景區(qū)智能標(biāo)志牌的研究設(shè)計(jì)

蔣鵬程 魏龍琦 陳鑫鑫 楊衛(wèi)華 王辛巖

（西藏大學(xué) 西藏自治區(qū)拉薩市 850000）

交通標(biāo)志牌作為交通運(yùn)行不可分割的一部分，能夠?yàn)榻煌▍⑴c者提供基本信息，極大地提高了交通運(yùn)行效率。同樣，景區(qū)中的標(biāo)志牌也具有類似作用，它能夠在我們旅游出行時(shí)提供基本信息，相當(dāng)于我們了解景區(qū)的第二雙眼睛。而且隨著我國經(jīng)濟(jì)水平的不斷提高，旅游出行人次也隨之增加。據(jù)統(tǒng)計(jì)，2019年我國旅游人數(shù)超60億人次，2020年人數(shù)有所下降，但在2021年仍呈上升趨勢。所以，為了使游客出行更加便捷，加快建設(shè)智慧城市的腳步，提升游客旅游滿意度，本文以此為目標(biāo)設(shè)計(jì)了適用于景區(qū)的智能標(biāo)志牌。

1 背景

隨著我國發(fā)展步伐的加快，我國儼然成為世界第二大經(jīng)濟(jì)體，在世界舞臺上發(fā)揮著舉足輕重的作用。經(jīng)濟(jì)水平的增長帶動了旅游業(yè)的發(fā)展，旅游業(yè)的發(fā)展也間接促進(jìn)了經(jīng)濟(jì)水平的提升。如今，大多數(shù)景區(qū)之中使用的標(biāo)志牌仍為靜態(tài)標(biāo)志牌，所能顯示的信息較為單一。同時(shí)，盡管一些城市安裝了能夠顯示道路信息的標(biāo)志牌，但人流識別遠(yuǎn)比車輛識別復(fù)雜。在傳統(tǒng)的標(biāo)志牌不能滿足經(jīng)濟(jì)發(fā)展和游客出行的需求時(shí)，適用于景區(qū)的智能標(biāo)志牌隨之產(chǎn)生。

2 設(shè)備原理

設(shè)備在現(xiàn)有標(biāo)志牌的基礎(chǔ)上，將其換成電子顯示屏，并將之放在景區(qū)內(nèi)，除了能夠根據(jù)定位顯示自身位置之外，還能夠通過攝像頭提取圖像，將三維視圖轉(zhuǎn)化為二維圖像，在多維視角多元信息融合的方法進(jìn)行人群密度的計(jì)算后，輔以空間注意力透視模型改善，從而在標(biāo)志牌上顯示各個(gè)地區(qū)的游客實(shí)時(shí)變化情況，并且后臺能夠通過實(shí)時(shí)變化地圖所展示的信息智能計(jì)算后，推薦出相對最優(yōu)的路線。同時(shí)，能夠在顯示屏下方相應(yīng)位置顯示附近停車位數(shù)量，天氣狀況等信息。并且，當(dāng)發(fā)生緊急情況時(shí)，能夠人為控制標(biāo)志牌做出相關(guān)提醒（見圖1）。

圖1：標(biāo)志牌工作展示

3 功能設(shè)計(jì)

3.1 實(shí)時(shí)路況功能

隨著智慧城市建設(shè)腳步的加快，以及智能監(jiān)控系統(tǒng)和神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等技術(shù)的普及，人群數(shù)量識別和密度計(jì)算等技術(shù)的迅猛發(fā)展，許多研究人員對人群數(shù)量識別和密度計(jì)算進(jìn)行了相關(guān)研究。最早是使用基于滑動檢測器來檢測人群是的計(jì)數(shù)方法，但是由于拍攝場景、攝像頭角度、擁擠場景中的復(fù)雜背景波、人員之間的相互遮擋和玩偶干擾等因素，都讓混動檢測器查閱圖像進(jìn)行計(jì)數(shù)的效果不盡如人意；同時(shí)，通過攝像頭采集圖像中的紋理特征信息從而與人群數(shù)量之間形成映射關(guān)系建立混合高斯模型，這雖然能夠在一定程度上克服人員之間的遮擋問題，但是未能把握住人群圖像中的空間信息，在三維到二維的轉(zhuǎn)化上存在特征信息丟失、圖像畸變、過程較為復(fù)雜等問題，所以盡管其能滿足大多情況下的人群密度計(jì)算，但是在精度要求方面仍然不夠；并且，在近年來，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network）憑借其對圖像深層次特征出色的提取及學(xué)習(xí)能力，被廣泛應(yīng)用于人群計(jì)數(shù)領(lǐng)域中，但是由于該方法在新場景中應(yīng)用時(shí)，經(jīng)常受到模型結(jié)構(gòu)的限制，計(jì)算結(jié)果和精度都有所下降，魯棒性較差。隨著多列網(wǎng)絡(luò)和單列網(wǎng)絡(luò)的相繼提出，這種問題在一定程度上得到了解決，但仍然存在較大的局限性。

3.1.1 基于MDPMIF的人群密度估計(jì)方法

人群計(jì)數(shù)的首要任務(wù)是獲得真值圖像，在三維空間中提取圖像使其轉(zhuǎn)化為二維圖像。由于圖像提取過程中存在圖像畸變情況，所以需要對其進(jìn)行透視矯正之后，讓其能夠在真值圖中顯示人的位置。在多維視角下，將多元信息進(jìn)行融合，生成相關(guān)密度圖，同時(shí)由于密度圖上顯示的顏色顯示在標(biāo)志牌上會增加游客的觀看負(fù)擔(dān)，因此當(dāng)人群密度超過某一特定值時(shí)，能在標(biāo)志牌上顯示不同顏色。

在多維視角多元信息融合網(wǎng)絡(luò)的基礎(chǔ)上，引入一種高低密度多維視角多元信息融合人群計(jì)數(shù)網(wǎng)絡(luò)（High and Low Density and Multi-Dimension Perspective Multivariate Information Fusion Crowd Counting Network, HLMMNet）。在此基礎(chǔ)上，設(shè)計(jì)高低密度區(qū)分策略（Density Domain Grade, DDG），在高密區(qū)域保持MDPMIF網(wǎng)絡(luò)估計(jì)結(jié)果，低密度區(qū)域采用檢測方法實(shí)現(xiàn)人群計(jì)數(shù)修正，提升人群計(jì)數(shù)精度。

其中，HLMMNet的基本結(jié)構(gòu)如圖2所示，并且涉及高低密度區(qū)分策略以及人群計(jì)數(shù)模塊。

圖2：HLMMNet結(jié)構(gòu)示意圖

在收集到實(shí)拍圖之后，需要獲得能夠識別的人群密度圖。密度圖是由特殊光亮來顯示人員分布以及人群密度的圖像。在圖二所顯示的結(jié)構(gòu)中，從空間上反映了人群密度，顏色就代表了人群密度。

在圖中，標(biāo)注位置即為人的位置，記為x，那么該位置的沖擊函數(shù)可以表示為 δ（x-x），代表標(biāo)注點(diǎn)的密度平滑區(qū)域。則在此區(qū)域內(nèi)具有的人群數(shù)量可以表示為：

N表示所采集圖中人頭標(biāo)記總數(shù)，則密度圖就能由如下公式生成：

圖3：HLMMNet測試結(jié)果圖

3.1.2 基于空間注意力透視的方法完善模型

Zhang等通過實(shí)際研究發(fā)現(xiàn)，在使用該方法進(jìn)行人群統(tǒng)計(jì)時(shí)，目標(biāo)場景往往和訓(xùn)練場景存在差異，這也導(dǎo)致了統(tǒng)計(jì)性能的顯著下降。同時(shí)存在圖像視角變化較大以及少量特征空間信息丟失的問題。

為了改善這種情況，Meng等補(bǔ)充了空間注意力透視模型，使用空間注意力透視模型時(shí)，主要目的是減小一些極端視角所帶來的影響，并且，能夠在一定程度上提升密度圖質(zhì)量的同時(shí)，更好的聚合特征信息。在輸入特征圖之后，該模型能夠從左到右、右到左、下到上、上到下四個(gè)維度構(gòu)成四個(gè)卷積模型，作為一種可插入的模塊，成功解決了極端視角、場景連續(xù)變化等問題。在將特征圖的信息綜合后，輸出特征圖，在坐標(biāo)變化器上根據(jù)透視因子對特征圖進(jìn)行處理，從而減小尺度變化。

顯示密度圖時(shí)，由于通過HLMMNet測試時(shí)，顏色越亮，所代表的人群密度越大，所以，最終在標(biāo)志牌上顯示時(shí)需要對顏色進(jìn)一步轉(zhuǎn)化（以紅、橙、黃、綠分別代表人群密度高、較高、中等、較低等）。在標(biāo)志牌上顯示不同顏色以區(qū)分人群密度之后，將在5到10秒內(nèi)進(jìn)行切屏，從而達(dá)到實(shí)時(shí)變化的目的。

3.2 智能推薦功能

在通過對人群密度的識別和統(tǒng)計(jì)之后，一方面，游客能夠根據(jù)標(biāo)志牌上所顯示顏色判斷人群密度低的地區(qū)，從而選擇相關(guān)路線。另一方面，標(biāo)志牌能夠根據(jù)所識別的人群數(shù)量信息，附近位置信息，通過計(jì)算為游客推薦較優(yōu)路線。

將標(biāo)志牌的附近人群識別區(qū)域做出密度排行，分別將附近區(qū)域的人群密度（crowd density, CD）、附近地域距當(dāng)前位置的距離（distance, D）、其他服務(wù)地點(diǎn)的距離（餐廳、洗手間等）（else, E）以及該地點(diǎn)的人群密度（D2）作為變量，通過對不同變量進(jìn)行加權(quán)，在此基礎(chǔ)上計(jì)算出最優(yōu)解，從而推薦出“最優(yōu)解”路線（path, P）。

P=0.3CD+0.4D+0.2E+0.1D2

通過計(jì)算，當(dāng)P越小，說明此條路線所花費(fèi)時(shí)間越短，即為“最優(yōu)解”路線。但是，在得出計(jì)算結(jié)果后，可能導(dǎo)致多人奔向“最優(yōu)解”路線而使該路線變得擁擠，所以，通過持續(xù)計(jì)算而使人群分布較為平均也是后續(xù)研究的目標(biāo)。

3.3 多種信息顯示功能

3.3.1 停車位顯示

通過和智能停車場相連，實(shí)時(shí)顯示停車場停車位數(shù)量，并且在空停車位數(shù)量降到一定程度時(shí)，做出相關(guān)提示，方便游客游玩的同時(shí)，讓出行更加便捷。

3.3.2 天氣信息顯示

標(biāo)志牌終端能夠通過電腦控制，從而顯示各時(shí)間段的天氣狀況，并且在天氣發(fā)生變化時(shí)，能夠進(jìn)行語音提醒。

3.3.3 其他信息

（1）安全是我們時(shí)刻都應(yīng)該緊繃的一根弦，我們只有在心中牢固樹立安全意識，才能做好時(shí)刻保護(hù)自己。但是安全事故仍時(shí)常發(fā)生，當(dāng)在景區(qū)發(fā)生人員走失時(shí)，能夠顯示走失人員的相關(guān)信息，以便能夠及時(shí)找回走失人員；同時(shí)發(fā)生火災(zāi)等緊急情況時(shí)，標(biāo)志牌也能充當(dāng)信息傳遞的工具，在一定程度上減少損失。

（2）并且，當(dāng)景區(qū)內(nèi)設(shè)備維修、建筑物施工時(shí)，也能在標(biāo)志牌上具體顯示。

（3）標(biāo)志牌除了能顯示地圖信息外，還能夠在特定時(shí)間作為廣告牌使用，在為游客提供娛樂信息的同時(shí)為自身做好宣傳提供保障。

4 結(jié)論

本文在智能標(biāo)志牌的研究設(shè)計(jì)上，從智能設(shè)計(jì)和多功能結(jié)合兩方面作為出發(fā)點(diǎn)對智能標(biāo)志牌進(jìn)行了研究，通過分析，能夠得到以下結(jié)論：

（1）與CNN結(jié)合進(jìn)行人群計(jì)數(shù)為當(dāng)前發(fā)展方向，本文在此基礎(chǔ)上引入了基于高低多維視角多元信息融合的方法進(jìn)行人群計(jì)數(shù)和密度估計(jì)，并結(jié)合空間注意力透視模型進(jìn)行優(yōu)化，讓其能在場景變換復(fù)雜、干擾因素眾多的環(huán)境中保持較高性能的運(yùn)行。多元信息融合進(jìn)行人群計(jì)數(shù)雖然具備較好性能，但在實(shí)際運(yùn)用中考慮參數(shù)仍然較多，實(shí)用性能有待進(jìn)一步提升，所以后續(xù)工作主要聚焦在加入實(shí)際更多參數(shù)量的同時(shí)保證準(zhǔn)確率。

（2）通過人群計(jì)數(shù)為智能推薦路線提供前提，結(jié)合計(jì)算公式和模型分析得到最佳路線，同時(shí)，由于人群密度時(shí)刻變化，導(dǎo)致最優(yōu)路線也在變化，所以該計(jì)算過程也應(yīng)持續(xù)。

（3）標(biāo)志牌最直接的功能就是為使用它的人提供信息，在傳統(tǒng)的標(biāo)志牌上，將更多的功能融合在智能標(biāo)志牌上，在有限的位置盡可能多的為游客提供信息，實(shí)現(xiàn)“一牌多用”。

但以上關(guān)于智能標(biāo)志牌的研究設(shè)計(jì)均屬于理論的研究，并未進(jìn)行電路分析實(shí)驗(yàn)，分析實(shí)際因素對標(biāo)志牌的圖像處理等。后期將從這些方面進(jìn)行完善，并設(shè)計(jì)模型進(jìn)行實(shí)驗(yàn)分析，是科技發(fā)展與人民日益增長的需要相協(xié)調(diào)，讓旅游業(yè)發(fā)展更上一層樓。