[發明專利]基于人工智能的景區危險區域管控方法

在審

• 申請號: 202011570349.0
• 申請日: 2020-12-26
• 公開（公告）號: CN112613668A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 劉瑜
• 申請（專利權）人: 西安科銳盛創新科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/14;G06Q50/26;G06K9/00;G06K9/62;G06N3/04
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 王海棟

1.一種基于人工智能的景區危險區域管控方法，其特征在于，包括：

采集景區危險區域的視頻，所述景區危險區域的視頻中的目標包括游客和危險區域標識；

基于所述區危險區域的視頻生成關于所述游客和所述危險區域標識的空間位置關系的空間與或圖模型；

從所述空間與或圖模型中提取表征所述游客的活動狀態的子活動標簽集；

將所述子活動標簽集輸入預先得到的時間與或圖模型，得到所述游客未來活動的預測結果；其中，所述時間與或圖模型是利用預先建立的所述景區危險區域的目標的活動語料庫得到的；

基于所述預測結果對所述景區危險區域進行管控。

2.根據權利要求1所述的基于人工智能的景區危險區域管控方法，其特征在于，所述危險區域標識包括第一標識和第二標識，且所述第一標識與所述危險邊緣之間的距離大于所述第二標識與所述危險邊緣之間的距離。

3.根據權利要求1或2所述的基于人工智能的景區危險區域管控方法，其特征在于，所述危險區域標識包括豎立于地面的警告牌和鋪設于地面的警示線。

4.根據權利要求1或3所述的基于人工智能的景區危險區域管控方法，其特征在于，所述基于所述所述區危險區域的視頻生成關于所述游客和所述危險區域標識的空間位置關系的空間與或圖模型，包括：

利用預先訓練得到的目標檢測網絡對所述景區危險區域的視頻中的目標進行檢測，得到所述視頻的每一幀圖像中各目標分別對應的屬性信息；其中，所述屬性信息包括包含所述目標的邊界框的位置信息；

基于所述每一幀圖像中各目標分別對應的屬性信息，利用預設的多目標跟蹤算法對所述景區危險區域的視頻的各幀圖像中的相同目標進行匹配；

確定每一幀圖像中所述游客和所述危險區域標識之間的實際空間距離；

利用匹配后各幀圖像對應的目標的所述屬性信息以及所述實際空間距離，生成所述景區危險區域的空間與或圖模型。

5.根據權利要求4所述的基于人工智能的景區危險區域管控方法，其特征在于，所述目標檢測網絡是基于YOLO_v3網絡的主干網絡中，殘差模塊更換為密集連接模塊得到的。

6.根據權利要求5所述的基于人工智能的景區危險區域管控方法，其特征在于，所述目標檢測網絡包括多個間隔串接的密集連接模塊和過渡模塊；所述密集連接模塊的數量至少為三個；所述密集連接模塊包括串行連接的卷積網絡模塊和密集連接單元組；所述卷積網絡模塊包括串行連接的卷積層、BN層、Leaky relu層；所述密集連接單元組包括m個密集連接單元；每個密集連接單元包括多個采用密集連接形式連接的所述卷積網絡模塊，并采用級聯方式融合多個卷積網絡模塊輸出的特征圖；其中，m為大于等于4的自然數。

7.根據權利要求2或6所述的基于人工智能的景區危險區域管控方法，其特征在于，所述確定每一幀圖像中所述游客和所述危險區域標識之間的實際空間距離，包括：

在每一幀圖像中，確定每個目標的像素坐標；

針對每個目標，利用單目視覺定位測距技術，計算該目標的所述像素坐標在世界坐標系中對應的實際坐標；

針對每一幀圖像，利用該幀圖像中所述游客和所述危險區域標識的所述實際坐標，得到該幀圖像中所述游客和所述危險區域標識之間的實際空間距離。

8.根據權利要求2或6所述的基于人工智能的景區危險區域管控方法，其特征在于，所述從所述空間與或圖模型中提取表征所述游客的活動狀態的子活動標簽集，包括：

將所述空間與或圖模型中，所述危險區域標識，以及與所述危險區域標識的所述實際空間距離小于預設距離閾值的游客確定為關注目標；

針對每一幀圖像，確定每對所述關注目標的實際空間距離和各關注目標的速度值；

通過依次比較后一幀圖像和前一幀圖像，得到表征每對所述關注目標的實際空間距離變化情況的距離變化信息，以及表征各關注目標的速度值變化情況的速度變化信息；

利用語義標簽描述各關注目標依次得到的所述距離變化信息以及所述速度變化信息，生成表征所述游客與危險區域標識的活動狀態的子活動標簽集。