[发明专利]一种基于深度学习的公共场所人流量调节辅助方法及系统

权利要求书

1.一种基于深度学习的公共场所人流量调节辅助方法，其特征在于，所述方法包括：

获取当前时间点之前N个时间点的人流量；其中，N为大于等于2的整数；

根据所述获取到的当前时间点之前N个时间点的人流量，预测未来若干时间点的人流量；

根据所述预测出的未来若干时间点的人流量，通过向用户推荐的方式对所述未来若干时间点的实际人流量进行调节。

2.根据权利要求1所述的方法，其特征在于，所述获取当前时间点之前N个时间点的人流量，包括：

获取所述当前时间点之前N个时间点的人群图像；

根据所述获取到的所述当前时间点之前N个时间点的人群图像，运用基于YOLOv2算法的人流量计算方法计算所述当前时间点之前N个时间点的人流量。

3.根据权利要求2所述的方法，其特征在于，所述运用基于YOLOv2算法的人流量计算方法计算所述当前时间点之前N个时间点的人流量，包括：

确定所述人群图像画面内行人最大尺寸函数；

根据所述行人最大尺寸函数将所述人群图像划分为多个行人目标；

根据所述行人目标计算所述当前时间点之前N个时间点的人流量。

4.根据权利要求3所述的方法，其特征在于，所述运用基于YOLOv2算法的人流量计算方法计算所述当前时间点之前N个时间点的人流量，还包括：

将所述人群图像横向均分为四个区域；

在所述四个区域内分别划定三条分界线；

获取所述行人目标的位置相对于所述四个区域内分别划定的三条分界线的坐标变化信息；

根据所述坐标变化信息确定所述当前时间点之前N个时间点的人流量。

5.根据权利要求1所述的方法，其特征在于，所述根据所述预测出的未来若干时间点的人流量，通过向用户推荐的方式对所述未来若干时间点的实际人流量进行调节，包括：

获取所述未来若干时间点的属性，所述属性包括日期类型和/或天气类型；所述日期类型包括工作日、周末和节假日，所述天气类型包括晴天、阴天和雨天；

根据所述未来若干时间点的属性和所述预测出的未来若干时间点的人流量计算未来若干时间点的使用推荐值；

选择所述使用推荐值最高的时间点推荐给用户，以便用户选择。

6.一种基于深度学习的公共场所人流量调节辅助系统，其特征在于，所述系统包括：

获取模块，用于获取当前时间点之前N个时间点的人流量；其中，N为大于等于2的整数；

预测模块，用于根据所述获取模块获取到的当前时间点之前N个时间点的人流量，预测未来若干时间点的人流量；

调节模块，用于根据所述预测模块预测出的未来若干时间点的人流量，通过向用户推荐的方式对所述未来若干时间点的实际人流量进行调节。

7.根据权利要求6所述的系统，其特征在于，所述获取模块，包括

人群图像获取单元，用于获取所述当前时间点之前N个时间点的人群图像；

计算单元，用于根据所述人群图像获取单元获取到的所述当前时间点之前N个时间点的人群图像，运用基于YOLOv2算法的人流量计算方法计算所述当前时间点之前N个时间点的人流量。

8.根据权利要求7所述的系统，其特征在于，所述计算单元，包括：

函数确定子单元，用于确定所述人群图像画面内行人最大尺寸函数；

划分子单元，用于根据所述函数确定子单元确定的行人最大尺寸函数将所述人群图像划分为多个行人目标；

计算子单元，用于根据所述划分子单元划分的行人目标计算所述当前时间点之前N个时间点的人流量。