基于人工智能的数据处理方法及装置制造方法及图纸

本公开关于基于人工智能的数据处理方法及装置，该方法包括基于人工智能获取预设时间片段对应的定位数据；对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中；通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达。利用本公开实施例可以得到时间段内的各个时间片段的生长区间对应的人群分布，从而可以得到人群分布图序列，或者人群分布图动画，通过动画展示可以清楚的表达人群分布在所述时间段内的纵向变化规律。

【技术实现步骤摘要】
基于人工智能的数据处理方法及装置
本公开涉及数据处理领域，尤其涉及、基于人工智能的数据处理方法及装置。
技术介绍
随着科技的发展，地理位置数据在人们的日常生活中以及数据分析中占据了越来越重要的地位，掌握地理位置数据的分布规律和变化趋势可以为用户提供更好的基于地理位置信息的服务，也是相关技术努力的方向。
技术实现思路
本公开提供基于人工智能的数据处理方法及装置。本公开的技术方案如下：基于人工智能的数据处理方法，包括：基于人工智能获取预设时间片段对应的定位数据；对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中；通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达。优选的，所述基于人工智能获取预设时间片段对应的定位数据，包括：触发摄像头采集所述预设时间片段内的图像数据，所述图像数据的拍摄区域形成了目标区域；基于神经网络对所述图像数据进行行人识别，得到行人识别结果；根据所述行人识别结果中的每个行人，得到对应的行人位置数据；提取所述时间片段中室内定位结果，获取所述的室内定位结果中的每个室内定位数据。优选的，所述对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中，包括：获取所述目标区域的有效位置数据，所述有效位置数据包括落入所述目标区域内的所述位置数据和所述室内定位数据；将所述目标区域进行网格划分，并且按照预设顺序对划分的网格进行编号；根据所述目标区域内的有效位置数据与所述网格之间的关系，根据所述网格进行网格生长，得到网格生长结果；根据网格生长结果将所述有效位置数据存储在对应的云节点上。优选的，所述通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达，包括：获取待表达时间段；获取所述待表达时间段对应的时间片段序列；计算所述时间片段序列中每个时间片段对应的人群分布；根据所述时间片段序列和每个时间片段对应的人群分布，得到人群分布图序列。优选的，根据所述人群分布图序列生成动画。基于人工智能的数据处理装置，包括：定位数据获取模块，用于基于人工智能获取预设时间片段对应的定位数据；存储模块，用于对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中；渲染模块，用于通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达。优选的，所述定位数据获取模块，包括：图像数据采集单元，用于触发摄像头采集所述预设时间片段内的图像数据，所述图像数据的拍摄区域形成了目标区域；识别单元，用于基于神经网络对所述图像数据进行行人识别，得到行人识别结果；行人位置数据确定单元，用于根据所述行人识别结果中的每个行人，得到对应的行人位置数据；室内定位单元，用于提取所述时间片段中室内定位结果，获取所述的室内定位结果中的每个室内定位数据。优选的，所述存储模块，包括：有效位置数据获取单元，用于获取所述目标区域的有效位置数据，所述有效位置数据包括落入所述目标区域内的所述位置数据和所述室内定位数据；编号单元，用于将所述目标区域进行网格划分，并且按照预设顺序对划分的网格进行编号；生长单元，用于根据所述目标区域内的有效位置数据与所述网格之间的关系，根据所述网格进行网格生长，得到网格生长结果；存储单元，用于根据网格生长结果将所述有效位置数据存储在对应的云节点上。优选的，所述渲染模块，包括：待表达时间段获取单元，用于获取待表达时间段；时间片段序列确定单元，用于获取所述待表达时间段对应的时间片段序列；人群分布计算单元，用于计算所述时间片段序列中每个时间片段对应的人群分布；人群分布图序列生成单元门用于根据所述时间片段序列和每个时间片段对应的人群分布，得到人群分布图序列。本公开的实施例提供的技术方案至少带来以下有益效果：本专利技术实施例中基于人工智能的数据处理方法，可以得到时间段内的各个时间片段的生长区间对应的人群分布，从而可以得到人群分布图序列，或者人群分布图动画，通过动画展示可以清楚的表达人群分布在所述时间段内的纵向变化规律。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。图1是根据一示例性实施例示出的基于人工智能的数据处理方法的示意图。图2是根据一示例性实施例示出的行人识别模型的训练方法的流程图；图3是根据一示例性实施例示出的对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中的流程示意图；图4是根据一示例性实施例示出的根据网格生长结果将所述有效位置数据存储在对应的云节点上的流程示意图；图5是根据一示例性实施例示出的通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达的流程示意图；图6是根据一示例性实施例示出的基于人工智能的数据处理装置的框图。具体实施方式为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。请参阅图1，图1是根据一示例性实施例示出的基于人工智能的数据处理方法，如图1所示，所述方法包括：S101.基于人工智能获取预设时间片段对应的定位数据。具体地，所述基于人工智能获取预设时间片段对应的定位数据，包括：S1011.触发摄像头采集所述预设时间片段内的图像数据，所述图像数据的拍摄区域形成了目标区域。本公开实施例中不同摄像头的拍摄区域不存在重叠，并且所述摄像头拍摄区域的并集即为所述目标区域。S1012.基于神经网络对所述图像数据进行行人识别，得到行人识别结果。本公开实施例中所述神经网络可以为预设的行人识别模型，所述行人识别模型的训练方法如图2所示，包括：S10121.获取图像样本集，所述图像样本集中的每个图像样本均对应一幅分割掩膜，所述分割掩膜用于区分存在行人的区域和不存在行人的区域，并且所述图像样本的标注结果表征所述图像样本中的行人。S10122.将所述图像样本输入所述特征提取网络，得到特征提取结果；将所述特征提取结果输入所述图像分割网络，得本文档来自技高网...

【技术保护点】
1.基于人工智能的数据处理方法，其特征在于，包括：/n基于人工智能获取预设时间片段对应的定位数据；/n对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中；/n通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达。/n

【技术特征摘要】
1.基于人工智能的数据处理方法，其特征在于，包括：
基于人工智能获取预设时间片段对应的定位数据；
对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中；
通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达。


2.根据权利要求1所述的基于人工智能的数据处理方法，其特征在于，所述基于人工智能获取预设时间片段对应的定位数据，包括：
触发摄像头采集所述预设时间片段内的图像数据，所述图像数据的拍摄区域形成了目标区域；
基于神经网络对所述图像数据进行行人识别，得到行人识别结果；
根据所述行人识别结果中的每个行人，得到对应的行人位置数据；
提取所述时间片段中室内定位结果，获取所述的室内定位结果中的每个室内定位数据。


3.根据权利要求2所述的基于人工智能的数据处理方法，其特征在于，所述对所述定位数据进行存储，并将存储结果记录在管理表和云端节点组中，包括：
获取所述目标区域的有效位置数据，所述有效位置数据包括落入所述目标区域内的所述位置数据和所述室内定位数据；
将所述目标区域进行网格划分，并且按照预设顺序对划分的网格进行编号；
根据所述目标区域内的有效位置数据与所述网格之间的关系，根据所述网格进行网格生长，得到网格生长结果；
根据网格生长结果将所述有效位置数据存储在对应的云节点上。


4.根据权利要求3所述的基于人工智能的数据处理方法，其特征在于，所述通过访问所述管理表以及所述云端节点组中的节点，进行定位数据的可视化表达，包括：
获取待表达时间段；
获取所述待表达时间段对应的时间片段序列；
计算所述时间片段序列中每个时间片段对应的人群分布；
根据所述时间片段序列和每个时间片段对应的人群分布，得到人群分布图序列。


5.根据权利要求4所述的基于人工智能的数据处理方法，其特征在于，根据所述人群分布图序列生成动画。


6.基...

【专利技术属性】
技术研发人员：刘晓宏，余华琼，邵林俊，许晶晶，
申请(专利权)人：八维通科技有限公司，
类型：发明
国别省市：浙江;33