[发明专利]基于人工智能的景区危险区域管控方法

权利要求书

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、BN层、Leaky relu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。

7.根据权利要求2或6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。

8.根据权利要求2或6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。