智能导流的方法、装置、指示牌和存储介质制造方法及图纸

本发明专利技术涉及图像处理技术领域，提供了一种智能导流的方法、装置、指示牌和存储介质，包括：获取指示牌所在的目标环境的道路图像；获取指示牌所在的目标环境中的环境声音；获取在历史数据中当前时间段的道路拥堵情况；基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所述目标环境是否出现拥堵；若出现拥堵，则获取当前在所述目标环境中的可行路线；基于所述可行路线，在所述指示牌中生成对应的路线指引提示；其中，所述指引提示包括声音提示以及路线的图像指引。本发明专利技术不仅可以对道路的拥堵进行检测，而且在出现拥堵时，还可以获取到当前的可行路线进行指引提示。行路线进行指引提示。行路线进行指引提示。

【技术实现步骤摘要】
智能导流的方法、装置、指示牌和存储介质


[0001]本专利技术涉及图像处理
，特别涉及一种智能导流的方法、装置、指示牌和存储介质。

技术介绍

[0002]在马路路口、分叉路口、公园道路、地铁站中，由于路线较多，为了对人群进行道路指引，通常会设置指示牌进行道路指引；而目前的指示牌通常指引的路线是一成不变的，不会根据实际情况进行路线的调整。对于道路中出现拥堵时，无法规划出更多的合理路线，也无法做出对应的道路指示。

技术实现思路

[0003]本专利技术的主要目的为提供一种智能导流的方法、装置、指示牌和存储介质，旨在克服无法检测道路拥堵以及规划出可行路线的缺陷。
[0004]为实现上述目的，本专利技术提供了一种智能导流的方法，包括以下步骤：获取指示牌所在的目标环境的环境图像，采用预设的分割模型对所述环境图像进行图像分割，得到所述环境图像中包括道路的道路图像；获取指示牌所在的目标环境中的环境声音；获取在历史数据中当前时间段的道路拥堵情况；基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所述目标环境是否出现拥堵；若出现拥堵，则获取当前在所述目标环境中的可行路线；基于所述可行路线，在所述指示牌中生成对应的路线指引提示；其中，所述指引提示包括声音提示以及路线的图像指引。
[0005]进一步地，所述获取当前在所述目标环境中的可行路线的步骤，包括：获取所述指示牌所在的第一道路节点，以及获取预设范围之内所有与所述第一道路节点具有关联关系的第二道路节点；其中，所述关联关系包括道路相连关系；获取所述第一道路节点、第二道路节点中直接相连的节点之间的路径关系；其中，所述路径关系至少包括距离信息以及选择此路径通行的权重值；基于所述第一道路节点、第二道路节点，以及第一道路节点、第二道路节点中直接相连的节点之间的路径关系，构建关系节点结构；其中，将所述第一道路节点、第二道路节点分别作为所述关系节点结构中的节点，将所述节点之间的路径关系作为所述关系节点结构的边；基于所述关系节点结构，生成特征矩阵数据；将所述特征矩阵数据输入至路径生成模型中进行卷积运算，输出推荐度最高的节点路径；将所述推荐度最高的节点路径作为当前在所述目标环境中的可行路线；其中，所述路径生成模型为预先经过训练的神经网络模型。
[0006]进一步地，所述基于所述关系节点结构，生成特征矩阵数据的步骤，包括：以所述关系节点结构中的每个节点为索引节点，构建每个节点的节点关系矩阵、节点边关系矩阵以及节点关系权重矩阵；将所述节点关系矩阵、节点边关系矩阵以及节点关系权重矩阵依次相乘得到所述特征矩阵数据。
[0007]进一步地，所述以所述关系节点结构中的每个节点为索引节点，构建每个节点的节点关系矩阵、节点边关系矩阵以及节点关系权重矩阵的步骤，包括：以所述关系节点结构中的每个节点为索引节点，将与所述索引节点直接相连的下一个节点作为一级关系节点，将与所述一级关系节点直接相连的下一个节点作为二级关系节点；将所有索引节点及其对应的一级关系节点、二级关系节点构成所述节点关系矩阵；以所述关系节点结构中的每个节点为索引节点，将所述索引节点与所述一级关系节点的距离信息作为一级关系边，将所述一级关系节点与所述二级关系节点的距离信息作为二级关系边；将所有索引节点及其对应的一级关系边、二级关系边构成所述节点边关系矩阵；以所述关系节点结构中的每个节点为索引节点，将所述索引节点与所述一级关系节点的权重值作为一级关系权重，将所述一级关系节点与所述二级关系节点的权重值作为二级关系权重；将所有索引节点及其对应的一级关系权重、二级关系权重构成所述节点关系权重矩阵。
[0008]进一步地，所述基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所述目标环境是否出现拥堵的步骤，包括：将所述目标环境的道路图像输入至第一检测模型进行检测，得到所述目标环境的道路图像表征为拥堵的第一概率；所述第一检测模型为基于深度学习图像模型预先训练得到；将所述目标环境中的环境声音输入至第二检测模型进行检测，得到所述目标环境中的环境声音表征为拥堵的第二概率；所述第二检测模型为基于深度学习语音模型预先训练得到；根据所述在历史数据中当前时间段的道路拥堵情况，获取当前时间段出现拥堵的第三概率；将所述第一概率、第二概率、第三概率输入至预设公式中进行计算，得到所述目标环境出现拥堵的概率，判断所述目标环境出现拥堵的概率的是否大于阈值，若大于，则判定出现拥堵。
[0009]进一步地，所述将所述第一概率、第二概率、第三概率输入至预设公式中进行计算的步骤，包括：检测所述道路图像中的人数，基于所述人数在数据库中匹配对应的第一权重；检测所述环境声音的分贝值，基于所述分贝值在数据库中匹配对应的第二权重；基于所述第一权重、第二权重，计算所述第三概率对应的第三权重；其中，所述第一权重、第二权重以及第三权重的和为1。
[0010]进一步地，所述基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所述目标环境是否出现拥堵的步骤，包括：
将所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况输入至预设的道路拥堵检测模型中；其中，所述道路拥堵检测模型基于深度学习模型训练得到，包括嵌入层、中间层以及分类层，所述嵌入层包括图嵌入层、音频嵌入层以及词嵌入层；基于所述图嵌入层提取所述道路图像对应的第一特征向量；基于所述音频嵌入层提取所述环境声音对应的第二特征向量；基于所述词嵌入层提取所述在历史数据中当前时间段的道路拥堵情况对应的第三特征向量；将所述第一特征向量、第二特征向量以及所述第三特征向量进行融合之后输入至所述中间层，提取得到目标环境特征向量；将所述目标环境特征向量输入至所述分类层中进行分类，得到所述目标环境是否出现拥堵的分类结果。
[0011]本专利技术还提供了一种智能导流的装置，包括：第一获取单元，用于获取指示牌所在的目标环境的环境图像，采用预设的分割模型对所述环境图像进行图像分割，得到所述环境图像中包括道路的道路图像；第二获取单元，用于获取指示牌所在的目标环境中的环境声音；第三获取单元，用于获取在历史数据中当前时间段的道路拥堵情况；检测单元，用于基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所述目标环境是否出现拥堵；第四获取单元，用于若出现拥堵，则获取当前在所述目标环境中的可行路线；提示单元，用于基于所述可行路线，在所述指示牌中生成对应的路线指引提示；其中，所述指引提示包括声音提示以及路线的图像指引。
[0012]本专利技术还提供一种指示牌，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
[0013]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
[0014]本专利技术提供的智能导流的方法、装置、指示牌和存储介质，包括：获取指示牌所在的目标环境的道路图像；获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能导流的方法，其特征在于，包括以下步骤：获取指示牌所在的目标环境的环境图像，采用预设的分割模型对所述环境图像进行图像分割，得到所述环境图像中包括道路的道路图像；获取指示牌所在的目标环境中的环境声音；获取在历史数据中当前时间段的道路拥堵情况；基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所述目标环境是否出现拥堵；若出现拥堵，则获取当前在所述目标环境中的可行路线；基于所述可行路线，在所述指示牌中生成对应的路线指引提示；其中，所述指引提示包括声音提示以及路线的图像指引。2.根据权利要求1所述的智能导流的方法，其特征在于，所述获取当前在所述目标环境中的可行路线的步骤，包括：获取所述指示牌所在的第一道路节点，以及获取预设范围之内所有与所述第一道路节点具有关联关系的第二道路节点；其中，所述关联关系包括道路相连关系；获取所述第一道路节点、第二道路节点中直接相连的节点之间的路径关系；其中，所述路径关系至少包括距离信息以及选择此路径通行的权重值；基于所述第一道路节点、第二道路节点，以及第一道路节点、第二道路节点中直接相连的节点之间的路径关系，构建关系节点结构；其中，将所述第一道路节点、第二道路节点分别作为所述关系节点结构中的节点，将所述节点之间的路径关系作为所述关系节点结构的边；基于所述关系节点结构，生成特征矩阵数据；将所述特征矩阵数据输入至路径生成模型中进行卷积运算，输出推荐度最高的节点路径；将所述推荐度最高的节点路径作为当前在所述目标环境中的可行路线；其中，所述路径生成模型为预先经过训练的神经网络模型。3.根据权利要求2所述的智能导流的方法，其特征在于，所述基于所述关系节点结构，生成特征矩阵数据的步骤，包括：以所述关系节点结构中的每个节点为索引节点，构建每个节点的节点关系矩阵、节点边关系矩阵以及节点关系权重矩阵；将所述节点关系矩阵、节点边关系矩阵以及节点关系权重矩阵依次相乘得到所述特征矩阵数据。4.根据权利要求3所述的智能导流的方法，其特征在于，所述以所述关系节点结构中的每个节点为索引节点，构建每个节点的节点关系矩阵、节点边关系矩阵以及节点关系权重矩阵的步骤，包括：以所述关系节点结构中的每个节点为索引节点，将与所述索引节点直接相连的下一个节点作为一级关系节点，将与所述一级关系节点直接相连的下一个节点作为二级关系节点；将所有索引节点及其对应的一级关系节点、二级关系节点构成所述节点关系矩阵；以所述关系节点结构中的每个节点为索引节点，将所述索引节点与所述一级关系节点的距离信息作为一级关系边，将所述一级关系节点与所述二级关系节点的距离信息作为二级关系边；将所有索引节点及其对应的一级关系边、二级关系边构成所述节点边关系矩阵；
以所述关系节点结构中的每个节点为索引节点，将所述索引节点与所述一级关系节点的权重值作为一级关系权重，将所述一级关系节点与所述二级关系节点的权重值作为二级关系权重；将所有索引节点及其对应的一级关系权重、二级关系权重构成所述节点关系权重矩阵。5.根据权利要求1所述的智能导流的方法，其特征在于，所述基于所述目标环境的道路图像、环境声音以及在历史数据中当前时间段的道路拥堵情况，检测所...

【专利技术属性】
技术研发人员：王卫文，钟林，钟玉，
申请(专利权)人：深圳柯赛标识智能科技有限公司，
类型：发明
国别省市：