一種基於MAC碼和人臉識別的人流預警方法與流程
2023-10-24 00:33:07
本發明涉及一種人流預警方法,更具體的說,它涉及一種基於MAC碼和人臉識別的人流預警方法。
背景技術:
隨著現在我國人口的不斷驟增,由於人流擁擠發生的突發事故不斷加多,特別是在節假日,人們出去旅遊的加多,在某些旅遊景點內會出現人流擁擠、爆棚的現象,如果不能做好很好的疏導、分流,很容易出現事故。
技術實現要素:
針對現有技術存在的不足,本發明的目的在於提供一種基於MAC碼和人臉識別的人流預警方法。
為實現上述目的,本發明提供了如下技術方案:一種基於MAC碼和人臉識別的人流預警方法,其具體包括以下步驟:
第一步,攝像頭通過視頻監控採集指定範圍內出現的關鍵人群人臉,並進行告警;
第二步,探針探測到客戶端手機硬體相關信息(分場強、時間、經緯度(空間)維度);
第三步,攝像頭將告警信息上傳到雲端;
第四步,探針將探測道德客戶端硬體信息上傳到雲端;
第五步,雲端根據攝像頭的告警信息及探針採集道德信息在時間、距離、歷史存留維度下構建機器學習,關聯人臉與硬體信息打通匹配校對;
第六步,雲端推送打通的結果到可視化平臺與大數據整合平臺;
第七步,可視化平臺和大數據整合平臺按照實時視圖以分鐘級別刷新的方式展示整個系統的熱力狀況,驟增狀況,道路狀況、關注人群身份狀況、人群造訪頻次狀況以及人群遷徙狀況;
第八步,將人群相關的預警和報警消息報告給平臺管理員,並自動將消息推送到監測區域的室外大屏幕和客戶端手機,起到預警效果。
優選為,第七步具體如下:
熱力圖主要展示兩方面信息,基於大數據對項目內設備採集到的人流進行分析,根據不同設備人流密集程度以不同的顏色結合地圖實時呈現系統人流密集狀況。系統能夠展示不同單點設備的實時人數和峰值,並且支持進入單點設備詳細頁面查看單點設備的詳細監測狀況,為了易用性,熱力圖下方展示單點設備的實時人數。
驟增圖體現系統不同單點設備近一段時間相對前一段時間的人數增長狀況,並以不同顏色標識人流增長程度:綠色代表增長程度沒有達到管理員設定的驟增預警值,人流狀況比較正常,黃色代表驟增人數達到預警閾值、需要關注人流增長狀況。紅色代表驟增人數達到警戒閾值,需要重點關注人流增長狀況。
對衝圖,基於大數據對探測區域內特定監控點人流密度變化及人流動向進行分析並結合地圖,得出各個容易發生危險的對撞點的人流狀況,如果容易發生危險的對撞點附件有商廈,窄路,電梯等擁擠或者狹窄的隘口,也會突出展示隘口信息,方便有關部門根據隘口狀況採取不同的緩解措施。
路徑圖示:藍色路段代表人流正常,黃色路段代表人流比較密集、紅色路段代表人流密集,容易發生對撞;
遷徙圖:城市規劃者有時需要知道不同時間整個商圈內關注遷徙中心的人群流向。用戶在系統內設定遷徙中心後,系統就可以展示不同遷徙中心之間的人流遷徙狀況。同時能夠展示如下細節信息:
用戶不選中任何遷徙中心時,系統展示如下三個信息:
最熱線路:根據不同遷徙中心的人流狀況,展示不同時間的最熱遷徙線路;
遷入熱點:實時展示人群遷入量比較大的遷徙中心;
遷出熱點:實時展示人群遷出量比較大的遷徙中心;
當用戶選中某一個遷徙中心時,展示該遷徙中心的遷入遷出信息;
遷入:展示其他遷徙中心遷入到本中心的人流狀況;
遷出:展示本遷徙中心遷出到其他中心的人流狀況;
人群分析:根據不同人群停留時間特徵,系統分為如下四類人群。
固定人群:90天內出現比例>80%,小於等於100%的人。(出現比例=出現天數/到目前為止總天數)。
重度訪客:90天內,出現比例=出現天數/到目前為止總天數,出現比例大於40%,小於80%的人;
偶爾訪客:90天內,出現比例=出現天數/到目前為止總天數,出現比例大於0%,小於40%的人;
初次訪客:90天內,首次出現的人。
警戒水位:展示容易發生危險的區塊和AP的人流狀況,但不會展示系統全部區塊和設備的信息。警戒水位展示系統內全部區塊和單點設備的實時人流狀況。
人流預測:基於整個商圈及不同關注區域的歷史人流數據, 建立人流預測模型,預測未來48小時各個區塊內每小時人流量及峰值出現的時間,以便相關人員提前處理風險,防患未然。
系統首先展示整個項目不同關注區塊的明天的人流峰值信息,點擊區塊,能夠展示系統區塊今明兩天不同時段的人流狀況。已經經過的時間用實線表示,預測的用虛線表示,方便用戶查看預測和實際已經發生的人流差異情況。
本發明具有下述優點:本發明實時監測指定區域的人流分布、人員身份信息、人流遷徙動向,並對該區域進行人流預測和預警分析通報,當該區域出現人群驟增情況能提前預測並給出預案,避免事故的發生。
附圖說明
圖1為本發明的結構框圖。
具體實施方式
參照圖1所示,本實施例的一種基於MAC碼和人臉識別的人流預警方法,其具體包括以下步驟:
第一步,攝像頭通過視頻監控採集指定範圍內出現的關鍵人群人臉,並進行告警;
第二步,探針探測到客戶端手機硬體相關信息(分場強、時間、經緯度(空間)維度);
第三步,攝像頭將告警信息上傳到雲端;
第四步,探針將探測道德客戶端硬體信息上傳到雲端;
第五步,雲端根據攝像頭的告警信息及探針採集道德信息在時間、距離、歷史存留維度下構建機器學習,關聯人臉與硬體信息打通匹配校對;
第六步,雲端推送打通的結果到可視化平臺與大數據整合平臺;
第七步,可視化平臺和大數據整合平臺按照實時視圖以分鐘級別刷新的方式展示整個系統的熱力狀況,驟增狀況,道路狀況、關注人群身份狀況、人群造訪頻次狀況以及人群遷徙狀況;
第八步,將人群相關的預警和報警消息報告給平臺管理員,並自動將消息推送到監測區域的室外大屏幕和客戶端手機,起到預警效果。
優選為,第七步具體如下:
熱力圖主要展示兩方面信息,基於大數據對項目內設備採集到的人流進行分析,根據不同設備人流密集程度以不同的顏色結合地圖實時呈現系統人流密集狀況。系統能夠展示不同單點設備的實時人數和峰值,並且支持進入單點設備詳細頁面查看單點設備的詳細監測狀況,為了易用性,熱力圖下方展示單點設備的實時人數
驟增圖體現系統不同單點設備近一段時間相對前一段時間的人數增長狀況,並以不同顏色標識人流增長程度:綠色代表增長程度沒有達到管理員設定的驟增預警值,人流狀況比較正常,黃色代表驟增人數達到預警閾值、需要關注人流增長狀況。紅色代表驟增人數達到警戒閾值,需要重點關注人流增長狀況。
對衝圖,基於大數據對探測區域內特定監控點人流密度變化及人流動向進行分析並結合地圖,得出各個容易發生危險的對撞點的人流狀況,如果容易發生危險的對撞點附件有商廈,窄路,電梯等擁擠或者狹窄的隘口,也會突出展示隘口信息,方便有關部門根據隘口狀況採取不同的緩解措施。
路徑圖示:藍色路段代表人流正常,黃色路段代表人流比較密集、紅色路段代表人流密集,容易發生對撞。
遷徙圖:城市規劃者有時需要知道不同時間整個商圈內關注遷徙中心的人群流向。用戶在系統內設定遷徙中心後,系統就可以展示不同遷徙中心之間的人流遷徙狀況。同時能夠展示如下細節信息:
用戶不選中任何遷徙中心時,系統展示如下三個信息:
最熱線路:根據不同遷徙中心的人流狀況,展示不同時間的最熱遷徙線路
遷入熱點:實時展示人群遷入量比較大的遷徙中心
遷出熱點:實時展示人群遷出量比較大的遷徙中心
當用戶選中某一個遷徙中心時,展示該遷徙中心的遷入遷出信息
遷入:展示其他遷徙中心遷入到本中心的人流狀況。
遷出:展示本遷徙中心遷出到其他中心的人流狀況
人群分析:根據不同人群停留時間特徵,系統分為如下四類人群。
固定人群:90天內出現比例>80%,小於等於100%的人。(出現比例=出現天數/到目前為止總天數)
重度訪客:90天內,出現比例=出現天數/到目前為止總天數,出現比例大於40%,小於80%的人
偶爾訪客:90天內,出現比例=出現天數/到目前為止總天數,出現比例大於0%,小於40%的人
初次訪客:90天內,首次出現的人
警戒水位:展示容易發生危險的區塊和AP的人流狀況,但不會展示系統全部區塊和設備的信息。警戒水位展示系統內全部區塊和單點設備的實時人流狀況。
人流預測:基於整個商圈及不同關注區域的歷史人流數據, 建立人流預測模型,預測未來48小時各個區塊內每小時人流量及峰值出現的時間,以便相關人員提前處理風險,防患未然。
系統首先展示整個項目不同關注區塊的明天的人流峰值信息,點擊區塊,能夠展示系統區塊今明兩天不同時段的人流狀況。已經經過的時間用實線表示,預測的用虛線表示,方便用戶查看預測和實際已經發生的人流差異情況。
以上所述僅是本發明的優選實施方式,本發明的保護範圍並不僅局限於上述實施例,凡屬於本發明思路下的技術方案均屬於本發明的保護範圍。應當指出,對於本技術領域的普通技術人員來說,在不脫離本發明原理前提下的若干改進和潤飾,這些改進和潤飾也應視為本發明的保護範圍。