座位信息智能分析与推荐方法技术

本申请提供一种座位信息智能分析与推荐方法，安装多个拍摄装置，总视域覆盖需要监视的所有桌椅位置；判断并对监视区域进行区域划分；针对区域内的作为进行分析，区分出已占用座位、未占用座位和疑似占用座位；对座位进行优先级分类；按照座位优先级顺序由高到低推荐目标座位，解决了公共区域座位智能分析与推荐问题。问题。问题。

【技术实现步骤摘要】
座位信息智能分析与推荐方法


[0001]本专利技术涉及人工智能与图像处理应用于智慧校园的领域，尤其是涉及一种座位信息智能分析与推荐方法。

技术介绍

[0002]智慧校园新消费互动及校园数字化生活服务平台是指以校园为主场、以学生对服务对象，通过新消费互动模式对传统的校园服务进行数字化、智能化升级，向大学生提供各类生活服务的智慧平台。
[0003]高校属于人群规模且集中的区域，高校图书馆和食堂由于具有公共属性，并且开放时间固定，常常会集中涌入大量的学生，对于座位的需求压力较大。由于高校图书馆和食堂面积大并且有可能存在多层，学生并不能很直观的找到合适的座位，可能会存在局部拥挤但另外片区无人就座的情况，难以合理配置座位资源。
[0004]由于桌椅数量较大，采用传感器检测空位成本较高，并且存在临时离开的情况，因此也存在检测不准的情况。
[0005]另外，对于高校食堂，由于就餐会产生餐盘和就餐垃圾，需要工作人员及时清理，但是工作人员同样面临选择哪些座位清理的难题，因此需要不断地反复在桌椅之间穿梭清理，不仅劳动量极大，同时也会增加高峰期人流拥堵。

技术实现思路

[0006]本专利技术提供了一种座位信息智能分析与推荐方法，解决了公共区域座位智能分析与推荐问题。
[0007]为解决上述技术问题，本专利技术所采用的技术方案是：一种座位信息智能分析与推荐方法，其特征是：
[0008]安装多个拍摄装置，总视域覆盖需要监视的所有桌椅位置；
[0009]判断并对监视区域进行区域划分；
[0010]针对区域内的作为进行分析，区分出已占用座位、未占用座位和疑似占用座位；
[0011]对座位进行优先级分类；
[0012]按照座位优先级顺序由高到低推荐目标座位。
[0013]优选方案中，包括桌位区域模糊推荐方法：
[0014]分析目标桌位位置分布，找出分布边界位置，确定目标桌位最小包围区域；
[0015]分析目标桌位最小包围区域内的非目标桌位位置分布，找出分布边界位置，确定所有非目标桌位最大包围区域；
[0016]计算各非目标桌位最大包围区域的面积；
[0017]推荐桌位优先顺序为：目标桌位最小包围区域优先于面积大的非目标桌位最大包围区域优先于面积小的非目标桌位最大包围区域。
[0018]优选方案中，包括座位占用判断方法：
[0019]桌面按照对应座位位置进行区域划分；
[0020]图像分析座位位置和对应桌面区域；
[0021]将出现人体轮廓的座位位置标记为已占用座位，将未出现人体轮廓并且对应桌面区域没有杂物轮廓的座位标记为未占用座位；
[0022]对未出现人体轮廓并且对应桌面区域有杂物轮廓的座位进行红外成像，检测座位及对应桌面区域的残余温度；
[0023]设定温度阀值，对于小于温度阀值的座位标记为未占用座位，对于大于温度阀值的座位标记为已占用座位。
[0024]优选方案中，包括座位占用判定图像处理方法：
[0025]采用灰度归一化和直方图均衡化方法对采集图片进行对比度增强，再通过去噪和滤波来去除干扰,提高信噪比；
[0026]对该区域图像采用Canny算子与自动阈值分割法相结合的方式对图像进行边缘特征提取，使用find函数将图像边缘信息坐标化；
[0027]将find函数坐标化后的图像边缘信息存储成数据集，采用深度学习和强化学习对分类器进行训练；
[0028]对单一传入的图像边缘特征信息进行判断，得出桌面杂物是否存在；
[0029]将每个桌面区域的边缘特征进行比较分析，按照杂物堆积面积、周长、圆形度、长宽比、紧凑性综合分析，判定物体类型及座位占用情况。
[0030]优选方案中，将堆积面积、周长、圆形度、长宽比、紧凑性五项数据组成数据组；
[0031]利用基于卷积神经网络的深度学习和基于值函数学习方法的强化学习对数据特征进行处理；
[0032]将处理后得到的结果与理想结果对比，根据差异更优策略不断更新，循环执行。
[0033]优选方案中，包括入座高峰期判断方法：
[0034]设定单人站立面积阀值；
[0035]将需求空间布局网格化，通过像素矩阵转换，将需求空间转化为平面坐标图；
[0036]选取特定区域作为判断区域，截取特定区域图像，识别人体轮廓，得出区域内人数；
[0037]利用区域面积除以区域内人数，得出实际站立面积；
[0038]实际站立面积小于单人站立面积阀值，则启动高峰应对状态。
[0039]优选方案中，设置显示终端，用于显示座位占用情况。
[0040]包括食堂餐桌推荐清理方法：建立系统，主要为图像采集系统、数据储存与处理系统和终端屏幕，摄像头安装在能反应食堂餐位上餐余垃圾堆积的代表性位置，如餐桌正上方、天花板夹角、食堂结构支柱等，摄像头将图像信息(数据产生)传入计算机，利用计算机图形分割及检测算法，形成特征数据，如热源信号，位置(餐桌座位编号)，桌面物品投影形状等数据储存在计算机数据库。
[0041]利用以1天为周期的图片数据集来训练分类器(类似阿尔法狗对于围棋的学习)，形成回收特征。分类器训练完成后，采用决策树分类算法对该用餐者使用餐具进行分类，结合后期强化学习的内容不断优化待清理区域的特征，对餐具分类及待清理餐余垃圾的迫切性进行优先级排序，从而形成更优推荐。
[0042]通过优先级排序系统自动推荐待清理餐桌编号，并通过微电脑处理将信息通过互联网系统反应在餐厅清理员、或在餐厅经理的终端显示器上(智能穿戴设备、电脑)，方便工作人员快速高效作业。
[0043]将餐厅布局网格化，通过像素矩阵转换，得到装饰物品存放、餐桌固定区坐标示意图；当用餐者进入餐桌座位，红外热成像摄像头信号区域被触发，计算机调取该区域普通光学摄像头图像,将每个餐位桌面的边缘特征进行比较分析，按照餐余垃圾堆积面积、周长、圆形度、长宽比、紧凑性综合分析，结合后期强化学习的内容不断优化待清理区域的特征，对餐具分类及待清理餐余垃圾的迫切性进行优先级排序，从而形成更优推荐。
[0044]利用红外热成像摄像头采集指定坐标区域下的热源信号判断用餐者的存在情况；利用图像边缘特征特区判断餐桌餐具的存在情况；结合两者的逻辑关系判断餐余垃圾是否可以清理。
[0045]本专利技术的有益效果为：利用图像技术，智能识别座位占用情况，方便通过显示终端直观的反馈给需求人员；对座位进行优先级别分类，有效引导人员更加均匀分散的就坐，提升体验感；采用桌位区域模糊推荐方法，将推荐区域整体反馈到显示终端上，需求人员可通过方位快速找到可就坐区域，并且按照喜好随意挑选区域内的座位；结合热成像对疑似占用座位进行智能分析判断，避免出现误就坐或误收餐具的问题。
附图说明
[0046]下面结合附图和实施例对本专利技术作进一步说明。
[0047]图1是典型的图书馆布局。
[0048]图2是典型的食堂布局本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种座位信息智能分析与推荐方法，其特征是：安装多个拍摄装置，总视域覆盖需要监视的所有桌椅位置；判断并对监视区域进行区域划分；针对区域内的作为进行分析，区分出已占用座位、未占用座位和疑似占用座位；对座位进行优先级分类；按照座位优先级顺序由高到低推荐目标座位。2.根据权利要求1所述座位信息智能分析与推荐方法，其特征是：包括桌位区域模糊推荐方法：分析目标桌位位置分布，找出分布边界位置，确定目标桌位最小包围区域；分析目标桌位最小包围区域内的非目标桌位位置分布，找出分布边界位置，确定所有非目标桌位最大包围区域；计算各非目标桌位最大包围区域的面积；推荐桌位优先顺序为：目标桌位最小包围区域优先于面积大的非目标桌位最大包围区域优先于面积小的非目标桌位最大包围区域。3.根据权利要求1或2所述座位信息智能分析与推荐方法，其特征是：包括座位占用判断方法：桌面按照对应座位位置进行区域划分；图像分析座位位置和对应桌面区域；将出现人体轮廓的座位位置标记为已占用座位，将未出现人体轮廓并且对应桌面区域没有杂物轮廓的座位标记为未占用座位；对未出现人体轮廓并且对应桌面区域有杂物轮廓的座位进行红外成像，检测座位及对应桌面区域的残余温度；设定温度阀值，对于小于温度阀值的座位标记为未占用座位，对于大于温度阀值的座位标记为已占用座位。4.根据权利要求3所述座位信息智能分析与推荐方法，其特征是：包括座位占用判定图像处理方法：采用灰度归一化和直方图均衡化方法对采集图片进行对比度增强，再通过去噪和滤波来去除干扰,提高信噪比；对该区域图像采用 Canny 算子与自动阈值分割法相结合的方式对图像进行边缘特征提取，使用 find 函数将图像边缘信息坐标化；将find 函数坐标化后的图像边缘信息存储成数据集，采用深度学习和强化学习对分类器进行训练；对单一传入的图像边缘特征信息进行判断，得出桌面杂物是否存在；将每个桌面区域的边缘特征进行比较分析，按照杂物堆积面积、周长、圆形度、长宽比、紧凑性综合分析，判定物体类型及座位占用情况。5.根据权利要求4所述座位信息智能分析与推荐方法，其特征是：将堆积面积、周长、圆形...

【专利技术属性】
技术研发人员：窦登峰，
申请(专利权)人：三峡大学，
类型：发明
国别省市：