[发明专利]基于大数据统计的景区游玩系统及推荐方法

权利要求书

1.基于大数据统计的景区游玩系统，其特征在于，包括应用层、模型层、平台层以及数据采集，其中，

应用层，接受用户兴趣参数，根据用户选择偏好，动态的进行权重选择，结合权重计算方法，综合热门推荐指标与个性推荐指标，进行联合推荐，推荐展现内容表现在app客户端，包括路线推荐，沿途商品推荐，热门路线推荐，综合兴趣推荐符合客户兴趣关注的旅游路线；

模型层，抽取，转换，加载平台层数据，综合各种数据源，进行最佳权重推荐计算，模型层包括人脸识别，人脸比对，权重自动选择，辐射距离计算，推荐权重计算，属性相关性计算模型；

平台层，搭建分布式集群服务器，存储海量的游客信息，支付信息，图像，视频等数据，并提供资源弹性调度Yarn管理，运用深度学习计算包，keras，openCv，搭建数据处理机器学习平台；

数据采集，景区在入口与出口处部署摄像头，摄像头采集视频流数据转换为图帧实时上传人脸识别系统，支付产品采集游客支付数据，支付产品采集人脸信息结构化与非结构化数据。

2.根据权利要求1所述的基于大数据统计的景区游玩系统，其特征在于，人脸识别系统接收来自摄像头视频流数据并上传采集地点，采集时间，实时监测人脸，识别人脸，识别出人脸ID。

3.根据权利要求1所述的基于大数据统计的景区游玩系统，其特征在于，人脸比对系统用来处理图片，进行像素比对和字符进制转换，计算汉明顿距离，获取相似图片查找相似人物。

4.一种根据权利要求1所述的基于大数据统计的景区游玩系统的推荐方法，其特征在于，包括如下步骤：

S1：摄像头视频流数据转换为图帧实时上传人脸识别系统，并上传采集地点，采集时间；

S2：人脸识别系统实时监测人脸，识别人脸，识别出人脸ID，根据采集地点判断是否出入口，景区外部摄像头判断是否出口，内部摄像头判断是入口；

S3：多路摄像头执行S1，S2两步，将数据按照分析出的人物ID分组，并按采集时间降序排序，生成人物轨迹；

S4：判断人物轨迹中是否有入口，出口，如果轨迹中有入口，有出口，则将入口添加到轨迹第一个位置，中途经过的采集地点依次添加到后续位置，出口添加到最后一个位置，生成轨迹路线，如果只有入口，没有出口，则将最后出现位置作为出口，如果没有入口，只有出口，则将第一次出现的位置作为入口；

S5：以轨迹路线为key，分析每条路线的人数，并按照人数倒排，生成热门路线排名；

S6：通过线下门店支付采集人脸ID与进园游客人脸ID比对，发现游客所购商品名称，类别，金额等属性信息，并上传门店位置信息；

S7：计算每个门店与景区景点的位置距离

其中m_x为门店在x轴上的坐标，m_y为门店在y轴上的坐标,同理，j_x为景点在x轴上的坐标，j_y为景点在y轴上的坐标；

(j,m_i)＝min(dis_(m,j)) (公式2)

取最近距离的门店作为此景点的辐射门店,每个景点j下面辐射i个门店；

S8：计算每个景点辐射门店的商品类别的销售额，销售数量；

式中，A为销售额，A_i,c表示c类商品的销售额，c是一个集合，表示多个类别，S(j,c)表示c类商品在景点j上的销售额总额；

S9：设每个景点的游览人数为X_i,权重为α，门店销售额为Y_i,权重为β，为游客爱好与门店相关度，γ为相关度权重，那么，对某个游客P推荐景点的概率集合为：

C1为商品类别，C2为用户标签，ρ_C1,C2表示用户与商品的属性相关系数；

S10：取最大概率的景点作为推荐景点，公式为：

P|W_i＝max(W_i|P) (公式6)

最终推荐给游客的路线可根据游客的爱好进行动态调整。

5.根据权利要求4所述的基于大数据统计的景区游玩系统的推荐方法，其特征在于，S2中人脸比对步骤包括：

S2-1：缩小图片：首先，把这个图片缩小到8x8大小，并改成灰度模式，8x8大小的图片有64个像素值，计算这64个像素的平均值；

S2-2：得到这个平均值之后，再和每个像素对比，像素值大于平均值的标记成1，小于或等于平均值的标记成0，组成64个数字的字符串；

S2-3：由于64位太长，比较起来也麻烦，每4个字符为1组，由2进制转成16进制，这样就剩下一个长度为16的字符串，这个字符串也就是这个图片可识别的哈希值；

S2-4：对比方法用汉明距离，汉明距离越小就说明图片越相识，超过10就说明图片很不一样；

S2-5：获取相似图片的特征码，并在视频库中找到相似的人物。