基于人工智能的景区危险区域管控方法技术

本发明专利技术公开了一种基于人工智能的景区危险区域管控方法，包括：采集景区危险区域的视频，景区危险区域的视频中的目标包括游客和危险区域标识；基于区危险区域的视频生成关于游客和危险区域标识的空间位置关系的空间与或图模型；从空间与或图模型中提取表征游客的活动状态的子活动标签集；将子活动标签集输入预先得到的时间与或图模型，得到游客未来活动的预测结果；其中，时间与或图模型是利用预先建立的景区危险区域的目标的活动语料库得到的；基于预测结果对景区危险区域进行管控。本发明专利技术实施例利用时空与或图模型能够对危险区域游客的活动进行准确、快速预测，从而实现及时有效的危险提醒和防范。

【技术实现步骤摘要】
基于人工智能的景区危险区域管控方法
本专利技术属于监控
，具体涉及一种基于人工智能的景区危险区域管控方法。
技术介绍
旅游景区通常都会存在一些危险区域，比如悬崖边、深湖边等危险区域，游客冒然进入会造成身体伤害甚至生命危险；目前常用的对游客的提醒手段有危险标识牌或栅栏；但只有危险标识牌的话，游客很可能因为没有及时看到而发生意外；更为保险的做法是即设置危险标识牌又设置栅栏；但直接设置栅栏虽然更安全，却对会影响游客拍照的美观度。
技术实现思路
为了解决上述技术问题，本专利技术实施例提供了一种基于人工智能的景区危险区域管控方法。具体技术方案如下：采集景区危险区域的视频，所述景区危险区域的视频中的目标包括游客和危险区域标识；基于所述区危险区域的视频生成关于所述游客和所述危险区域标识的空间位置关系的空间与或图模型；从所述空间与或图模型中提取表征所述游客的活动状态的子活动标签集；将所述子活动标签集输入预先得到的时间与或图模型，得到所述游客未来活动的预测结果；其中，所述时间与或图模型是利用预先建立的所述景区危险区域的目标的活动语料库得到的；基于所述预测结果对所述景区危险区域进行管控。在本专利技术的一个实施例中，所述危险区域标识包括第一标识和第二标识，且所述第一标识与所述危险边缘之间的距离大于所述第二标识与所述危险边缘之间的距离。在本专利技术的一个实施例中，所述危险区域标识包括竖立于地面的警告牌和铺设于地面的警示线。在本专利技术的一个实施例中，所述基于所述所述区危险区域的视频生成关于所述游客和所述危险区域标识的空间位置关系的空间与或图模型，包括：利用预先训练得到的目标检测网络对所述景区危险区域的视频中的目标进行检测，得到所述视频的每一帧图像中各目标分别对应的属性信息；其中，所述属性信息包括包含所述目标的边界框的位置信息；基于所述每一帧图像中各目标分别对应的属性信息，利用预设的多目标跟踪算法对所述景区危险区域的视频的各帧图像中的相同目标进行匹配；确定每一帧图像中所述游客和所述危险区域标识之间的实际空间距离；利用匹配后各帧图像对应的目标的所述属性信息以及所述实际空间距离，生成所述景区危险区域的空间与或图模型。在本专利技术的一个实施例中，所述目标检测网络是基于YOLO_v3网络的主干网络中，残差模块更换为密集连接模块得到的。在本专利技术的一个实施例中，所述目标检测网络包括多个间隔串接的密集连接模块和过渡模块；所述密集连接模块的数量至少为三个；所述密集连接模块包括串行连接的卷积网络模块和密集连接单元组；所述卷积网络模块包括串行连接的卷积层、BN层、Leakyrelu层；所述密集连接单元组包括m个密集连接单元；每个密集连接单元包括多个采用密集连接形式连接的所述卷积网络模块，并采用级联方式融合多个卷积网络模块输出的特征图；其中，m为大于等于4的自然数。在本专利技术的一个实施例中，所述确定每一帧图像中所述游客和所述危险区域标识之间的实际空间距离，包括：在每一帧图像中，确定每个目标的像素坐标；针对每个目标，利用单目视觉定位测距技术，计算该目标的所述像素坐标在世界坐标系中对应的实际坐标；针对每一帧图像，利用该帧图像中所述游客和所述危险区域标识的所述实际坐标，得到该帧图像中所述游客和所述危险区域标识之间的实际空间距离。在本专利技术的一个实施例中，所述从所述空间与或图模型中提取表征所述游客的活动状态的子活动标签集，包括：将所述空间与或图模型中，所述危险区域标识，以及与所述危险区域标识的所述实际空间距离小于预设距离阈值的游客确定为关注目标；针对每一帧图像，确定每对所述关注目标的实际空间距离和各关注目标的速度值；通过依次比较后一帧图像和前一帧图像，得到表征每对所述关注目标的实际空间距离变化情况的距离变化信息，以及表征各关注目标的速度值变化情况的速度变化信息；利用语义标签描述各关注目标依次得到的所述距离变化信息以及所述速度变化信息，生成表征所述游客与危险区域标识的活动状态的子活动标签集。在本专利技术的一个实施例中，所述将所述子活动标签集输入预先得到的时间与或图模型，得到所述被监护人未来活动的预测结果，包括：将所述子活动标签集输入所述时间与或图模型，利用Earley解析器的在线符号预测算法得到所在环境中，所述游客未来活动的预测结果，所述预测结果包括所述游客未来的子活动标签和出现的概率值。在本专利技术的一个实施例中，所述基于所述预测结果对所述景区危险区域进行管控，包括：当所述预测结果表征有游客接近所述第一标识时，向所述游客发出危险警告语音；当所述预测结果表征有游客接近所述第二标识时，向危险区域栅栏控制器发出控制信号，以使所述危险区域栅栏拉开或升起以建立围挡。本专利技术实施例提供了一种基于人工智能的景区危险区域管控方法，首次将时空与或图引入目标活动预测领域。首先通过分析景区危险区域的视频中游客和危险区域标识的空间位置关系生成空间与或图模型；其次对空间与或图模型进行活动状态提取，获得包括游客和危险区域标识各关注目标的子活动标签集，实现景区危险区域的视频的高级语义提取；然后将子活动标签集作为预先得到的时间与或图模型的输入，通过时间与或图的时间语法来得到被关注游客下一个子活动的预测。本专利技术实施例利用时空与或图模型能够对危险区域游客的活动进行准确、快速预测，从而实现及时有效的危险提醒和防范。附图说明图1为本专利技术实施例所提供的一种基于人工智能的景区危险区域管控方法的流程图；图2为现有技术中的YOLO_v3网络的结构示意图；图3为本专利技术实施例所提供的场景目标检测网络的结构示意图；图4为本专利技术实施例所提供的过渡模块的结构示意图；图5为本专利技术实施例作为示例的交通路口时间语法(T-AOG)的结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参见图1，图1是本专利技术实施例提供的一种基于人工智能的景区危险区域管控方法的流程图，本专利技术实施例的基于人工智能的景区危险区域管控方法，包括：S11、采集景区危险区域的视频，景区危险区域的视频中的目标包括游客和危险区域标识。本专利技术实施例中，景区危险区域指的是悬崖边，深水的湖边或河边等。在危险区域，可以通过设置在危险区域周围的摄像头来实现景区危险区域的视频的采集。可以理解的是，采集的视频中含有多帧图像，且没一帧图像都包括游客和危险区域标识，且本专利技术实施例将游客和危险区域标识作为待识别的目标。本专利技术实施例中，要求视频的每一帧图像的尺寸为416×416×3。因此，在该步骤，一种实施方式中，可以直接获得满足416×416×3图像尺寸的视频；另本文档来自技高网...

【技术保护点】
1.一种基于人工智能的景区危险区域管控方法，其特征在于，包括：/n采集景区危险区域的视频，所述景区危险区域的视频中的目标包括游客和危险区域标识；/n基于所述区危险区域的视频生成关于所述游客和所述危险区域标识的空间位置关系的空间与或图模型；/n从所述空间与或图模型中提取表征所述游客的活动状态的子活动标签集；/n将所述子活动标签集输入预先得到的时间与或图模型，得到所述游客未来活动的预测结果；其中，所述时间与或图模型是利用预先建立的所述景区危险区域的目标的活动语料库得到的；/n基于所述预测结果对所述景区危险区域进行管控。/n

【技术特征摘要】
1.一种基于人工智能的景区危险区域管控方法，其特征在于，包括：
采集景区危险区域的视频，所述景区危险区域的视频中的目标包括游客和危险区域标识；
基于所述区危险区域的视频生成关于所述游客和所述危险区域标识的空间位置关系的空间与或图模型；
从所述空间与或图模型中提取表征所述游客的活动状态的子活动标签集；
将所述子活动标签集输入预先得到的时间与或图模型，得到所述游客未来活动的预测结果；其中，所述时间与或图模型是利用预先建立的所述景区危险区域的目标的活动语料库得到的；
基于所述预测结果对所述景区危险区域进行管控。


2.根据权利要求1所述的基于人工智能的景区危险区域管控方法，其特征在于，所述危险区域标识包括第一标识和第二标识，且所述第一标识与所述危险边缘之间的距离大于所述第二标识与所述危险边缘之间的距离。


3.根据权利要求1或2所述的基于人工智能的景区危险区域管控方法，其特征在于，所述危险区域标识包括竖立于地面的警告牌和铺设于地面的警示线。


4.根据权利要求1或3所述的基于人工智能的景区危险区域管控方法，其特征在于，所述基于所述所述区危险区域的视频生成关于所述游客和所述危险区域标识的空间位置关系的空间与或图模型，包括：
利用预先训练得到的目标检测网络对所述景区危险区域的视频中的目标进行检测，得到所述视频的每一帧图像中各目标分别对应的属性信息；其中，所述属性信息包括包含所述目标的边界框的位置信息；
基于所述每一帧图像中各目标分别对应的属性信息，利用预设的多目标跟踪算法对所述景区危险区域的视频的各帧图像中的相同目标进行匹配；
确定每一帧图像中所述游客和所述危险区域标识之间的实际空间距离；
利用匹配后各帧图像对应的目标的所述属性信息以及所述实际空间距离，生成所述景区危险区域的空间与或图模型。


5.根据权利要求4所述的基于人工智能的景区危险区域管控方法，其特征在于，所述目标检测网络是基于YOLO_v3网络的主干网络中，残差模块更换为密集连接模块得到的。


6.根据权利要求5所述的基于人工智能的景区危险区域管控方法，其特征在于，所述目标检测网络包括多个间隔串接的密集连接模块和过渡模块；所述密集连接模块的数量至少为三个；所述密集连接模块包括串行连接的卷积网络模块和密集连接单元组；所述卷积网络模块包括串行连接的卷积层、...

【专利技术属性】
技术研发人员：刘瑜，
申请(专利权)人：西安科锐盛创新科技有限公司，
类型：发明
国别省市：陕西;61