CN109858388A - 一种智慧旅游管理*** - Google Patents
一种智慧旅游管理*** Download PDFInfo
- Publication number
- CN109858388A CN109858388A CN201910021214.XA CN201910021214A CN109858388A CN 109858388 A CN109858388 A CN 109858388A CN 201910021214 A CN201910021214 A CN 201910021214A CN 109858388 A CN109858388 A CN 109858388A
- Authority
- CN
- China
- Prior art keywords
- data
- tourist
- scenic spot
- image
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种智慧旅游管理***,包括:无人机航拍游客分布***、景区人脸识别***、景区入口人流预测***、景区基础信息数据***、酒店数据统计***、云端数据管理平台和移动终端;本发明通过无人机低空航拍技术采集景点周围图像,利用基于人头检测的方法得出景点周围的拥挤状况;利用人脸识别技术对游客的年龄阶段及性别进行识别;利用人脸检测技术预测景区人流情况;采用景区基础信息数据***及酒店数据统计***为游客提供详细的旅游信息;云端数据管理平台对前端***数据进行存储及处理,向游客推送景点实时信息及景区、酒店基础信息,帮助游客产生旅游决策、提前制定旅游计划和享受旅游过程。
Description
技术领域
本发明涉及旅游信息管理技术领域,尤其涉及一种智慧旅游管理***。
背景技术
随着生活水平的日益提高,娱乐型消费需求空前提高,旅游成为人们的首选娱乐项目,旅游业已经成为全球经济发展中势头最强劲和规模最大的产业之一。由于旅游人数的不断增加,大量的游客涌入知名的旅游城市,每个城市的5A和4A等高质量的旅游景点更是大部分人的选择,于是时常去旅游的时候会发现各大景点人满为患,而部分小景点却鲜有游客。游客需要小景点的推荐与介绍,也需要各大景点的拥挤人数情况的描述,这样游客才能选择更符合自身体验的景点去游玩。
景区的旅游信息一般通过网络发布、信息推送及网页查询方式来推送给游客,在旅游集散地或是景区若想了解旅游资讯,除了询问工作人员还可以查看旅游宣传手册或者查看电子显示屏上的滚动信息,但这几种方式效率太低,也太过死板。若是想从网络上寻找旅游资讯,得到的信息往往不具有针对性且太过分散,在旅游人数较多的情况下询问工作人员需要占用大量的时间,得到的信息相对较少,无法主动为客户提供感兴趣的旅游线路,而宣传手册和电子屏上的信息往往只是一种参考,对于景区信息记载也很不完全。
目前市场上出现了一些基于位置的导航服务、信息发布以及基于游客需求的旅游信息推荐服务平台,如航旅纵横、途牛、携程、飞猪、去哪儿等平台,这些平台侧重点不同,但同时也存在一些问题,例如信息整合度不高,导致数据的共享程度低,信息内容缺乏及时性和准确性,不能及时反映景区的拥挤情况、实时信息、游客人群类型等方面的情况。
因此,亟需一种智慧旅游管理***来解决现有的技术问题。
发明内容
针对上述现有技术的不足,本发明的目的是提供一种智慧旅游管理***,本发明通过无人机低空航拍技术采集景点周围图像,利用计算机视觉技术和图像处理技术对图像进行预处理,利用基于人头检测的方法得出景点周围的观光人数,进而得到景点的拥挤状况;针对游客的个性化需求,本发明利用人脸识别***是对游客的年龄阶段及性别进行识别,向游客推送适合游客年龄阶段的景区数据;利用人脸检测技术预测景区人流情况,游客可根据预测信息决定排队进入景区的时间;采用景区基础信息数据***及酒店数据统计***为游客提供详细的旅游信息;云端数据管理平台对前端***数据进行存储及处理,通过无线通讯模块将信息发送给移动终端,向游客推送景点拥挤状况、游客人群年龄及性别分布状况、景区入口人流量、景区及酒店实时信息,帮助游客产生旅游决策、提前制定旅游计划和享受旅游过程。
本发明是通过以下技术方案予以实现的。
一种智慧旅游管理***,包括无人机航拍游客分布***、景区人脸识别***、景区入口人流预测***、景区基础信息数据***、酒店数据统计***、云端数据管理平台和移动终端。
更进一步的,无人机航拍游客分布***用于对景点周围的游客人数进行识别;景区人脸识别***是对游客的年龄阶段及性别进行识别;利用人脸检测技术预测景区人流情况,游客可根据预测信息决定排队进入景区的时间;景区基础信息数据***由景区管理人员维护数据并及时更新,发布景区游览线路、购物点分布等信息及公告;酒店数据统计***由酒店管理人员维护上传数据,发布酒店信息数据;云端数据管理平台包括数据分析处理单元和数据存储模块,数据分析处理单元用于对数据进行处理,数据存储单元存储***采集的数据。
更进一步的,所述无人机航拍游客分布***包括无人机、摄像头和图像分析***;无人机航拍游客分布***是一种基于图像处理技术的客流识别***,用于实时监测景区内游客在各景点的分布状况,利用无人机低空航拍技术获取人头图像,利用计算机视觉技术和图像处理技术对图像进行预处理,利用基于人头检测的方法得出景点周围的观光人数,进而得到景点的拥挤状况。
更进一步的,所述无人机利用携带的数码相机对景点目标进行扫描监测,无人机内置的全球定位***(GPS)可以对每幅图像进行坐标定位,满足图像镶嵌拼接的需求,无人机***云台将图像数据通过数据传输链路传输至图像分析***。
更进一步的,所述图像分析***对航拍得到的原始图像进行镶嵌拼接,获得航拍区域大面积的正射影像。对拼接好的图像设置合适的阀值进行二值化操作,将黑色(主要用来标记头发)变为白色,其余背景变成黑色,以黑色头部为对象,根据人头部的颜色特征(黑色)和形状特征(椭圆形)对图像进行形态学处理,并保留图像中的原始形状;利用选择性搜索方法获取大量包含人头目标的候选区域,然后使用由梯度方向直方图和支持向量机结合训练出来的人头分类器模型进行人头粗筛选,之后利用卷积神经网络和支持向量机结合训练出来的人头分类器模型进行人头精细筛选,得到准确的人头目标,最后利用区域限制和特征匹配的方法对人头目标信息进行跟踪,进而进行人数统计;无人机航拍游客分布***分析得到的景点游客人数为A1,景点的设计接待人数为A2,云端数据管理平台将无人机航拍游客分布***检测到的景点游客人数与景点的设计接待人数做比对,t=A1/A2,对t设置阀值来判断景点是否处于拥挤状态,***通过无线通讯模块向移动终端实时推送景点的拥挤状况,游客可随时调整旅游线路。
更进一步的,所述景区人脸识别***是对游客的年龄阶段及性别进行识别;在景区入口处设置摄像头,当游客检票的时候进行图像采集;摄像头将图像数据上传至景区人脸识别***;建立人脸数据库,数据库中人脸图像包括来自不同年龄、不同表情的照片,照片背景与景区入口摄像头拍摄的照片背景一致;首先按照性别人工整理数据库,训练样本分为男性图像集与女性图像集,数据库命名是按英文首字母缩写;第一层:对性别初次划分;第二层:青年(YM)、中年(MM)、老年(OM)(以男性为例,女性数据库的建立模式相同);第三层划分年龄范围,第四层划分年龄间距更小的数据库,“MM-i-13”解释为第i位中年男子附属于第1数据库中的第3子数据库,子数据库较多,编程时使用结构体数据类型;第五层年龄估计,本发明采用平均年龄估计法age=Li/Nij,其中,Li为数据库年龄段,Nij表示为子数据库训练的总张数,图片分成每人每岁的多张照片,再单独做训练;景区人脸识别***采用基于Faster R-CNN的算法,主要训练模型如下:为获取人脸特征,首先采用在人脸数据库上进行人脸识别预训练得到深度学***台将景区人脸识别***得出的游客年龄根据四个年龄阶段分类,计算每个年龄段类别的游客人数占比,游客在移动终端APP上查询景区信息时输入自己的年龄和性别,***向游客推送适合游客年龄阶段和性别的景区数据。
更进一步的,所述景区入口人流预测***采用基于肤色分割与Otsu算法相结合的人脸检测技术对实时采集的景区入口游客静态图像中的人数进行统计,然后选用随机、非线性变化过程有良好逼近能力的人工神经网络方法对景点客流量作出预测;本发明历史统计数据包括前5分钟、前15分钟、前25分钟、前35分钟的客流量,未来预测数据包括5分钟后、15分钟后、25分钟后、35分钟后的预测客流量;在景区入口处设置高清相机,等时间间隔获取图像,将肤色分割处理与Otsu算法相结合,对所获取图像进行人脸检测,并加入计数变量,每检测出一张人脸,计数变量的值增1,直至统计出图像中所有的人脸数目,即所获取图像中的人数;肤色有一定的稳定性,不随人脸表情、姿态和人体动作的变化而变化。虽然会受到光照等条件的影响,但在颜色空间仍然具有较高的聚类性,并且光照条件等的影响可通过技术手段消除。本发明采用肤色分割处理排除大量的非肤色区域;首先,在肤色分割前加入预处理(光照补偿、去噪、滤波等);然后,根据高斯分布参数得到肤色似然图;对肤色似然图进行阀值分割,并用合适的滤波方法对所得到二值化图像进行滤波;最后,将肤色像素点保留,并将非肤色像素点的灰度值设为零,由此便可得到突出肤色区域的图像。本发明采用单高斯模型,其基本思想是:假设肤色服从单峰高斯分布,从网络选取大量涵盖不同肤色、年龄以及光照的人脸图像,并裁剪出图像中的肤色区域作为训练样本;对训练样本进行颜色空间转换,通过统计分析确定高斯分布参数,然后利用概率密度公式来计算所有像素点属于肤色点的概率,从而确定出肤色阀值的大小。
本发明采用三层幂激励前向神经网络根据历史客流量对景点未来客流量进行预测;首先,针对输入样本的特征,对单输入前向神经网络结构作调整,使得调整后的网络能够处理多输入样本;然后,由调整后的网络对人脸检测技术统计出的历史客流量样本进行训练并预测未来的客流量;为了避免景点客流量统计过程中出现的统计误差和个别不合理样本对预测所带来的影响,本发明将多个历史时刻的景点客流量作为输入,下一时刻的客流量为输出,构建出了一种多输入单输出的训练及预测样本;由人脸检测的人数统计技术每十分钟统计一次人数,将所获数据分组,八个数据为一组,前七个数据为输入,第八个数据为输出;采用滑动的方式将数据分组,每向后滑动一个数据,截取一组样本,这样,每隔十分钟得到一组样本;本发明对未来35分钟内的客流量作出预测,游客可根据预测值决定排队进入景区的时间。
更进一步的,所述景区基础信息数据***其数据模型由景区和景点信息组成,囊括景区名称、地理位置、旅游线路、旅游公共设施、旅游指南、旅游资讯、旅游活动、旅游产品、旅游购物、餐饮等基础要素信息;景区基础信息数据***由景区管理人员进行数据维护;云端数据管理平台读取景区基础信息数据***数据,根据搜索关键词、浏览页面停留时间推荐符合用户需求的旅游信息。
更进一步的,所述酒店数据统计***其数据模型包括住宿点基本信息及扩展信息、客房基本信息;酒店数据统计***囊括酒店星级、地理位置、房间等基础要素信息,同时对酒店周边的交通信息、娱乐信息及景区信息进行关联,综合形成能帮助游客产生旅游决策和享受旅游过程的信息集;酒店数据统计***统计三年内旅游旺季时期酒店的预订及入住情况,帮助游客提前制定旅游计划;云端数据管理平台读取酒店数据统计***数据并通过无线通讯模块将信息数据发送至移动终端。
与现有技术相比,本发明的有益效果在于:本发明提供了一种智慧旅游管理***,本发明通过无人机低空航拍技术采集景点周围图像,利用计算机视觉技术和图像处理技术对图像进行预处理,利用基于人头检测的方法得出景点周围的观光人数,进而得到景点的拥挤状况;针对游客的个性化需求,本发明利用人脸识别***是对游客的年龄阶段及性别进行识别,向游客推送适合游客年龄阶段的景区数据;利用人脸检测技术预测景区人流情况,游客可根据预测信息决定排队进入景区的时间;采用景区基础信息数据***及酒店数据统计***为游客提供详细的旅游信息;云端数据管理平台对前端***数据进行存储及处理,通过无线通讯模块将信息发送给移动终端,向游客推送景点拥挤状况、游客人群年龄及性别分布状况、景区入口人流情况,景区及酒店实时信息,为游客提供智能化、多功能的景区综合信息服务,帮助游客产生旅游决策、提前制定旅游计划和享受旅游过程。
附图说明
图1为本发明的***构成示意图。
图2为景区人脸识别***测试流程图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
下面通过具体的实施例子并结合附图对本发明做进一步的详细描述。
实施例1
如图1所示:一种智慧旅游管理***,包括:包括无人机航拍游客分布***、景区人脸识别***、景区入口人流预测***、景区基础信息数据***、酒店数据统计***、云端数据管理平台和移动终端。
所述无人机航拍游客分布***用于对景点周围的游客人数进行识别;景区人脸识别***是对游客的年龄阶段及性别进行识别;利用人脸检测技术预测景区入口人流情况,游客可根据预测信息决定排队进入景区的时间;景区基础信息数据***由景区管理人员维护数据并及时更新,发布景区游览线路、购物点分布等信息及公告;酒店数据统计***由酒店管理人员维护上传数据,发布酒店信息数据;云端数据管理平台包括数据分析处理单元和数据存储模块,数据分析处理单元用于对数据进行处理,数据存储单元存储***采集的数据。
所述无人机航拍游客分布***包括无人机、摄像头和图像分析***;无人机航拍游客分布***是一种基于图像处理技术的客流识别***,用于实时监测景区内游客在各景点的分布状况,利用无人机低空航拍技术获取人头图像,利用计算机视觉技术和图像处理技术对图像进行预处理,利用基于人头检测的方法得出景点周围的观光人数,进而得到景点的拥挤状况。
所述无人机利用携带的数码相机对景点目标进行扫描监测,无人机内置的全球定位***(GPS)可以对每幅图像进行坐标定位,满足图像镶嵌拼接的需求,无人机***云台将图像数据通过数据传输链路传输至图像分析***。
所述图像分析***对航拍得到的原始图像进行镶嵌拼接,获得航拍区域大面积的正射影像;对拼接好的图像设置合适的阀值进行二值化操作,将黑色(主要用来标记头发)变为白色,其余背景变成黑色,以黑色头部为对象,根据人头部的颜色特征(黑色)和形状特征(椭圆形)对图像进行形态学处理,并保留图像中的原始形状;利用选择性搜索方法获取大量包含人头目标的候选区域,然后使用由梯度方向直方图和支持向量机结合训练出来的人头分类器模型进行人头粗筛选,之后利用卷积神经网络和支持向量机结合训练出来的人头分类器模型进行人头精细筛选,得到准确的人头目标,最后利用区域限制和特征匹配的方法对人头目标信息进行跟踪,进而进行人数统计;无人机航拍游客分布***分析得到的景点游客人数为A1,景点的设计接待人数为A2,云端数据管理平台将无人机航拍游客分布***检测到的景点游客人数与景点的设计接待人数做比对,t=A1/A2,对t设置阀值来判断景点是否处于拥挤状态,***通过无线通讯模块向移动终端实时推送景点的拥挤状况,游客可随时调整旅游线路。
实施例2
作为实施例1的进一步优化,本发明的智慧旅游管理***的景区人脸识别***通过对游客的年龄阶段及性别进行识别,使得游客在终端APP上查询景区信息时输入自己的年龄和性别,***向游客推送适合游客年龄阶段和性别的景区数据。
具体的,本发明的智慧旅游管理***在景区入口处设置摄像头,当游客检票的时候进行图像采集;摄像头将图像数据上传至景区人脸识别***;建立人脸数据库,数据库中人脸图像包括来自不同年龄、不同表情的照片,照片背景与景区入口摄像头拍摄的照片背景一致;首先按照性别人工整理数据库,训练样本分为男性图像集与女性图像集,数据库命名是按英文首字母缩写;第一层:对性别初次划分;第二层:青年(YM)、中年(MM)、老年(OM)(以男性为例,女性数据库的建立模式相同);第三层划分年龄范围,第四层划分年龄间距更小的数据库,“MM-i-13”解释为第i位中年男子附属于第1数据库中的第3子数据库,子数据库较多,编程时使用结构体数据类型;第五层年龄估计,本发明采用平均年龄估计法age=Li/Nij,其中,Li为数据库年龄段,Nij表示为子数据库训练的总张数,图片分成每人每岁的多张照片,再单独做训练。
景区人脸识别***采用基于Faster R-CNN的算法,主要训练模型如下:为获取人脸特征,首先采用在人脸数据库上进行人脸识别预训练得到深度学习人脸模型,接着使用该模型在人脸属性数据集上对其头发、眼睛、鼻子、嘴巴、胡子的特征进行微调训练,得到人脸属性模型,并将网络的各全连接层特征连接起来作为人脸特征向量(CNN特征向量),最后使用随机森林分类器在数据集上训练和测试,测试流程如图2所示。
本发明将年龄阶段分为5-15岁,15-25岁,25-50岁,50岁以上四个年龄段类别;云端数据管理平台将景区人脸识别***得出的游客年龄根据四个年龄阶段分类,计算每个年龄段类别的游客人数占比,游客在终端APP上查询景区信息时输入自己的年龄和性别,***向游客推送适合游客年龄阶段和性别的景区数据。
景区入口人流预测***采用基于肤色分割与Otsu算法相结合的人脸检测技术对实时采集的景区入口游客静态图像中的人数进行统计,统计的数据作为历史统计数据,然后选用人工神经网络对景点客流量作出预测;所述历史统计数据包括前5分钟、前15分钟、前25分钟、前35分钟的客流量,未来预测数据包括5分钟后、15分钟后、25分钟后、35分钟后的预测客流量。
在景区入口处设置高清相机,等时间间隔获取图像,将肤色分割处理与Otsu算法相结合,对所获取图像进行人脸检测,并加入计数变量,每检测出一张人脸,计数变量的值增1,直至统计出图像中所有的人脸数目,即所获取图像中的人数;
其中,所述肤色分割处理包含如下步骤:
步骤S1:对获取的肤色图像依次进行光照补偿、去噪、滤波;
步骤S2:从网络选取大量涵盖不同肤色、年龄以及光照的人脸图像,并裁剪出图像中的肤色区域作为训练样本;对训练样本进行颜色空间转换,通过统计分析确定高斯分布参数,然后利用概率密度公式来计算所有像素点属于肤色点的概率,从而确定出肤色阀值的大小并得出肤色似然图;
步骤S3:对所述肤色似然图采用所述肤色阀值进行阈值分割,并用卡尔曼滤波算法对所得到二值化图像进行滤波;
步骤S4:将肤色像素点保留,并将非肤色像素点的灰度值设为零,得到突出肤色区域的图像;
通过在景区入口处设置高清相机,等时间间隔获取图像,将肤色分割处理与Otsu算法相结合,对所获取图像进行人脸检测,并加入计数变量,每检测出一张人脸,计数变量的值增1,直至统计出图像中所有的人脸数目,即所获取图像中的人数;肤色有一定的稳定性,不随人脸表情、姿态和人体动作的变化而变化。虽然会受到光照等条件的影响,但在颜色空间仍然具有较高的聚类性,并且光照条件等的影响可通过技术手段消除。
本发明采用的肤色分割处理,通过首先,在肤色分割前加入预处理(光照补偿、去噪、滤波等);然后,根据高斯分布参数得到肤色似然图;对肤色似然图进行阀值分割,并用合适的滤波方法对所得到二值化图像进行滤波;最后,将肤色像素点保留,并将非肤色像素点的灰度值设为零,由此便可得到突出肤色区域的图像,采用本发明的肤色分割处理能够排除大量的非肤色区域。
本发明采用三层幂激励前向神经网络根据历史客流量对景点未来客流量进行预测;首先,针对输入样本的特征,对单输入前向神经网络结构作调整,使得调整后的网络能够处理多输入样本;然后,由调整后的网络对人脸检测技术统计出的历史客流量样本进行训练并预测未来的客流量;为了避免景点客流量统计过程中出现的统计误差和个别不合理样本对预测所带来的影响,本发明将多个历史时刻的景点客流量作为输入,下一时刻的客流量为输出,构建出了一种多输入单输出的训练及预测样本;由人脸检测的人数统计技术每十分钟统计一次人数,将所获数据分组,八个数据为一组,前七个数据为输入,第八个数据为输出;采用滑动的方式将数据分组,每向后滑动一个数据,截取一组样本,这样,每隔十分钟得到一组样本;本发明对未来35分钟内的客流量作出预测,游客可根据预测值决定排队进入景区的时间。
实施例3
作为实施例1和实施例2的进一步优化,为便于向游客提供景点的详细旅游信息,以便于游客能够提前制定旅游计划,本发明的智慧旅游管理***中还设置有景区基础信息数据***和酒店数据统计***。
景区基础信息数据***其数据模型由景区和景点信息组成,囊括景区名称、地理位置、旅游线路、旅游公共设施、旅游指南、旅游资讯、旅游活动、旅游产品、旅游购物、餐饮等基础要素信息;景区基础信息数据***由景区管理人员进行数据维护;云端数据管理平台读取景区基础信息数据***数据,根据搜索关键词、浏览页面停留时间推荐符合用户需求的旅游信息。
酒店数据统计***其数据模型包括住宿点基本信息及扩展信息、客房基本信息;酒店数据统计***囊括酒店星级、地理位置、房间等基础要素信息,同时对酒店周边的交通信息、娱乐信息及景区信息进行关联,综合形成能帮助游客产生旅游决策和享受旅游过程的信息集;酒店数据统计***统计三年内旅游旺季时期酒店的预订及入住情况,帮助游客提前制定旅游计划。
最后应说明的是: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:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部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实施例技术方案。
Claims (10)
1.一种智慧旅游管理***,包括无人机航拍游客分布***、景区人脸识别***、景区入口人流预测***、景区基础信息数据***、酒店数据统计***、云端数据管理平台和移动终端;所述无人机航拍游客分布***用于对景点周围的游客人数进行识别;景区人脸识别***对游客的年龄阶段及性别进行识别;景区入口人流预测***对景区入口的人流量进行预测;景区基础信息数据***由景区管理人员维护数据并及时更新,发布景区游览线路、购物点分布的信息及公告;酒店数据统计***由酒店管理人员维护上传数据,发布酒店信息数据;云端数据管理平台包括数据分析处理单元和数据存储模块,数据分析处理单元用于对数据进行处理,数据存储单元存储***采集的数据。
2.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述无人机航拍游客分布***包括无人机、摄像头和图像分析***;无人机航拍游客分布***基于图像处理对景区人数进行识别,实时监测景区内游客在各景点的分布状况,利用无人机低空航拍技术获取人头图像,然后对图像进行预处理,利用人头检测方法得出景点周围的观光人数,并输出景点的拥挤状况信息;所述无人机利用携带的数码相机对景点目标进行扫描监测,无人机内置的全球定位***对每幅图像进行坐标定位,无人机***云台将图像数据通过数据传输链路传输至图像分析***。
3.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述图像分析***对航拍得到的原始图像进行镶嵌拼接,获得航拍区域大面积的正射影像;对拼接好的图像设置处理阀值进行二值化操作,以黑色头部为对象,根据人头部的颜色特征和形状特征对图像进行形态学处理,并保留图像中的原始形状;利用选择性搜索方法获取大量包含人头目标的候选区域,然后使用由梯度方向直方图和支持向量机结合训练的分类器模型进行人头粗筛选,之后利用卷积神经网络和支持向量机结合训练的分类器模型进行人头精细筛选,得到准确的人头目标,最后利用区域限制和特征匹配的方法对人头目标信息进行跟踪,进而进行人数统计。
4.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述无人机航拍游客分布***分析得到的景点游客人数为A1,景点的设计接待人数为A2,云端数据管理平台将无人机航拍游客分布***检测到的景点游客人数与景点的设计接待人数做比对,得出t=A1/A2,对t设置阀值来判断景点是否处于拥挤状态,***通过无线通讯模块向移动终端实时推送景点的拥挤状况,游客可随时调整旅游线路。
5.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述景区人脸识别***用于对游客的年龄阶段及性别进行识别;在景区入口处设置摄像头,当游客检票的时候进行图像采集;摄像头将图像数据上传至景区人脸识别***。
6.根据权利要求5所述的一种智慧旅游管理***,其特征在于,所述对游客的年龄阶段及性别进行识别包括如下步骤:
首先,建立人脸数据库,数据库中人脸图像包括来自不同年龄、不同表情的照片,照片背景与景区入口摄像头拍摄的照片背景一致;
然后,按照性别人工整理数据库,训练样本分为男性图像集与女性图像集,数据库命名是按英文首字母缩写,第一层:对性别初次划分;第二层:在男性或女性性别层中划分出青年YM、中年MM、老年OM;第三层划分年龄范围,第四层划分年龄间距更小的数据库,“MM-i-13”解释为第i位中年男子附属于第1数据库中的第3子数据库;第五层年龄估算;
最后,采用平均年龄估计法age=Li/Nij,其中,Li为数据库年龄段,Nij表示为子数据库训练的总张数,图片分成每人每岁的多张照片,再单独做训练;
所述景区人脸识别***的训练模型如下:
首先,在人脸数据库上进行人脸识别预训练得到深度学习人脸模型,然后使用该模型在人脸属性数据集上对其头发、眼睛、鼻子、嘴巴、胡子的特征进行微调训练,得到人脸属性模型,并将网络的各全连接层特征连接起来作为人脸特征向量,最后使用随机森林分类器在数据集上训练和测试;
然后,将年龄阶段分为5-15岁,15-25岁,25-50岁,50岁以上四个年龄段类别;云端数据管理平台将所述景区人脸识别***得出的游客年龄根据四个年龄阶段分类,计算每个年龄段类别的游客人数占比,游客在终端APP上查询景区信息时输入自己的年龄和性别,***向游客推送适合游客年龄阶段和性别的景区数据。
7.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述景区入口人流预测***采用基于肤色分割与Otsu算法相结合的人脸检测技术对实时采集的景区入口游客静态图像中的人数进行统计,统计的数据作为历史统计数据,然后选用人工神经网络对景点客流量作出预测;所述历史统计数据包括前5分钟、前15分钟、前25分钟、前35分钟的客流量,未来预测数据包括5分钟后、15分钟后、25分钟后、35分钟后的预测客流量;
在景区入口处设置高清相机,等时间间隔获取图像,将肤色分割处理与Otsu算法相结合,对所获取图像进行人脸检测,并加入计数变量,每检测出一张人脸,计数变量的值增1,直至统计出图像中所有的人脸数目,即所获取图像中的人数;
其中,所述肤色分割处理包含如下步骤:
步骤S1:对获取的肤色图像依次进行光照补偿、去噪、滤波;
步骤S2:从网络选取大量涵盖不同肤色、年龄以及光照的人脸图像,并裁剪出图像中的肤色区域作为训练样本;对训练样本进行颜色空间转换,通过统计分析确定高斯分布参数,然后利用概率密度公式来计算所有像素点属于肤色点的概率,从而确定出肤色阀值的大小并得出肤色似然图;
步骤S3:对所述肤色似然图采用所述肤色阀值进行阈值分割,并用卡尔曼滤波算法对所得到二值化图像进行滤波;
步骤S4:将肤色像素点保留,并将非肤色像素点的灰度值设为零,得到突出肤色区域的图像。
8.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述景区入口人流预测***人流量预测采用三层幂激励前向神经网络根据历史客流量对景点未来客流量进行预测,将多个历史时刻的景点客流量作为输入,下一时刻的客流量为输出,构建出了一种多输入单输出的训练及预测样本;
首先,针对输入样本的特征,对单输入前向神经网络结构作调整,使得调整后的网络能够处理多输入样本;然后,由调整后的网络对人脸检测技术统计出的历史客流量样本进行训练并预测未来的客流量;最后,由基于人脸检测的人数统计技术每十分钟统计一次人数,将所获数据分组,八个数据为一组,前七个数据为输入,第八个数据为输出,采用滑动的方式将数据分组,每向后滑动一个数据,截取一组样本,每隔十分钟得到一组样本。
9.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述景区基础信息数据***其数据模型由景区和景点信息组成,囊括景区名称、地理位置、旅游线路、旅游公共设施、旅游指南、旅游资讯、旅游活动、旅游产品、旅游购物、餐饮的基础要素信息;景区基础信息数据***由景区管理人员进行数据维护;云端数据管理平台读取景区基础信息数据***数据,根据搜索关键词、浏览页面停留时间推荐符合用户需求的旅游信息。
10.根据权利要求1所述的一种智慧旅游管理***,其特征在于,所述酒店数据统计***其数据模型包括住宿点基本信息及扩展信息、客房基本信息;酒店数据统计***囊括酒店星级、地理位置、房间的基础要素信息,同时对酒店周边的交通信息、娱乐信息及景区信息进行关联,综合形成能帮助游客产生旅游决策和享受旅游过程的信息集;酒店数据统计***统计三年内旅游旺季时期酒店的预订及入住情况,帮助游客提前制定旅游计划;云端数据管理平台读取酒店数据统计***数据并通过无线通讯模块将信息数据发送至移动终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910021214.XA CN109858388A (zh) | 2019-01-09 | 2019-01-09 | 一种智慧旅游管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910021214.XA CN109858388A (zh) | 2019-01-09 | 2019-01-09 | 一种智慧旅游管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109858388A true CN109858388A (zh) | 2019-06-07 |
Family
ID=66894391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910021214.XA Pending CN109858388A (zh) | 2019-01-09 | 2019-01-09 | 一种智慧旅游管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858388A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147784A (zh) * | 2019-06-26 | 2019-08-20 | 苏州金螳螂怡和科技有限公司 | 一种客流人脸识别流量*** |
CN110298772A (zh) * | 2019-07-19 | 2019-10-01 | 赣南医学院 | 基于游客时空行为的健康旅游目的地规划与管理信息*** |
CN110378736A (zh) * | 2019-07-23 | 2019-10-25 | 中国科学院东北地理与农业生态研究所 | 通过人脸表情识别评价游客对自然资源体验满意度的方法 |
CN110472788A (zh) * | 2019-08-13 | 2019-11-19 | 天津高创安邦技术有限公司 | 一种人员信息预测方法及装置 |
CN110516909A (zh) * | 2019-07-19 | 2019-11-29 | 李达维 | 一种基于大数据分析的城乡资源管理*** |
CN110781742A (zh) * | 2019-09-23 | 2020-02-11 | 中国地质大学(武汉) | 一种人流智能识别出行管理*** |
CN110782373A (zh) * | 2019-11-01 | 2020-02-11 | 秒针信息技术有限公司 | 景区人数确定方法及装置 |
CN110889326A (zh) * | 2019-10-16 | 2020-03-17 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 基于人体检测的插队行为监测警告***、方法、装置和存储介质 |
CN111191501A (zh) * | 2019-11-20 | 2020-05-22 | 恒大智慧科技有限公司 | 智慧景区内游客聚集行为的自动预警方法、设备及介质 |
CN111597459A (zh) * | 2020-04-27 | 2020-08-28 | 上海理工大学 | 景区人流量提前预估兼实时查询方法 |
CN112242040A (zh) * | 2020-10-16 | 2021-01-19 | 成都中科大旗软件股份有限公司 | 一种景区客流多维度监管***及方法 |
CN112347920A (zh) * | 2020-11-06 | 2021-02-09 | 苏州金螳螂文化发展股份有限公司 | 一种基于神经网络展馆区域智能人流量统计采集*** |
CN112381506A (zh) * | 2020-11-10 | 2021-02-19 | 广东电力信息科技有限公司 | 基于物联网及智能预测推荐的智慧食堂管理*** |
CN112434179A (zh) * | 2020-12-01 | 2021-03-02 | 南京巨兽奇信息科技有限公司 | 一种景区人工智能取照***及其使用方法 |
CN112580877A (zh) * | 2020-12-22 | 2021-03-30 | 北京东方风景智慧科技有限公司 | 景区内综合管理*** |
CN112668375A (zh) * | 2019-10-16 | 2021-04-16 | 广东轻工职业技术学院 | 景区内游客分布分析***及方法 |
CN112926784A (zh) * | 2021-03-05 | 2021-06-08 | 江苏唱游数据技术有限公司 | 一种适用于文旅产业监测的景区人流量峰值预测方法 |
CN112966947A (zh) * | 2021-03-13 | 2021-06-15 | 深圳大智汇信息科技有限公司 | 一种基于物联网的智慧旅游景区管理方法及*** |
CN112988847A (zh) * | 2021-04-20 | 2021-06-18 | 广东智九信息科技有限公司 | 一种基于大数据的景区人数预测***以及方法 |
CN113112070A (zh) * | 2021-04-09 | 2021-07-13 | 南京邮电大学 | 一种基于智慧灯杆的景区客流调度方法 |
CN113221612A (zh) * | 2020-11-30 | 2021-08-06 | 南京工程学院 | 一种基于物联网的视觉智能行人监控***和方法 |
CN113361734A (zh) * | 2021-06-09 | 2021-09-07 | 合肥工业大学 | 一种风景区客流密度统计*** |
CN113723261A (zh) * | 2021-08-24 | 2021-11-30 | 国网上海市电力公司 | 一种多行人目标识别方法及*** |
CN113747640A (zh) * | 2021-09-03 | 2021-12-03 | 深圳时空数字科技有限公司 | 一种数字展厅灯光智能中央控制方法及*** |
CN113780173A (zh) * | 2021-09-10 | 2021-12-10 | 黄河水利职业技术学院 | 一种面部识别***及识别方法 |
CN114677181A (zh) * | 2022-04-19 | 2022-06-28 | 华讯高科股份有限公司 | 一种智慧文旅大数据平台 |
WO2022134890A1 (zh) * | 2020-12-25 | 2022-06-30 | 深圳市微网力合信息技术有限公司 | 基于wifi6的通信方法及*** |
CN116630100A (zh) * | 2023-07-25 | 2023-08-22 | 珠海大横琴泛旅游发展有限公司 | 旅游数据处理方法、装置、设备及存储介质 |
CN117473169A (zh) * | 2023-12-27 | 2024-01-30 | 环球数科集团有限公司 | 一种基于aigc的文旅数据筛选方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143079A (zh) * | 2013-05-10 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 人脸属性识别的方法和*** |
CN104835085A (zh) * | 2015-05-12 | 2015-08-12 | 成都中科大旗软件有限公司 | 旅游运行监管及安全应急管理联动指挥平台*** |
CN106448151A (zh) * | 2016-07-07 | 2017-02-22 | 河南理工大学 | 一种短时交通流预测方法 |
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 |
EP3176736A1 (en) * | 2015-12-04 | 2017-06-07 | Nextop Italia SRL Semplificata | Electronic system and method for travel planning, based on object-oriented technology |
CN106918345A (zh) * | 2017-03-27 | 2017-07-04 | 中国农业大学 | 一种景区导览路径的优化方法及装置 |
CN107122846A (zh) * | 2017-03-27 | 2017-09-01 | 中国农业大学 | 一种景区导游方法、服务端、客户端及*** |
CN107657226A (zh) * | 2017-09-22 | 2018-02-02 | 电子科技大学 | 一种基于深度学习的人数估计方法 |
CN108334995A (zh) * | 2018-03-21 | 2018-07-27 | 四川爱非客网络科技有限公司 | 一种基于大数据的景区客流预测*** |
CN108446759A (zh) * | 2018-02-11 | 2018-08-24 | 陕西师范大学 | 基于季节性长短期记忆网络模型的旅游客流量预测方法 |
CN108549976A (zh) * | 2018-03-28 | 2018-09-18 | 四川亨通网智科技有限公司 | 智慧旅游大数据分析方法 |
CN207966453U (zh) * | 2018-02-02 | 2018-10-12 | 西南交通大学 | 导游无人机 |
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***及其使用方法 |
CN109034460A (zh) * | 2018-07-03 | 2018-12-18 | 深圳市和讯华谷信息技术有限公司 | 用于景区客流拥堵程度的预测方法、装置和*** |
CN109872664A (zh) * | 2019-01-09 | 2019-06-11 | 武汉中联智诚科技有限公司 | 一种智慧导游装置 |
-
2019
- 2019-01-09 CN CN201910021214.XA patent/CN109858388A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143079A (zh) * | 2013-05-10 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 人脸属性识别的方法和*** |
CN104835085A (zh) * | 2015-05-12 | 2015-08-12 | 成都中科大旗软件有限公司 | 旅游运行监管及安全应急管理联动指挥平台*** |
EP3176736A1 (en) * | 2015-12-04 | 2017-06-07 | Nextop Italia SRL Semplificata | Electronic system and method for travel planning, based on object-oriented technology |
CN106448151A (zh) * | 2016-07-07 | 2017-02-22 | 河南理工大学 | 一种短时交通流预测方法 |
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 |
CN107122846A (zh) * | 2017-03-27 | 2017-09-01 | 中国农业大学 | 一种景区导游方法、服务端、客户端及*** |
CN106918345A (zh) * | 2017-03-27 | 2017-07-04 | 中国农业大学 | 一种景区导览路径的优化方法及装置 |
CN107657226A (zh) * | 2017-09-22 | 2018-02-02 | 电子科技大学 | 一种基于深度学习的人数估计方法 |
CN207966453U (zh) * | 2018-02-02 | 2018-10-12 | 西南交通大学 | 导游无人机 |
CN108446759A (zh) * | 2018-02-11 | 2018-08-24 | 陕西师范大学 | 基于季节性长短期记忆网络模型的旅游客流量预测方法 |
CN108334995A (zh) * | 2018-03-21 | 2018-07-27 | 四川爱非客网络科技有限公司 | 一种基于大数据的景区客流预测*** |
CN108549976A (zh) * | 2018-03-28 | 2018-09-18 | 四川亨通网智科技有限公司 | 智慧旅游大数据分析方法 |
CN109034460A (zh) * | 2018-07-03 | 2018-12-18 | 深圳市和讯华谷信息技术有限公司 | 用于景区客流拥堵程度的预测方法、装置和*** |
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***及其使用方法 |
CN109872664A (zh) * | 2019-01-09 | 2019-06-11 | 武汉中联智诚科技有限公司 | 一种智慧导游装置 |
Non-Patent Citations (5)
Title |
---|
包诗亮: "基于"云+端"模式的智慧旅游平台关键技术研究", 《道客巴巴》 * |
张军挺: "人脸检测及人脸年龄与性别识别方法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
张雅俊: "复杂场景下人流量统计方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王飞等: "基于人脸识别的智能门锁***", 《常熟理工学院学报(自然科学)》 * |
陈文兴等: "带有年龄信息的PCA人脸识别技术", 《数学的时间与认识》 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110147784A (zh) * | 2019-06-26 | 2019-08-20 | 苏州金螳螂怡和科技有限公司 | 一种客流人脸识别流量*** |
CN110147784B (zh) * | 2019-06-26 | 2024-03-26 | 苏州朗捷通智能科技有限公司 | 一种客流人脸识别流量*** |
CN110298772A (zh) * | 2019-07-19 | 2019-10-01 | 赣南医学院 | 基于游客时空行为的健康旅游目的地规划与管理信息*** |
CN110516909A (zh) * | 2019-07-19 | 2019-11-29 | 李达维 | 一种基于大数据分析的城乡资源管理*** |
CN110378736A (zh) * | 2019-07-23 | 2019-10-25 | 中国科学院东北地理与农业生态研究所 | 通过人脸表情识别评价游客对自然资源体验满意度的方法 |
CN110472788A (zh) * | 2019-08-13 | 2019-11-19 | 天津高创安邦技术有限公司 | 一种人员信息预测方法及装置 |
CN110781742A (zh) * | 2019-09-23 | 2020-02-11 | 中国地质大学(武汉) | 一种人流智能识别出行管理*** |
CN112668375A (zh) * | 2019-10-16 | 2021-04-16 | 广东轻工职业技术学院 | 景区内游客分布分析***及方法 |
CN110889326A (zh) * | 2019-10-16 | 2020-03-17 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 基于人体检测的插队行为监测警告***、方法、装置和存储介质 |
CN110889326B (zh) * | 2019-10-16 | 2022-07-01 | 中科南京人工智能创新研究院 | 基于人体检测的插队行为监测警告***、方法、装置和存储介质 |
CN112668375B (zh) * | 2019-10-16 | 2023-07-07 | 广东轻工职业技术学院 | 景区内游客分布分析***及方法 |
CN110782373A (zh) * | 2019-11-01 | 2020-02-11 | 秒针信息技术有限公司 | 景区人数确定方法及装置 |
CN111191501A (zh) * | 2019-11-20 | 2020-05-22 | 恒大智慧科技有限公司 | 智慧景区内游客聚集行为的自动预警方法、设备及介质 |
CN111597459A (zh) * | 2020-04-27 | 2020-08-28 | 上海理工大学 | 景区人流量提前预估兼实时查询方法 |
CN112242040A (zh) * | 2020-10-16 | 2021-01-19 | 成都中科大旗软件股份有限公司 | 一种景区客流多维度监管***及方法 |
CN112347920A (zh) * | 2020-11-06 | 2021-02-09 | 苏州金螳螂文化发展股份有限公司 | 一种基于神经网络展馆区域智能人流量统计采集*** |
CN112381506A (zh) * | 2020-11-10 | 2021-02-19 | 广东电力信息科技有限公司 | 基于物联网及智能预测推荐的智慧食堂管理*** |
CN113221612A (zh) * | 2020-11-30 | 2021-08-06 | 南京工程学院 | 一种基于物联网的视觉智能行人监控***和方法 |
CN112434179A (zh) * | 2020-12-01 | 2021-03-02 | 南京巨兽奇信息科技有限公司 | 一种景区人工智能取照***及其使用方法 |
CN112580877B (zh) * | 2020-12-22 | 2024-04-12 | 安徽东方风景建设有限公司 | 景区内综合管理*** |
CN112580877A (zh) * | 2020-12-22 | 2021-03-30 | 北京东方风景智慧科技有限公司 | 景区内综合管理*** |
WO2022134890A1 (zh) * | 2020-12-25 | 2022-06-30 | 深圳市微网力合信息技术有限公司 | 基于wifi6的通信方法及*** |
CN112926784A (zh) * | 2021-03-05 | 2021-06-08 | 江苏唱游数据技术有限公司 | 一种适用于文旅产业监测的景区人流量峰值预测方法 |
CN112966947A (zh) * | 2021-03-13 | 2021-06-15 | 深圳大智汇信息科技有限公司 | 一种基于物联网的智慧旅游景区管理方法及*** |
CN112966947B (zh) * | 2021-03-13 | 2021-09-14 | 深圳大智汇信息科技有限公司 | 一种基于物联网的智慧旅游景区管理方法及*** |
CN113112070A (zh) * | 2021-04-09 | 2021-07-13 | 南京邮电大学 | 一种基于智慧灯杆的景区客流调度方法 |
CN112988847A (zh) * | 2021-04-20 | 2021-06-18 | 广东智九信息科技有限公司 | 一种基于大数据的景区人数预测***以及方法 |
CN113361734B (zh) * | 2021-06-09 | 2023-11-07 | 合肥工业大学 | 一种风景区客流密度统计*** |
CN113361734A (zh) * | 2021-06-09 | 2021-09-07 | 合肥工业大学 | 一种风景区客流密度统计*** |
CN113723261A (zh) * | 2021-08-24 | 2021-11-30 | 国网上海市电力公司 | 一种多行人目标识别方法及*** |
CN113747640A (zh) * | 2021-09-03 | 2021-12-03 | 深圳时空数字科技有限公司 | 一种数字展厅灯光智能中央控制方法及*** |
CN113747640B (zh) * | 2021-09-03 | 2024-02-09 | 深圳时空数字科技有限公司 | 一种数字展厅灯光智能中央控制方法及*** |
CN113780173A (zh) * | 2021-09-10 | 2021-12-10 | 黄河水利职业技术学院 | 一种面部识别***及识别方法 |
CN113780173B (zh) * | 2021-09-10 | 2023-09-22 | 黄河水利职业技术学院 | 一种面部识别***及识别方法 |
CN114677181A (zh) * | 2022-04-19 | 2022-06-28 | 华讯高科股份有限公司 | 一种智慧文旅大数据平台 |
CN116630100A (zh) * | 2023-07-25 | 2023-08-22 | 珠海大横琴泛旅游发展有限公司 | 旅游数据处理方法、装置、设备及存储介质 |
CN116630100B (zh) * | 2023-07-25 | 2024-01-30 | 珠海大横琴泛旅游发展有限公司 | 旅游数据处理方法、装置、设备及存储介质 |
CN117473169A (zh) * | 2023-12-27 | 2024-01-30 | 环球数科集团有限公司 | 一种基于aigc的文旅数据筛选方法 |
CN117473169B (zh) * | 2023-12-27 | 2024-04-16 | 环球数科集团有限公司 | 一种基于aigc的文旅数据筛选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858388A (zh) | 一种智慧旅游管理*** | |
CN114390079B (zh) | 一种智慧城市公共场所管理方法和物联网*** | |
CN108549926A (zh) | 一种用于精细化识别车辆属性的深度神经网络及训练方法 | |
CN109584248A (zh) | 基于特征融合和稠密连接网络的红外面目标实例分割方法 | |
CN110472870A (zh) | 一种基于人工智能的收银台服务规范检测*** | |
CN109948425A (zh) | 一种结构感知自注意和在线实例聚合匹配的行人搜索方法及装置 | |
CN105590099B (zh) | 一种基于改进卷积神经网络的多人行为识别方法 | |
CN109101914A (zh) | 一种基于多尺度的行人检测方法和装置 | |
CN108549895A (zh) | 一种基于对抗网络的半监督语义分割方法 | |
CN112668375B (zh) | 景区内游客分布分析***及方法 | |
CN108205661A (zh) | 一种基于深度学习的atm机异常人脸检测方法 | |
CN109033325A (zh) | 基于人脸识别技术的旅游终端***及其使用方法 | |
CN106101222A (zh) | 信息的推送方法和装置 | |
CN109117883A (zh) | 基于长短时记忆网络的sar影像海冰分类方法及*** | |
CN104134364B (zh) | 具有自我学习能力的实时交通标记识别方法及*** | |
CN109935080A (zh) | 一种交通线路上的车流量实时计算的监测***及方法 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及*** | |
CN106682681A (zh) | 一种基于相关反馈的识别算法自动改进方法 | |
CN107368947A (zh) | 一种游乐场管理方法及装置 | |
CN109800756A (zh) | 一种用于中文历史文献密集文本的文字检测识别方法 | |
CN107392254A (zh) | 一种通过联合嵌入从像素中构造图像的语义分割方法 | |
CN115719475B (zh) | 一种基于深度学习的三阶段轨旁设备故障自动检测方法 | |
CN108345900A (zh) | 基于颜色纹理分布特征的行人重识别方法及其*** | |
CN110688888A (zh) | 一种基于深度学习的行人属性识别方法和*** | |
CN109117723A (zh) | 基于颜色模式分析与语义分割的盲道检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |
|
RJ01 | Rejection of invention patent application after publication |