一种基于人工智能的酒店来访人员的识别方法及系统与流程

本发明属于基于人工智能的酒店管理，具体涉及一种基于人工智能的酒店来访人员的识别方法及系统。

背景技术：

1、随着国民经济的发展，商务出差、旅游度假已经成为人们日常生活的一部分，这使得酒店业也得到了快速发展；如此，酒店的安全管理也愈发重要，目前，酒店均会对入住酒店的客户信息进行登记以及查验，以实现入住人员的规划化管理，从而提高酒店的安全性。

2、但是，由于酒店人流量较大，对于酒店前台人员来说，并不能甄别来往的行人是酒店入住人员还是酒店访客，因此，对于酒店访客的管理，大多数的酒店都未进行严格的登记，而即使目前大多数酒店使用了门禁式管理来规避前述弊端，但如果酒店客户与访客人员同行进入，访客人员依旧无需登记就可进入酒店，从而使得该管理方式也无法起到访客识别与管理作用，如此，现有技术无法实现访客的智能识别与管理，这不仅容易造成酒店管理的安全隐患，且在需要进行酒店人员排查时，还无法快速得出酒店入住人员的人员关系，需要耗费大量的人力去进行信息排查，不便于进行跟踪调查；基于此，如何提供一种能够智能识别酒店访客的酒店管理方法，已成为一个亟待解决的问题。

技术实现思路

1、本发明的目的是提供一种基于人工智能的酒店来访人员的识别方法及系统，用以解决现有技术所存在的无法实现访客的智能识别与管理，从而容易造成酒店管理的安全隐患，以及无法快速得出酒店入住人员的人员关系的问题。

2、为了实现上述目的，本发明采用以下技术方案：

3、第一方面，提供了一种基于人工智能的酒店来访人员的识别方法，包括：

4、获取酒店入住用户的人脸图像以及入住信息，并基于所述入住信息，确定出所述酒店入住用户的入住路线，其中，入住路线包括酒店入住用户从酒店前台到达对应入住房间的所有路线；

5、获取所述入住路线上各个监控点对应的监控图像集，并将各个监控图像集进行排序处理，以利用排序后的各个监控图像集，组成待检测图像集，其中，任一监控图像集中的若干监控图像按照监控时间从先至后的顺序依次排序，且各个监控图像集的排序顺序，为所述酒店入住用户从酒店前台行走至对应入住房间期间所经过的监控点的途经顺序；

6、基于所述酒店入住用户的人脸图像，对所述待检测图像集中的各个待检测图像进行人脸识别处理，得到包含有所述酒店入住用户的待检测图像，以利用包含有所述酒店入住用户的待检测图像，组成访客检测图像集；

7、对所述访客检测图像集中的各个访客检测图像进行人脸识别处理，以得出各个访客检测图像中的目标用户，并将各个访客检测图像中的目标用户，作为所述酒店入住用户的疑似访客人员，其中，各个访客检测图像中的任一访客检测图像内的目标用户，为该任一访客检测图像中除去所述酒店入住用户后所剩余的人员；

8、基于各个访客检测图像对应的采集时间，确定出各个疑似访客人员相对于所述酒店入住用户的跟随时间，并基于各个疑似访客人员相对于所述酒店入住用户的跟随时间，确定出所述酒店入住用户的访客人员；

9、基于所述访客检测图像集，提取出所述访客人员的人脸图像，并基于所述入住信息以及所述访客人员的人脸图像，生成所述酒店入住用户的访客信息，以便在得到所述访客信息后，完成对所述酒店入住用户的访客识别以及管理。

10、基于上述公开的内容，本发明先获取酒店入住用户的人脸图像以及入住信息，然后，再根据入住信息来确定出其对应的入住路线，以便基于入住路线，来获取该路线上各个监控点所对应的监控图像集；如此，该步骤相当于实现了酒店入住用户从酒店前台到达房间的所有路径对应的监控图像；接着，本发明以前述监控图像集为数据基础，并基于访客人员需要与入住人员同行才能进入酒店这一特性，来实现访客的智能识别。

11、具体的，本发明先按照酒店入住用户所经过监控点的顺序，来将各个监控图像集进行排序，得到待检测图像集；然后，本发明以酒店入住用户的人脸图像为检测目标，来对各个待检测图像进行人脸识别，从而识别出包含有酒店入住用户的待检测图像，以将识别出的图像，作为访客检测图像；接着，则再对各个访客检测图像进行人脸识别，得出各个访客检测图像中除去酒店入住用户的人员，如此，前述步骤相当于筛选出了与酒店入住用户同框的人员，而筛选出的人员则作为疑似访客人员，而后，本发明再基于各个访客检测图像，来确定出各个疑似访客人员相对于酒店入住用户的跟随时间（也就是同行时间），并根据跟随时间来筛选出酒店入住用户实际的访客人员（即跟随时间越久，其为访客人员的概率越大）；最后，即可提取出各个访客人员的人脸图像，并与酒店入住用户的入住信息相关联，从而生成酒店入住用户对应的访客信息，以最终实现酒店入住用户的智能识别与管理。

12、通过上述设计，本发明通过机器识别技术，来对酒店入住用户前往房间的所有路线上的图像进行人脸识别，从而识别出与酒店入住用户同行的人员；而后，则根据其同行人员相对于酒店入住用户的跟随时间，来从各个同行人员中，筛选出酒店入住用户的访客人员；最后，则提取访客人员的人脸图像，并与酒店入住用户的入住信息相关联，从而生成该酒店入住用户的访客信息；由此，本发明可智能识别出酒店入住用户的访客人员，并实现访客人员与入住人员信息的关联，基于此，不仅实现了酒店访客的智能识别以及管理，还增加了酒店人员入住信息的信息维度，可在后续对酒店内的异常人员进行分析调查时，快速得出异常人员的人员关系，如此，不仅节约了相应的人力资源，还提升了分析调查的效率，适用于在酒店管理技术领域的大规模应用与推广。

13、在一个可能的设计中，基于所述酒店入住用户的人脸图像，对所述待检测图像集中的各个待检测图像进行人脸识别处理，得到包含有所述酒店入住用户的待检测图像，包括：

14、对于所述待检测图像集中的任一待检测图像，对所述任一待检测图像分别进行高频局部特征提取处理以及低频局部特征提取处理，以得到所述任一待检测图像的高频局部特征信息和低频局部特征信息；

15、对所述高频局部特征信息和低频局部特征信息进行加权融合处理，得到所述任一待检测图像的全局特征信息；

16、将所述全局特征信息输入至人脸识别模型中进行人脸识别处理，得到所述任一待检测图像中至少一张人脸的人脸识别结果，其中，所述人脸识别模型采用训练后的卷积神经网络模型；

17、若所述人脸识别结果中包含有所述酒店入住用户的人脸图像，则判定所述任一待检测图像包含有所述酒店入住用户。

18、在一个可能的设计中，对所述任一待检测图像进行高频局部特征提取处理，以得到所述任一待检测图像的高频局部特征信息，包括：

19、将所述任一待检测图像进行灰度化处理，得到灰度图像，并将所述灰度图像进行高斯滤波去噪处理，得到去噪灰度图像；

20、获取特征提取尺度，其中，所述特征提取尺度包括特征采样点个数以及特征提取窗口尺寸；

21、对于所述去噪灰度图像中的第k个像素点，基于所述特征提取尺度，确定出所述第k个像素点的特征提取窗口，以及所述特征提取窗口内的特征采样点，其中，所述特征提取窗口为以所述第k个像素点为圆心，所述特征提取窗口尺寸为半径的圆；

22、计算各个特征采样点的灰度值，并基于各个特征采样点的灰度值和所述第k个像素点的灰度值，计算出所述第k个像素点的局部特征值；

23、将k自加1，并重新基于所述特征提取尺度，确定出所述第k个像素点的特征提取窗口，直至k等于k时，得到所述去噪灰度图像中每个像素点的局部特征值，其中，k的初始值为1，且k为所述去噪灰度图像中像素点的总个数；

24、对所述去噪灰度图像进行多尺度分块处理，得到若干分块图；

25、根据各个分块图中各个像素点的局部特征值，生成各个分块图对应的纹理特征向量；

26、利用各个分块图对应的纹理特征向量，生成所述任一待检测图像的高频局部特征信息。

27、在一个可能的设计中，计算各个特征采样点的灰度值，包括：

28、对于任一特征采样点，判断该任一特征采样点是否为所述去噪灰度图像中的实际像素点，其中，所述实际像素点为所述去噪灰度图像中灰度值已知的像素点；

29、若否，则基于所述第k个像素点的坐标以及所述特征提取尺度，并采用如下公式（1）确定出所述任一特征采样点的像素坐标；

30、（1）

31、上述公式（1）中，依次表示所述任一特征采样点的像素横坐标和像素纵坐标，依次表示第k个像素点的像素横坐标和像素纵坐标，表示所述特征提取窗口尺寸，n表示所述特征采样点个数，i表示所述任一特征采样点的采样序号；

32、基于所述去噪灰度图像，获取所述任一特征采样点四周最邻近的四个实际像素点，以作为所述任一特征采样点的邻近像素点；

33、基于所述任一特征采样点的像素坐标以及各个邻近像素点的灰度值，并按照如下公式（2）计算出所述任一特征采样点的灰度值；

34、（2）

35、上述公式（2）中，表示所述任一特征采样点的灰度值，为四个邻近像素点对应的像素横坐标中的最大值，为四个邻近像素点对应的像素纵坐标中的最大值，依次表示四个邻近像素点的灰度值。

36、在一个可能的设计中，基于各个特征采样点的灰度值和所述第k个像素点的灰度值，计算出所述第k个像素点的局部特征值，包括：

37、基于各个特征采样点的灰度值，并按照如下公式（3），计算出特征阈值；

38、（3）

39、上述公式（3）中，表示所述特征阈值，表示采样序号为n-1的特征采样点的灰度值，表示所述第k个像素点的灰度值，表示采样序号为0的特征采样点的灰度值，表示采样序号为i的特征采样点的灰度值，n表示所述特征采样点个数，表示阈值函数，且；

40、根据所述特征阈值，并按照如下公式（4），计算出所述第k个像素点的局部特征值；

41、（4）

42、上述公式（4）中，表示第k个像素点的局部特征值。

43、在一个可能的设计中，对所述任一待检测图像进行低频局部特征提取处理，以得到所述任一待检测图像的低频局部特征信息，包括：

44、对所述任一待检测图像进行尺寸变换，得到变换图像，其中，所述任一待检测图像的尺寸为m×n，且所述变换图像的尺度为n×n；

45、对所述变换图像进行灰度处理，得到灰度变换图像；

46、基于所述灰度变换图像，并采用如下公式（5），提取得到所述任一待检测图像的低频局部特征信息；

47、（5）

48、上述公式（5）中，表示所述低频局部特征信息，表示所述灰度变换图像中像素坐标为的像素点的灰度值，，为中间参数，且，。

49、在一个可能的设计中，基于各个访客检测图像对应的采集时间，确定出各个疑似访客人员相对于所述酒店入住用户的跟随时间，包括：

50、对于任一疑似访客人员，从各个访客检测图像中，筛选出包含有所述任一疑似访客人员的访客检测图像，并对筛选出的访客检测图像进行图像分类，得到若干图像类，其中，任一图像类中的各访客检测图像为连续帧图像；

51、对于任一图像类，基于任一图像类中各个访客检测图像对应采集时间中的最早的采集时间，以及最晚的采集时间，确定出所述任一图像类的采集时长，并在所有图像类均处理完毕后，得到每个图像类的采集时长；

52、求和所有图像类的采集时长，得到该任一疑似访客人员相对于酒店入住用户的跟随时间。

53、在一个可能的设计中，基于各个疑似访客人员相对于所述酒店入住用户的跟随时间，确定出所述酒店入住用户的访客人员，包括：

54、基于所述访客检测图像集，确定出所述酒店入住用户的被监控时长，以作为第一时长；

55、对于任一疑似访客人员，对所述待检测图像集中的各个待检测图像进行人脸识别处理，以得出包含有所述任一疑似访客人员的待检测图像；

56、基于包含有所述任一疑似访客人员的待检测图像，确定出所述任一疑似访客人员的被监控时长，以作为第二时长；

57、求和所述第一时长和所述第二时长，得到时长总和，并计算目标时长与时长总和之间的比值，得到访客概率值，其中，目标时长为该任一疑似访客人员相对于酒店入住用户的跟随时间；

58、判断所述访客概率值是否大于或等于预设阈值；

59、若是，则将所述任一疑似访客人员，作为所述酒店入住用户的访客人员。

60、在一个可能的设计中，在基于各个访客检测图像对应的采集时间，确定出各个疑似访客人员相对于所述酒店入住用户的跟随时间前，所述方法还包括：

61、获取酒店入住数据库，其中，所述酒店入住数据库中存储有若干酒店入住人员的人脸图像；

62、对于任一疑似访客人员，基于所述酒店入住数据库，对所述任一疑似访客人员进行人脸匹配，并判断在酒店入住数据库中是否能够匹配出与所述任一疑似访客人员相对应的人脸图像；

63、若是，则从所述酒店入住用户的疑似访客人员中删除所述任一疑似访客人员。

64、第二方面，提供了一种基于人工智能的酒店来访人员的识别系统，包括：

65、数据获取单元，用于获取酒店入住用户的人脸图像以及入住信息，并基于所述入住信息，确定出所述酒店入住用户的入住路线，其中，入住路线包括酒店入住用户从酒店前台到达对应入住房间的所有路线；

66、数据预处理单元，用于获取所述入住路线上各个监控点对应的监控图像集，并将各个监控图像集进行排序处理，以利用排序后的各个监控图像集，组成待检测图像集，其中，任一监控图像集中的若干监控图像按照监控时间从先至后的顺序依次排序，且各个监控图像集的排序顺序，为所述酒店入住用户从酒店前台行走至对应入住房间期间所经过的监控点的途经顺序；

67、人脸识别单元，用于基于所述酒店入住用户的人脸图像，对所述待检测图像集中的各个待检测图像进行人脸识别处理，得到包含有所述酒店入住用户的待检测图像，以利用包含有所述酒店入住用户的待检测图像，组成访客检测图像集；

68、人脸识别单元，还用于对所述访客检测图像集中的各个访客检测图像进行人脸识别处理，以得出各个访客检测图像中的目标用户，并将各个访客检测图像中的目标用户，作为所述酒店入住用户的疑似访客人员，其中，各个访客检测图像中的任一访客检测图像内的目标用户，为该任一访客检测图像中除去所述酒店入住用户后所剩余的人员；

69、访客管理单元，用于基于各个访客检测图像对应的采集时间，确定出各个疑似访客人员相对于所述酒店入住用户的跟随时间，并基于各个疑似访客人员相对于所述酒店入住用户的跟随时间，确定出所述酒店入住用户的访客人员；

70、访客管理单元，还用于基于所述访客检测图像集，提取出所述访客人员的人脸图像，并基于所述入住信息以及所述访客人员的人脸图像，生成所述酒店入住用户的访客信息，以便在得到所述访客信息后，完成对所述酒店入住用户的访客识别以及管理。

71、第三方面，提供了一种基于人工智能的酒店管理装置，以装置为电子设备为例，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计的所述基于人工智能的酒店来访人员的识别方法。

72、第四方面，提供了一种存储介质，存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计的所述基于人工智能的酒店来访人员的识别方法。

73、第五方面，提供了一种包含指令的计算机程序产品，当指令在计算机上运行时，使计算机执行如第一方面或第一方面中任意一种可能设计的所述基于人工智能的酒店来访人员的识别方法。

74、有益效果：

75、（1）本发明通过机器识别技术，来对酒店入住用户前往房间的所有路线上的图像进行人脸识别，从而识别出与酒店入住用户同行的人员；而后，则根据其同行人员相对于酒店入住用户的跟随时间，来从各个同行人员中，筛选出酒店入住用户的访客人员；最后，则提取访客人员的人脸图像，并与酒店入住用户的入住信息相关联，从而生成该酒店入住用户的访客信息；由此，本发明可智能识别出酒店入住用户的访客人员，并实现访客人员与入住人员信息的关联，基于此，不仅实现了酒店访客的智能识别以及管理，还增加了酒店人员入住信息的信息维度，可在后续对酒店内的异常人员进行分析调查时，快速得出异常人员的人员关系，如此，不仅节约了相应的人力资源，还提升了分析调查的效率，适用于在酒店管理技术领域的大规模应用与推广。