乘车权限控制方法、装置、计算机设备及可读存储介质与流程
本技术涉及公共交通，尤其涉及一种乘车权限控制方法、装置、计算机设备及可读存储介质。
背景技术：
1、城市轨道交通中，为保障特定群体的出行权益，运营方通常发行具有票价减免功能的乘车凭证。该类凭证在过闸时需核验持卡人资格，以防范冒用他人凭证乘车。随着线网规模扩大和客流量持续增长，上述冒用行为导致票款流失的问题日益突出，对持卡人资格进行高效、准确的实时核验已成为运营方迫切需求。
2、相关技术中，一般通过预先存储乘车凭证对应的目标身份信息，并实时采集持有乘车凭证的持卡对象的相关数据与目标身份信息进行分析，以准确判断当前持卡人是否符合相应乘车凭证对应的资格要求。然而，地铁闸机过闸对上述分析任务存在严苛的时序约束，分析过程须在极短时间内完成，当客流高峰时段大量乘客集中过闸时，分析任务并发量激增，固定部署于闸机端的计算资源难以在确保核验准确性的同时满足过闸时序约束的实时性要求。
技术实现思路
1、本技术提出一种乘车权限控制方法、装置、计算机设备及可读存储介质，能够在保证核验准确性的同时，确保视觉分析任务在过闸时序约束内完成。
2、为实现上述目的，本技术实施例的第一方面提出了一种乘车权限控制方法，所述方法包括：
3、读取乘车凭证对应的凭证类型标识；
4、当所述凭证类型标识表征所述乘车凭证对应的目标身份信息具有目标乘车资格时，获取当前时刻针对所述乘车凭证采集的视觉数据；
5、通过预先选取的目标计算节点对所述视觉数据进行视觉处理，以获取对应的视觉处理结果，其中，所述视觉处理结果包括所述乘车凭证当前对应的持卡对象的预测视觉年龄和预测视觉性别；
6、其中，所述目标计算节点通过预测视觉处理时长与视觉处理时长阈值之间的大小关系，从预设的多个计算节点中确定；
7、所述预测视觉处理时长通过第一历史视觉处理时长、第二历史视觉处理时长和客流补偿量计算得到，第一历史视觉处理时长为在位于所述当前时刻前的第一历史时刻对具有所述目标乘车资格的第一乘车凭证进行视觉处理的时长，第二历史视觉处理时长为在位于所述第一历史时刻前的第二历史时刻对具有所述目标乘车资格的第二乘车凭证进行视觉处理的时长，所述客流补偿量通过所述第一历史时刻的客流密度与预设客流密度基准之间的差异确定；
8、所述视觉处理时长阈值通过预设的总处理时长阈值与处理所述第一乘车凭证的基础处理时长阈值之间的差异确定；
9、获取所述乘车凭证对应的年龄资格阈值，并根据所述预测视觉年龄与所述年龄资格阈值之间的差异，确定年龄偏差值；获取所述乘车凭证在预设历史时段的乘车时段分布数据、站点分布数据、出行频次数据以及出行变化趋势数据，并结合所述乘车时段分布数据、所述站点分布数据、所述出行频次数据以及所述出行变化趋势数据，计算对应的行为特征子评分；结合所述预测视觉性别、所述年龄偏差值和所述行为特征子评分，计算异常识别评分，并基于所述异常识别评分，确定对应的权限分析结果，并结合所述权限分析结果控制针对所述乘车凭证对应的乘车权限。
10、相应的，本技术实施例的第二方面提出了一种乘车权限控制装置，所述装置包括：
11、读取模块，用于读取乘车凭证对应的凭证类型标识；
12、获取模块，用于当所述凭证类型标识表征所述乘车凭证对应的目标身份信息具有目标乘车资格时，获取当前时刻针对所述乘车凭证采集的视觉数据；
13、处理模块，用于通过预先选取的目标计算节点对所述视觉数据进行视觉处理，以获取对应的视觉处理结果，其中，所述视觉处理结果包括所述乘车凭证当前对应的持卡对象的预测视觉年龄和预测视觉性别；
14、其中，所述目标计算节点通过预测视觉处理时长与视觉处理时长阈值之间的大小关系，从预设的多个计算节点中确定；
15、所述预测视觉处理时长通过第一历史视觉处理时长、第二历史视觉处理时长和客流补偿量计算得到，第一历史视觉处理时长为在位于所述当前时刻前的第一历史时刻对具有所述目标乘车资格的第一乘车凭证进行视觉处理的时长，第二历史视觉处理时长为在位于所述第一历史时刻前的第二历史时刻对具有所述目标乘车资格的第二乘车凭证进行视觉处理的时长，所述客流补偿量通过所述第一历史时刻的客流密度与预设客流密度基准之间的差异确定；
16、所述视觉处理时长阈值通过预设的总处理时长阈值与处理所述第一乘车凭证的基础处理时长阈值之间的差异确定；
17、控制模块，用于获取所述乘车凭证对应的年龄资格阈值，并根据所述预测视觉年龄与所述年龄资格阈值之间的差异，确定年龄偏差值；获取所述乘车凭证在预设历史时段的乘车时段分布数据、站点分布数据、出行频次数据以及出行变化趋势数据，并结合所述乘车时段分布数据、所述站点分布数据、所述出行频次数据以及所述出行变化趋势数据，计算对应的行为特征子评分；结合所述预测视觉性别、所述年龄偏差值和所述行为特征子评分，计算异常识别评分，并基于所述异常识别评分，确定对应的权限分析结果，并结合所述权限分析结果控制针对所述乘车凭证对应的乘车权限。
18、所述乘车权限控制装置还包括调整模块，用于：
19、在确定具有所述目标乘车资格的第一乘车凭证对应的历史乘车权限之后，确定在对应的第一历史时刻对所述第一乘车凭证进行视觉处理的第一历史视觉处理时长，以及在位于所述第一历史时刻前的第二历史时刻对具有所述目标乘车资格的第二乘车凭证进行视觉处理的第二历史视觉处理时长；
20、获取所述第一历史时刻对应的客流密度，并基于所述客流密度与预设客流密度基准之间的差异，确定客流补偿量；
21、获取预设的平滑系数和密度修正系数，并根据所述平滑系数对所述第一历史视觉处理时长进行调整，得到第一目标历史时长；
22、获取第一预设参考值与所述平滑系数之间的目标差值，并根据所述目标差值对所述第二历史视觉处理时长进行调整，得到第二目标历史时长；
23、根据所述密度修正系数对所述客流补偿量进行调整，得到目标客流补偿量；
24、结合所述第一目标历史时长、所述第二目标历史时长和所述目标客流补偿量之和，计算对应的预测视觉处理时长。
25、在一些实施方式中，所述基础处理时长阈值包括读取所述第一乘车凭证的读取通信时长、所述第一乘车凭证对应的数据传输时长、所述第一乘车凭证对应的针对闸机扇门的机械控制时长；所述乘车权限控制装置还包括计算模块，用于：
26、获取预设的总处理时长阈值、所述第一乘车凭证对应的读取通信时长、数据传输时长和机械控制时长；
27、结合所述总处理时长阈值、所述读取通信时长、所述数据传输时长和所述机械控制时长，计算对应的视觉处理时长阈值。
28、在一些实施方式中，所述乘车权限控制装置还包括选取模块，用于：
29、获取预设的端侧安全系数和边侧安全系数；
30、根据所述视觉处理时长阈值与所述端侧安全系数之间的乘积，计算端侧处理上限阈值；
31、根据所述视觉处理时长阈值与所述边侧安全系数之间的乘积，计算边侧处理上限阈值；
32、当所述预测视觉处理时长小于或等于所述端侧处理上限阈值时，从预设的多个计算节点中选取本地服务节点作为目标计算节点；
33、当所述预测视觉处理时长大于所述端侧处理上限阈值且小于或等于所述边侧处理上限阈值时，从所述多个计算节点中选取边侧服务节点作为目标计算节点；
34、当所述预测视觉处理时长大于所述边侧处理上限阈值时，从所述多个计算节点中选取云端服务节点作为目标计算节点。
35、在一些实施方式中，所述目标乘车资格的类型至少包括第一类型乘车资格和第二类型乘车资格，所述第一类型乘车资格的适用年龄小于所述第二类型乘车资格的适用年龄；所述控制模块，还用于：
36、所述根据所述预测视觉年龄与所述年龄资格阈值之间的差异，确定年龄偏差值，包括：
37、当所述凭证类型标识对应所述第一类型乘车资格时，基于所述第一类型乘车资格与对应的第一年龄资格阈值之间的差异，确定第一初始值，并从所述第一初始值与第二预设参考值中选取较大值作为对应的年龄偏差值；
38、当所述凭证类型标识对应所述第二类型乘车资格时，基于对应的第二年龄资格阈值与所述第二类型乘车资格之间的差异，确定第二初始值，并从所述第二初始值与所述第二预设参考值中选取较大值作为对应的年龄偏差值。
39、在一些实施方式中，所述视觉数据包含多个视觉图像帧，所述控制模块，还用于：
40、通过预设的人体姿态估计模型对所述视觉数据进行骨骼关键点检测，确定所述持卡对象在每个视觉图像帧中的骨骼关键点序列，每个骨骼关键点序列至少包括肩部中心关键点和臀部中心关键点；
41、根据每个视觉图像帧对应的所述骨骼关键点序列，确定所述肩部中心关键点与所述臀部中心关键点之间的连线方向，并根据所述连线方向与预设竖直方向之间的夹角，确定所述持卡对象在对应的视觉图像帧中的躯干倾斜角度；
42、根据所述视觉数据包含的每个视觉图像帧对应的躯干倾斜角度，确定所述持卡对象对应的所述躯干倾斜角度在所述视觉数据中随时间变化的角度变化序列；
43、根据所述角度变化序列中任意相邻两个视觉图像帧之间的角度变化量，确定所述持卡对象的通行姿态平滑度；
44、根据所述通行姿态平滑度，确定动作异常子评分；
45、则所述结合所述预测视觉性别、所述年龄偏差值和所述行为特征子评分，计算异常识别评分，包括：
46、结合所述预测视觉性别、所述年龄偏差值、所述动作异常子评分和所述行为特征子评分，计算异常识别评分。
47、相应的，本技术实施例的第三方面提出了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现本技术第一方面实施例任一项的乘车权限控制方法。
48、相应的，本技术实施例的第四方面提出了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时实现本技术第一方面实施例任一项的乘车权限控制方法。
49、本技术实施例通过读取乘车凭证对应的凭证类型标识；当凭证类型标识表征乘车凭证对应的目标身份信息具有目标乘车资格时，获取当前时刻针对乘车凭证采集的视觉数据；通过预先选取的目标计算节点对视觉数据进行视觉处理，以获取对应的视觉处理结果，其中，视觉处理结果包括乘车凭证当前对应的持卡对象的预测视觉年龄和预测视觉性别；其中，目标计算节点通过预测视觉处理时长与视觉处理时长阈值之间的大小关系，从预设的多个计算节点中确定；预测视觉处理时长通过第一历史视觉处理时长、第二历史视觉处理时长和客流补偿量计算得到，第一历史视觉处理时长为在位于当前时刻前的第一历史时刻对具有目标乘车资格的第一乘车凭证进行视觉处理的时长，第二历史视觉处理时长为在位于第一历史时刻前的第二历史时刻对具有目标乘车资格的第二乘车凭证进行视觉处理的时长，客流补偿量通过第一历史时刻的客流密度与预设客流密度基准之间的差异确定；视觉处理时长阈值通过预设的总处理时长阈值与处理第一乘车凭证的基础处理时长阈值之间的差异确定；获取乘车凭证对应的年龄资格阈值，并根据预测视觉年龄与年龄资格阈值之间的差异，确定年龄偏差值；获取乘车凭证在预设历史时段的乘车时段分布数据、站点分布数据、出行频次数据以及出行变化趋势数据，并结合乘车时段分布数据、站点分布数据、出行频次数据以及出行变化趋势数据，计算对应的行为特征子评分；结合预测视觉性别、年龄偏差值和行为特征子评分，计算异常识别评分，并基于异常识别评分，确定对应的权限分析结果，并结合权限分析结果控制针对乘车凭证对应的乘车权限。以此，能够通过基于历史视觉处理时长和客流密度差异预测视觉处理时长并动态选取目标计算节点，实现视觉处理任务的自适应算力调度。具体来说，相较于相关技术中固定部署于闸机端的计算资源在客流高峰时段并发量激增时难以兼顾核验准确性与过闸时序约束实时性的问题，本技术通过结合第一历史视觉处理时长、第二历史视觉处理时长以及基于第一历史时刻客流密度与预设客流密度基准差异确定的客流补偿量来预测视觉处理时长，能够提前感知客流变化对处理时长的影响，并依据由总处理时长阈值与基础处理时长阈值差异确定的视觉处理时长阈值，从预设的多个计算节点中选取能够满足时序约束的目标计算节点执行视觉处理，从而突破了单一固定计算节点的算力瓶颈，在保障视觉处理准确性的同时确保处理时长满足过闸时序约束，综上，本技术能够在保证核验准确性的同时，确保视觉分析任务在过闸时序约束内完成。