[發明專利]滑雪場設備的調度方法、裝置及系統

有效

• 申請號: 202210632346.8
• 申請日: 2022-06-07
• 公開（公告）號: CN114708622B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 吳楊;陳康康
• 申請（專利權）人: 成都點澤智能科技有限公司;風云張家口信息技術系統有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/40;G06V10/774;G06V10/764;G06K9/62;G06T5/00
• 代理公司: 成都極刻智慧知識產權代理事務所(普通合伙) 51310
• 代理人: 張紅平

1.一種滑雪場設備的調度方法，其特征在于，應用于滑雪場調度系統中的計算機設備，所述滑雪場調度系統還包括與所述計算機設備通信連接的圖像采集設備及待調度的滑雪場設備，所述圖像采集設備用于拍攝雪道的圖像，所述方法包括：

獲取預設時間段內所述圖像采集設備拍攝的雪道時序幀圖像；

從所述雪道時序幀圖像中獲取包括滑雪對象的目標幀圖像序列；

基于所述目標幀圖像序列得到雪道各位置區域在所述預設時間段的耗損特征參數；

根據所述雪道各位置區域在所述預設時間段的耗損特征參數生成修復所述雪道各位置區域的修復方案；

基于所述修復方案調度滑雪場設備對所述雪道各位置區域進行修復；

所述基于所述目標幀圖像序列得到雪道各位置區域在所述預設時間段的耗損特征參數的步驟，包括：

根據所述目標幀圖像序列提取雪道滑行特征集，其中，所述雪道滑行特征集包括多個雪道滑行特征向量，每個所述雪道滑行特征向量包括滑雪對象的體型、滑雪對象的裝備類型、滑雪對象滑過所述雪道各位置區域的滑雪速度及滑雪對象滑過所述雪道各位置區域時留下的劃痕深度；

將所述雪道滑行特征集輸入預先訓練好的雪道耗損評估模型中進行評估，所述訓練好的雪道耗損評估模型基于所述預設時間段內相同類型的滑雪對象和不同類型的滑雪對象經過所述雪道各位置區域時的劃痕深度變化輸出所述雪道各位置區域在所述預設時間段的耗損特征參數，其中，相同類型的滑雪對象是指具有同一體型、采用相同類型裝備并基于預設范圍內的滑雪速度經過所述雪道各位置區域的滑雪對象，不同類型的滑雪對象是指體型、裝備類型以及滑雪速度中至少一個不相同的滑雪對象；

在將所述雪道滑行特征集輸入預先訓練好的雪道耗損評估模型中進行評估的步驟之前，所述方法還包括訓練雪道耗損評估模型的步驟，該步驟包括：

獲取訓練樣本序列，所述訓練樣本序列包括多個樣本數據和一個樣本標簽，每個所述樣本數據包括滑雪對象的體型、滑雪對象的裝備類型、滑雪對象滑過所述雪道各位置區域的滑雪速度及滑雪對象滑過所述雪道各位置區域時留下的劃痕深度，所述訓練樣本序列中包括相同類型的滑雪對象和不同類型的滑雪對象在時序上存在先后關系的多個訓練樣本，所述樣本標簽包括雪道耗損特征標簽參數；

構造一深度學習模型，所述深度學習模型包括特征分組層、特征處理層及耗損特征評估層；

按照時序先后順序將所述訓練樣本序列中的訓練樣本輸入到所述特征分組層中，所述特征分組層基于所述滑雪對象的體型、所述滑雪對象的裝備類型及所述滑雪對象滑過所述雪道各位置區域的滑雪速度對所述滑雪對象分組，將分組后滑雪對象對應的訓練樣本輸入所述特征處理層中；

所述特征處理層對同一分組的訓練樣本中滑雪對象按照時序先后順序滑過所述雪道各位置區域時留下的劃痕深度進行特征處理后得到一雪道耗損預測分量，并輸出給所述耗損特征評估層；

所述耗損特征評估層基于不同分組的訓練樣本得到的雪道耗損預測分量計算得到雪道耗損預測參數；

基于所述雪道耗損預測參數與所述雪道耗損特征標簽參數判定所述深度學習模型是否收斂，若不收斂，調整所述特征分組層、所述特征處理層及所述耗損特征評估層中的模型參數，然后重新回到所述按照時序先后順序將所述訓練樣本序列中的訓練樣本輸入到所述特征分組層中的步驟，直到所述深度學習模型收斂，將收斂的深度學習模型作為訓練好的雪道耗損評估模型。

2.如權利要求1所述的滑雪場設備的調度方法，其特征在于，所述根據所述目標幀圖像序列提取雪道滑行特征集的步驟包括：

采用雪道滑行特征提取網絡從所述目標幀圖像序列中提取所述雪道滑行特征集，其中，所述雪道滑行特征提取網絡包括人物識別子網絡、裝備識別子網絡、人物分類子網絡、裝備分類子網絡、速度檢測子網絡及劃痕檢測子網絡，所述人物識別子網絡的輸出作為所述人物分類子網絡和所述速度檢測子網絡的輸入，所述裝備識別子網絡的輸出作為所述裝備分類子網絡和所述劃痕檢測子網絡的輸入。