * | 2023-12-20 | 2024-04-09 | 福建先行网络服务有限公司 | 一种智慧博物馆用户管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109800636A (zh) | 2019-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020119445A1 (zh) | 基于生物识别的自主导游方法、装置、设备及存储介质 | |
| KR102225411B1 (ko) | 다중모드 신호 분석을 이용한 명령 프로세싱 | |
| CN107289949B (zh) | 一种基于人脸识别技术的室内导识装置及方法 | |
| US10568502B2 (en) | Visual disability detection system using virtual reality | |
| JP7047944B2 (ja) | 映像監視システム、映像監視方法、及びプログラム | |
| US7584158B2 (en) | User support apparatus | |
| KR20190126906A (ko) | 돌봄 로봇을 위한 데이터 처리 방법 및 장치 | |
| US11436866B2 (en) | System and method for eye-tracking | |
| US20180025283A1 (en) | Information processing apparatus, information processing method, and program | |
| CN109002189A (zh) | 一种运动识别方法、装置、设备和计算机存储介质 | |
| CN111968713B (zh) | 一种数据采集方法及巡检装置 | |
| CN105078717A (zh) | 一种智能导盲方法及设备 | |
| CN112789020B (zh) | 一种用于智能轮椅的可视化方法及系统 | |
| WO2013024667A1 (ja) | 関心地点抽出装置、関心地点抽出方法、及びコンピュータ読み取り可能な記録媒体 | |
| Taghvaei et al. | Autoregressive-moving-average hidden Markov model for vision-based fall prediction—An application for walker robot | |
| JP2013516687A (ja) | ビューイングフラスタムを用いて客体に関する情報を提供するための方法、システム及びコンピュータ読み取り可能な記録媒体 | |
| US11715332B2 (en) | System and method for eye-tracking | |
| Gokl et al. | Towards urban environment familiarity prediction | |
| JP2018060375A (ja) | 情報処理システム、情報処理装置およびプログラム | |
| Todd et al. | A haptic-audio simulator indoor navigation: To assist visually impaired environment exploration | |
| CN114664442A (zh) | 基于虚拟现实的空间认知能力智能评估系统和方法 | |
| KR20230030683A (ko) | 온라인 학습 집중도 향상 플랫폼 및 그 방법 | |
| JP2021168737A (ja) | コンテンツ決定装置、遊戯システム、コンテンツ決定方法及びコンテンツ決定プログラム | |
| JP2020024117A (ja) | 情報管理サーバ、情報管理方法、プログラム、情報提示端末及び情報通信システム | |
| Zhang | Wonder Vision-A Hybrid Way-finding System to assist people with Visual Impairment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 19895002 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 30/09/2021) |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 19895002 Country of ref document: EP Kind code of ref document: A1 |