一种基于大数据的景区游客流量智能管控方法与流程
本发明涉及计算机视觉图像处理与大数据分析,具体为一种基于大数据的景区游客流量智能管控方法。
背景技术:
1、随着旅游业的快速发展,景区在节假日、旅游旺季等时段普遍面临大规模游客聚集的客流管理压力,如何准确感知景区实时客流状况并据此实施科学有效的管控措施,已成为智慧景区建设中的关键技术问题;
2、目前智慧景区游客管控系统的技术基础主要包括:基于摄像头视频流的计算机视觉目标检测技术,通过预测边界框对画面中的行人个体进行定位并计数,基于票务系统、闸机、无线探针等设施的客流统计技术,以及基于时间序列模型的客流预测技术,上述技术共同构成了当前景区客流感知与预警系统的技术基础;
3、与本发明最接近的现有技术方案为:景区通过部署可见光摄像头,采集视频流并输入目标检测模型逐帧识别行人边界框,统计画面内行人数量,得到实时客流量数据,系统将该客流量数据与预设阈值进行比较,当客流量超过设定阈值时,系统自动触发预警并向现场广播设备、限流闸机下发限流或引导指令,指令下发后,系统持续采集后续时段的客流量数据,若客流量呈下降趋势,则判定管控措施有效,若客流量仍持续攀升,则由现场管理人员依据经验进一步加大限流力度,该方案的整体流程为视频采集、目标检测计数、阈值比较、单向指令下发、人工经验复核,属于典型的开环感知决策架构;
4、上述现有技术存在以下两方面的缺陷;
5、其一,现有技术采用基于边界框的目标检测算法进行人群计数,而边界框检测依赖于清晰可分辨的个体轮廓特征,当景区人群重叠率超过百分之六十形成高度密集遮挡,或者遭遇雨雪、逆光等复杂天气导致图像噪点增多、边缘特征模糊时,边界框检测算法难以分辨相互遮挡的个体,从而导致系统出现严重漏检,输出的客流量数据与真实客流存在较大偏差,无法为后端大数据管控平台提供可靠的决策依据;
6、其二,现有管控系统采用单向开环架构,仅具备检测超阈值后下发指令的单向输出能力,缺乏对干预措施实际效果的量化反馈通道,当限流或引导指令下发后,客流量的下降既可能源于游客自然离场的时间趋势,也可能源于管控措施本身的真实作用,而系统无法将二者的因果贡献进行分离,导致系统无法准确评估某项管控措施的真实疏堵效率,预警阈值和分流参数只能依靠人工经验静态设定,本领域技术人员通常认为客流管控措施疏堵效果的评估依赖现场经验判断而非技术化量化手段,难以随场景变化自动迭代优化,容易造成过度管控或者疏导滞后,为此,我们提出一种基于大数据的景区游客流量智能管控方法。
技术实现思路
1、本发明的目的在于提供一种基于大数据的景区游客流量智能管控方法。
2、本发明要解决的技术问题包括两个方面:其一,在景区人群高度密集、场景非结构化以及遭遇雨雪、逆光等复杂天气条件下,传统视觉目标检测算法存在遮挡漏检、误报率高的问题,导致底层客流感知数据严重失真,无法为后端大数据管控平台提供高精度的密度依据,其二,现有游客流量管控系统普遍采用单向开环架构,一旦下发限流或疏导指令后,无法量化评估该干预措施的真实疏堵效果,也无法区分客流缓解究竟源于游客自然离场还是管控措施本身起效,导致管控策略只能依赖人工经验调整,难以实现自动化闭环寻优。
3、为解决上述技术问题,本发明提供一种基于大数据的景区游客流量智能管控方法,包括以下步骤:通过部署于景区监控点位的可见光摄像头与热成像摄像头,同步采集可见光图像与热成像图像,对两路图像进行时空配准,得到配准后的可见光图像与热成像图像,根据天气判别结果对配准后的可见光图像进行环境噪声预处理,得到预处理图像,将预处理图像输入语义分割网络,识别背景区域并生成二值掩膜,将二值掩膜与预处理图像进行逐像素相乘运算,得到保留人群区域的图像,将保留人群区域的图像与配准后的热成像图像分别提取特征后进行加权融合,得到融合特征图,将融合特征图输入包含多个并行分支的密度回归网络进行多尺度密度图回归,得到人群密度图,对人群密度图进行积分,得到客流计数,并将客流计数与人群密度图上传至云端大数据平台,在云端大数据平台,将景区划分为实验组区域与对照组区域,采集实验组区域与对照组区域在管控措施实施前后的客流密度时间序列数据,根据客流密度时间序列数据构建双重差分回归模型,计算得到管控措施的初步平均处理效应估计值,构建以管控措施为处理变量、以客流拥堵缓解程度为结果变量的因果贝叶斯网络,识别混淆变量集合,并采用后门调整方法对初步平均处理效应估计值进行修正,得到修正后的因果效应估计值,根据修正后的因果效应估计值与预设目标效应值的偏差,更新管控参数,并将更新后的管控参数下发至管控执行终端予以执行。
4、采用上述技术方案,与现有技术相比,本发明的有益效果在于:
5、1.本发明通过引入热成像图像与可见光图像进行多模态特征加权融合,并结合环境噪声预处理与语义分割背景屏蔽,在人群高度重叠遮挡、雨雪、逆光等复杂场景下,通过热成像轮廓信息补偿可见光图像在遮挡边缘处的特征缺失,从结构原理上降低人群计数漏检率、提升密度估计精度,为后端管控决策提供更为可靠的数据基础;
6、2.本发明通过并行不同膨胀率空洞卷积分支构成的多尺度密度回归网络结构,能够同时兼顾近景大尺度目标与远景小尺度目标的人群特征提取,提升密度图回归在不同景深场景下的适应能力;
7、3.本发明突破了现有技术中客流管控效果依赖人工经验判断、无法技术化分离自然离场趋势与管控措施真实作用的固有认知局限,通过将双重差分法与因果贝叶斯网络后门调整相结合,首次实现对管控措施净疏堵效率的技术化量化评估,为参数闭环自动迭代提供可靠依据;
8、4.本发明通过将量化得到的因果效应估计值作为反馈信号驱动管控参数自动迭代更新,使景区客流管控系统由单向开环架构升级为感知、决策、执行、评估、再优化的完整闭环架构,克服了人工经验调参存在的滞后性与主观性问题,提升了管控策略随场景变化自动寻优的能力。
1.一种基于大数据的景区游客流量智能管控方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于大数据的景区游客流量智能管控方法,其特征在于,所述环境噪声预处理具体为:读取图像亮度直方图以及温湿度传感器数据,判定当前场景是否处于雨雪天气以及逆光条件,在判定当前场景为雨雪天气时,对可见光图像采用引导滤波结合暗通道先验方法进行去噪处理,得到去噪后的图像,在判定当前场景为逆光条件时,对可见光图像进行自适应直方图均衡化处理,得到增强后的图像。
3.根据权利要求1所述的一种基于大数据的景区游客流量智能管控方法,其特征在于:所述多尺度密度图回归具体为:将融合特征图输入密度回归网络的多个并行分支,各并行分支采用不同膨胀率的空洞卷积提取不同尺度的人群特征,将各并行分支输出的特征图逐通道拼接后经卷积融合,输出与融合特征图同分辨率的像素级人群密度图。
4.根据权利要求1所述的一种基于大数据的景区游客流量智能管控方法,其特征在于,所述根据客流密度时间序列数据构建双重差分回归模型的步骤包括:计算实验组区域在管控措施实施后与实施前的平均客流密度之差值,计算对照组区域在对应时段的平均客流密度之差值,将两个差值相减得到管控措施的初步平均处理效应估计值。
5.根据权利要求1所述的一种基于大数据的景区游客流量智能管控方法,其特征在于:所述构建因果贝叶斯网络识别混淆变量集合的步骤中,采集的历史多源数据包括天气状况数据、是否节假日标识数据、时段特征数据以及周边道路通行状况数据。
6.根据权利要求1所述的一种基于大数据的景区游客流量智能管控方法,其特征在于:所述更新管控参数的步骤包括:将修正后的因果效应估计值与预设目标效应值进行比较,根据比较得到的偏差值,按照预设学习率对预警阈值、限流比例、广播引导频次中的管控参数进行迭代更新。
7.一种基于大数据的景区游客流量智能管控系统,其特征在于,包括:
8.根据权利要求7所述的一种基于大数据的景区游客流量智能管控系统,其特征在于:所述边缘计算层部署于景区边缘计算网关,运行环境自适应校正模块与密度图回归网络。
9.根据权利要求7所述的一种基于大数据的景区游客流量智能管控系统,其特征在于:所述云端大数据平台层包括双重差分建模单元、因果贝叶斯网络单元以及参数自动迭代单元,所述双重差分建模单元用于计算管控措施的初步平均处理效应估计值,所述因果贝叶斯网络单元用于识别混淆变量集合并进行后门调整修正,所述参数自动迭代单元用于根据修正后的因果效应估计值更新管控参数。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com