(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210924723.5 (22)申请日 2022.08.02 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心14、 15、 16、 37、 41、 44、 45、 46层 (72)发明人 欧阳高询 　 (74)专利代理 机构 深圳众鼎专利商标代理事务 所(普通合伙) 44325 专利代理师 谭果林 (51)Int.Cl. G06Q 40/08(2012.01) G06V 20/52(2022.01) G06T 7/11(2017.01) G06T 7/246(2017.01)G06T 7/70(2017.01) G06T 7/80(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的场景规划调整方法、 装置、 设备及介质 (57)摘要 本发明涉及人工智能技术领域， 尤其涉及一 种基于人工智能的场景规划调整方法、 装置、 设 备及介质。 该方法通过人员检测模 型对场景实际 图像处理， 得到人员分布热力图， 根据人员分布 热力图叠加结果确定人员轨迹信息， 并根据人员 轨迹信息和区域划分图像， 统计人员数量， 若人 员数量与预设阈值的比较结果满足条件， 则将区 域划分图像输入对抗生成网络， 得到区域更新图 像， 根据预设的生成损失函数， 更新网络参数， 得 到训练好的对抗生成网络， 确定训练好的对抗生 成网络的输出为目标更新图像， 通过生成损失函 数对对抗生成 网络进行在线训练， 能够根据实时 的人员分布信息确定场景规划调整方案， 提高了 场景规划的效率和准确率， 进而提高了场景的实 时利用率。 权利要求书3页 说明书13页 附图3页 CN 115239508 A 2022.10.25 CN 115239508 A 1.一种基于人工智能的场景规划调整方法， 其特 征在于， 所述方法包括： 将在N个目标时间点采集的网点场景的实 际图像输入训练好的人员 检测模型， 得到对 应目标时间点的人员分布热力图， N 为大于零的整数； 将N个人员分布热力图进行加权叠加， 根据叠加结果确定人员轨迹信 息， 并根据 所述人 员轨迹信息和预设的区域划分图像， 确定所述区域划分图像中各划分区域的人员数量； 针对任一划分区域， 将所述划分区域的人员数量与所述划分区域的预设阈值进行比 较， 若比较结果满足预设条件， 则将所述区域划分图像输入对抗生成网络， 得到区域更新图 像； 根据以所述区域更新图像和所述区域划分图像的差异计算的生成损失函数， 采用梯度 下降法更新所述对抗生成网络的参数， 直至所述生成损失函数收敛， 得到训练好的对抗生 成网络； 将所述区域划分图像输入所述训练好的对抗生成网络， 得到目标区域图像， 所述目标 区域图像用于指导对所述网点场景进行场景规划调整。 2.根据权利要求1所述的场景规划调整方法， 其特征在于， 所述人员检测模型包括第 一 编码器和第一解码器， 以网点场景 的历史图像作为所述人员检测模型训练时的训练样本， 以均方误差损失作为所述人员检测模型训练时的损失函数； 所述人员检测模型的训练过程包括： 获取所述历史图像中人员位置对应的图像坐标点， 以所述图像坐标点为中心， 采用预 设的高斯核进行卷积操作， 得到所述图像坐标点在所述历史图像中对应的热斑， 确定包含 所述热斑的所述历史图像作为所述人员检测模型训练时的标签； 将训练样本 输入所述第一编码器进行 特征提取， 得到样本场景 特征； 将所述样本场景 特征输入所述第一 解码器中， 得到样本人员分布热力图； 根据所述样本人员分布热力图与所述标签， 计算所述均方误差损 失， 并以所述均方误 差损失为依据， 采用梯度下降法反向更新所述人员检测模型 的参数， 直至所述均方误差损 失收敛， 得到训练好的人员检测模型。 3.根据权利要求1所述的场景规划调整方法， 其特征在于， 所述将N个人员分布热力图 进行加权 叠加包括： 将第n张人员分布热力图确定为待叠加图， 并将前n ‑1张人员分布热力图的叠加结果确 定为临时叠加结果， n 为大于零且小于等于N的整数， n的初始值设置为1； 根据加权叠加公式将所述待叠加图与所述临时叠加结果进行叠加， 得到更新叠加结 果； 将n的值增加 1， 再次执行将第n张人员分布热力图确定为待叠加图， 并将前n ‑1张人员 分布热力图的叠加结果确定为临 时叠加结果的步骤， 直至n与N相同， 得到N个人员分布热力 图进行加权 叠加的更新叠加结果。 4.根据权利要求1所述的场景规划调整方法， 其特征在于， 所述若比较结果满足预设条 件， 则将所述区域划分图像输入 对抗生成网络， 得到区域更新图像包括： 检测每个划分区域的人员数量是否大于对应划分区域的预设阈值， 若存在所述人员数 量大于所述预设阈值的划分区域， 则检测是否存在 任一划分区域的人员数量小于对应划分 区域的预设阈值；权　利　要　求　书 1/3 页 2 CN 115239508 A 2若存在任一划分区域的人员数量小于对应划分区域的预设阈值， 则确定所述比较结果 满足所述预设条件， 并将所述区域划分图像输入 对抗生成网络， 得到区域更新图像。 5.根据权利要求4所述的场景规划调整方法， 其特征在于， 在所述检测是否存在任一划 分区域的人员数量小于对应划分区域的预设阈值之后， 还 包括： 若不存在任一划分区域的人员数量小于对应划分区域的预设阈值， 则确定所述比较结 果不满足所述预设条件； 在所述比较结果不满足所述预设条件时， 计算所有划分区域的面积之和， 根据计算结 果和预设扩张面积， 确定场景扩张后的尺寸， 所述尺寸用于指导管理人员进行场景规划的 扩张调整。 6.根据权利要求1至5任一项所述的场景规划调整方法， 其特征在于， 所述生成损 失函 数包括区域损失项和阈值损失项； 以所述区域更新图像和所述区域划分图像的差异计算 生成损失函数的计算过程包括： 将所述区域划分图像中不满足所述预设条件的划分区域确定为目标划分区域， 并确定 所述目标划分区域在所述区域更新图像中对应的参照划分区域； 计算所述参照划分区域重心与所述目标划分区域重心之间的距离， 并确定计算结果为 所述区域损失项； 计算所述目标划分区域的人员数量与所述参照划分区域的面积的比值， 得到第 一人员 密度； 计算所述目标划分区域的预设阈值与所述目标划分区域的面积的比值， 得到第 二人员 密度； 将所述第一人员密度与所述第二人员密度作差， 并采用映射函数对作差结果处理， 得 到所述阈值损失项。 7.根据权利要求6所述的场景规划调整方法， 其特征在于， 所述生成损失函数还包括形 状损失项； 在所述得到所述阈值损失项之后， 还 包括： 通过边缘提取算法得到所述参照划分区域的边缘， 所述边缘包括M个边缘点， M为大于 零的整数； 计算每个边缘点的梯度， 并将所有边缘点的梯度均值与预设梯度阈值相减， 确定相减 结果为所述形状损失项。 8.一种基于人工智能的场景规划调整装置， 其特 征在于， 所述场景规划调整装置包括： 人员检测模块， 用于将在N个目标时间点采集的网点场景的实 际图像输入训练好的人 员检测模型， 得到对应目标时间点的人员分布热力图， N 为大于零的整数； 数量确定模块， 用于将N个人员分布热力图进行加权叠加， 根据叠加结果确定人员轨迹 信息， 并根据所述人员轨迹信息和预设的区域划分图像， 确定所述区域划分图像中各划分 区域的人员数量； 阈值比较模块， 用于针对任一划分区域， 将所述划分区域的人员数量与所述划分区域 的预设阈值进行比较， 若比较结果满足预设条件， 则将所述区域划分图像输入对抗生成网 络， 得到区域更新图像； 网络训练模块， 用于根据以所述区域更新图像和所述区域划分图像的差异计算的生成权　利　要　求　书 2/3 页 3 CN 115239508 A 3