[发明专利]滑雪场设备的调度方法、装置及系统

权利要求书

1.一种滑雪场设备的调度方法，其特征在于，应用于滑雪场调度系统中的计算机设备，所述滑雪场调度系统还包括与所述计算机设备通信连接的图像采集设备及待调度的滑雪场设备，所述图像采集设备用于拍摄雪道的图像，所述方法包括：

获取预设时间段内所述图像采集设备拍摄的雪道时序帧图像；

从所述雪道时序帧图像中获取包括滑雪对象的目标帧图像序列；

基于所述目标帧图像序列得到雪道各位置区域在所述预设时间段的耗损特征参数；

根据所述雪道各位置区域在所述预设时间段的耗损特征参数生成修复所述雪道各位置区域的修复方案；

基于所述修复方案调度滑雪场设备对所述雪道各位置区域进行修复；

所述基于所述目标帧图像序列得到雪道各位置区域在所述预设时间段的耗损特征参数的步骤，包括：

根据所述目标帧图像序列提取雪道滑行特征集，其中，所述雪道滑行特征集包括多个雪道滑行特征向量，每个所述雪道滑行特征向量包括滑雪对象的体型、滑雪对象的装备类型、滑雪对象滑过所述雪道各位置区域的滑雪速度及滑雪对象滑过所述雪道各位置区域时留下的划痕深度；

将所述雪道滑行特征集输入预先训练好的雪道耗损评估模型中进行评估，所述训练好的雪道耗损评估模型基于所述预设时间段内相同类型的滑雪对象和不同类型的滑雪对象经过所述雪道各位置区域时的划痕深度变化输出所述雪道各位置区域在所述预设时间段的耗损特征参数，其中，相同类型的滑雪对象是指具有同一体型、采用相同类型装备并基于预设范围内的滑雪速度经过所述雪道各位置区域的滑雪对象，不同类型的滑雪对象是指体型、装备类型以及滑雪速度中至少一个不相同的滑雪对象；

在将所述雪道滑行特征集输入预先训练好的雪道耗损评估模型中进行评估的步骤之前，所述方法还包括训练雪道耗损评估模型的步骤，该步骤包括：

获取训练样本序列，所述训练样本序列包括多个样本数据和一个样本标签，每个所述样本数据包括滑雪对象的体型、滑雪对象的装备类型、滑雪对象滑过所述雪道各位置区域的滑雪速度及滑雪对象滑过所述雪道各位置区域时留下的划痕深度，所述训练样本序列中包括相同类型的滑雪对象和不同类型的滑雪对象在时序上存在先后关系的多个训练样本，所述样本标签包括雪道耗损特征标签参数；

构造一深度学习模型，所述深度学习模型包括特征分组层、特征处理层及耗损特征评估层；

按照时序先后顺序将所述训练样本序列中的训练样本输入到所述特征分组层中，所述特征分组层基于所述滑雪对象的体型、所述滑雪对象的装备类型及所述滑雪对象滑过所述雪道各位置区域的滑雪速度对所述滑雪对象分组，将分组后滑雪对象对应的训练样本输入所述特征处理层中；

所述特征处理层对同一分组的训练样本中滑雪对象按照时序先后顺序滑过所述雪道各位置区域时留下的划痕深度进行特征处理后得到一雪道耗损预测分量，并输出给所述耗损特征评估层；

所述耗损特征评估层基于不同分组的训练样本得到的雪道耗损预测分量计算得到雪道耗损预测参数；

基于所述雪道耗损预测参数与所述雪道耗损特征标签参数判定所述深度学习模型是否收敛，若不收敛，调整所述特征分组层、所述特征处理层及所述耗损特征评估层中的模型参数，然后重新回到所述按照时序先后顺序将所述训练样本序列中的训练样本输入到所述特征分组层中的步骤，直到所述深度学习模型收敛，将收敛的深度学习模型作为训练好的雪道耗损评估模型。

2.如权利要求1所述的滑雪场设备的调度方法，其特征在于，所述根据所述目标帧图像序列提取雪道滑行特征集的步骤包括：

采用雪道滑行特征提取网络从所述目标帧图像序列中提取所述雪道滑行特征集，其中，所述雪道滑行特征提取网络包括人物识别子网络、装备识别子网络、人物分类子网络、装备分类子网络、速度检测子网络及划痕检测子网络，所述人物识别子网络的输出作为所述人物分类子网络和所述速度检测子网络的输入，所述装备识别子网络的输出作为所述装备分类子网络和所述划痕检测子网络的输入。