【技术实现步骤摘要】
本专利技术涉及智能旅游服务，具体而言，涉及一种基于景区视频客流轨迹分析的智能交互方法及系统。
技术介绍
1、景区客流轨迹分析是指对游客在景区内的移动路径、停留点和流量分布进行的系统分析的过程。传统的景区游客分析方法通常依赖于问卷调查、人工计数或者简单的闭路电视摄像头监控来收集数据。这些方法虽然能够提供一些基本信息，但也存在明显的局限性。
2、传统方法虽然可以知道游客的进出时间，但很难获得他们在景区内具体的行动路径和停留点，进而无法对游客的轨迹进行精确跟踪；同时，传统景区客流轨迹分析方法在实时流量判断上过于粗略，无法准确反映实时的人流变化和密度；在游客特征分析方面，传统方法难以识别游客年龄段、性别等属性，导致无法及时调整景区的运营策略，对景区服务进行个性化设计。
3、此外，传统的游客互动方式通常是静态的，比如固定的指示牌和广播，缺乏个性化和动态互动。这些互动方式未能充分考虑到不同游客群体的特定需求和兴趣，也没有利用现代技术来增强游客的体验。
技术实现思路
1、有鉴于此，本专利技术旨在提供一种基于景区视频客流轨迹分析的智能交互方法及系统，旨在解决传统游客轨迹跟踪方法跟踪不精确，难以判断实时人流变化，且与游客交互缺乏针对性、较为死板的问题。
2、一种基于视频的景区游客分析方法，包括以下步骤：
3、s1：视频数据预处理，提取视频流中的关键帧；
4、s2：构建游客特征识别网络，对游客特征进行识别；
5、s3：构建游客追踪
6、s4：构建游客热力图，将游客运动轨迹、人流量进行实时可视化；
7、s5：结合景区声光电设备，针对当前区域游客年龄段，进行个性互动；
8、进一步地，所述s1步骤视频数据预处理，提取视频流中的关键帧，包括：
9、s11：视频流解码，将原始视频数据流转换为可分析的帧序列；
10、s12：根据所需要分析的时间精度，设定固定的时间间隔；
11、s13：在设定的时间间隔到达时，从视频流中抽取当前帧作为关键帧；
12、与传统视频分析方法相比，传统方法会消耗大量的计算资源处理视频流中的连续帧，而本专利技术根据分析的时间精度需求，设定固定的时间间隔进行采样，减少过多冗余帧带来的计算负担，在减少数据量的同时保留视频中的重要信息，达到降低数据处理时间的目的，使得系统能够更快地响应游客行为变化。
13、进一步地，所述s2步骤构建游客特征识别网络，对游客特征进行识别，包括：
14、s21：通过卷积神经网络提取关键帧的特征表示，输出特征图；
15、s22：将特征图输入superpoint网络，并将生成的兴趣点延伸为兴趣框，同时根据每个兴趣点的特征描述向量，计算兴趣框的特征描述向量，计算方式为：
16、pi,di＝superpoint(picture(1))
17、其中，pi为兴趣点，i为点索引，di为兴趣点的特征描述向量，superpoint()为superpoint网络操作，picture(1)为特征图；
18、兴趣点通常为图像中的角点或者纹理变化明显的点，一般分布在游客的轮廓，或游客身上特征明显的部分，如衣服的图案、颜色边界等。对于每个游客，superpoint网络会在其所在的几十个或几百个像素点上标记出多个兴趣点。这些兴趣点的集合，连同它们的描述符，共同构成了对该游客的全面描述。这样不依赖于单一的特征点，而是利用了游客身上多个特征点信息的方式，有利于后续的跟踪和特征分析，提高追踪的准确性。这也意味着，即使在游客部分身体被遮挡或者发生姿态变化的情况下，系统仍然能过够通过其他未被遮挡的兴趣点来进行有效的追踪，使得本专利技术更加适合应对景区内复杂的场景变化；
19、
20、其中，dj为兴趣框的特征描述向量，j为框索引，k为兴趣框的边长；
21、s23：构建年龄段分类层，并将每个兴趣框输入年龄段分类层，得到每个兴趣框的年龄段类别向量，类别包括：儿童、成年人、老年人、无类别，计算方式为：
22、oj＝mlp(dj)
23、o′j＝softmax(oj)
24、其中，oj为兴趣框的年龄段类别向量，mlp()为前向传播操作，o′j为兴趣框的年龄段类别概率分布，softmax()为softmax操作；
25、计算出o′j后，挑选出o′j中概率最高的类别，作为该兴趣框的年龄段类别；
26、传统的特征识别方法依赖于更简单的特征提取技术，如颜色直方图或边缘检测，不足以准确区分不同年龄段的游客，而结合mlp和softmax处理，利用兴趣框的特征描述向量来预测年龄段，能够学习到更复杂的特征表示，提供更精确的年龄段分类；同时，由于步骤s22中的兴趣框是自监督训练产生的，因此会导致将一些景区物体也作为兴趣框；此时，通过年龄段分类层进行年龄分类，没有年龄段信息的兴趣框会自动被标记为“无类别”，起到了过滤数据的作用，提高了数据质量；
27、s24：根据年龄段类别向量对游客年龄段进行分类，并统计各年龄段类别的人数，得到该位置的人流量；
28、s25：将年龄段类别向量与兴趣框的特征描述向量进行拼接，得到第一游客特征向量，计算方式为：
29、
30、其中，为第一游客特征向量，concat[,]为拼接操作；
31、通过将年龄段类别向量与兴趣框的特征描述向量进行拼接，结合了两种类型的信息：一种是基于外观的特征描述向量，另一种是基于年龄段的分类结果，使得每个游客的特征表示更加全面，为后续的跨多个摄像头进行游客追踪提供了更丰富的信息；同时，也可以将年龄段作为游客特征，使得控制景区声光电设备时，系统能够根据游客的年龄段和外观特征提供更加个性化的服务。
32、进一步地，所述s3步骤构建游客追踪网络，跨多个摄像头对游客进行追踪，还原游客实时位置，包括：
33、s31：利用游客特征识别网络，对下一个位置摄像头的画面进行处理，得到第二游客特征向量，计算方式为：
34、
35、其中，为第二游客特征向量，featurerec()为游客特征识别网络操作，picture(2)为下一个位置的摄像头画面的特征图；
36、s32：构建游客追踪网络，将第一游客特征向量与此兴趣框周围的3个第一游客特征向量，输入游客追踪关系计算层，得到第一游客关系向量，计算方式为：
37、
38、其中，为第一游客关系向量，cnn()为卷积神经网络操作，分别为与此兴趣框相邻最近的3个兴趣框对应的第一游客特征向量；
39、s33：将第二游客特征向量与此兴趣框周围的3个第二游客特征向量，输入游客追踪关系计算层，得到第二游客关系向量；
40、
41、其中，为第二游客关系向量，，分别为与此兴本文档来自技高网...
【技术保护点】
1.一种基于景区视频客流轨迹分析的智能交互方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求2所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤S2包括以下步骤：
4.根据权利要求3所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤S3包括以下步骤：
5.根据权利要求4所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤S4包括以下步骤：
6.根据权利要求5所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤S5包括以下步骤：
7.一种基于景区视频客流轨迹分析的智能交互系统，其特征在于，包括：
【技术特征摘要】
1.一种基于景区视频客流轨迹分析的智能交互方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求2所述的基于景区视频客流轨迹分析的智能交互方法，其特征在于，所述步骤s2包括以下步骤：
4.根据权利要求3所述的基于景区视频客流轨迹分析...
【专利技术属性】
技术研发人员：钱苏哲，张品，赵晓栋，
申请(专利权)人：无锡拈花湾文化旅游发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。