滑雪季又来了！如何用计算机视觉帮雪场解决最头疼的问题

冬天一到，雪场又开始热闹起来。无论是老雪友还是新手，都有一个共同的噩梦：排队。

滑雪场怕排队——因为体验差；

滑雪的人更怕排队——因为时间都浪费在队伍里了。

尤其是那种几十米长的大蛇形队伍，一边冻得打哆嗦，一边还在怀疑人生：“为什么偏偏我排的这条线最慢？旁边那条看着就比我们快一倍……”

其实雪场也想解决这个问题，但现有的方法（比如 RFID 通行速率）并不靠谱：人少和人多时看起来差不多，根本反映不出队伍到底积压了多少。

所以想做一件简单但有用的事——用摄像头 + 计算机视觉算法，直接数队伍里到底有多少人，再算出真实的等待时间。

Coovally平台提供了一站式AI开发环境，支持从数据准备、模型训练、验证评估到部署应用的全流程，帮助我们快速构建和落地自定义的AI模型。

Coovally平台不仅提供模型资源，还可以帮助你提供AI解决方案，可以扫描二维码，给你提供解决方案！！

---

一、快速讲一下计算机视觉是怎么“看”画面的

简单来说：

一帧视频其实就是一张图片，每个像素有红、绿、蓝三个数值。神经网络会用很多小滤波器在画面上扫来扫去，看看局部区域是否像它学过的东西。

• 浅层能看出边缘、纹理

• 深层能识别人、椅子、雪板这样的形状

• 最后几层它就不看像素了，而是看“特征”

我用的 YOLO 模型就是基于这种方式训练的，它从超级多真实世界的图像中学会了“找人”。所以即使不做额外训练，它也能在拥挤的缆车队伍里找到滑雪者的轮廓。

---

二、滑雪者检测流程怎么搭建的

很多雪场都有 24 小时的监控，比如基地、雪况、缆车队伍。可以自我选择不同环境和场景下的数据集，这里使用了Coovally提供的数据集。

先在 Colab 上用一小段录好的视频调试，保证整个逻辑是通的，再接入实时画面。

---

三、模型选型和参数调整

YOLOv11 有几种大小，从 mini 到 large，还有两种类型：

• 画框（Bounding Box）

给每个人画一个矩形框。这种方法速度快、重量轻，但矩形框并不能真正“理解”人的形状。而且拥挤时框会重叠、闪烁，计数不稳定

• 分割（Instance Segmentation）

为每位滑雪者生成一个完整的像素掩码。它不再是说“这个人存在于这个框内的某个位置”，而是说“这些精确的像素属于这个人”。掩码应该能更好地处理拥挤和部分遮挡的情况。但更吃显卡

这次选的是 中型的分割模型 yolo11m-seg.pt，速度和准确度比较平衡。

• Confidence（置信度）

越低越“胆大”，能抓到更多模糊的人影，但误报也可能变多。

• IoU（重叠阈值）

控制重叠的检测是否合并。拥挤的队伍里很容易两个人挤在一起，所以我把 IoU 调高（0.9），避免被误认为一个人。

---

四、专注真正的排队区域（ROI）

摄像头画面很大，有的区域根本不是队伍，比如雪地、建筑、路人。所以我只裁剪缆车队伍所在的区域：

roi_crop = frame[roi_y1:roi_y2, roi_x1:roi_x2]

这样更快也更准确。

• 检测并统计人数

对每帧画面跑分割模型，得到队伍中的人数。

results = model.predict(roi_up, conf= 0.25 , iou= 0.9 )    # 分割

逐帧统计会抖动，所以我用 15 秒的滑动窗口做平滑处理，让结果更稳定。

frame_counts.append ( { 
    "frame" : frame_idx, 
    "count_in_roi" : len (ids_in_roi) 
})

• 等待时间怎么估算？

核心逻辑很简单：

把缆车当成一台每分钟能“处理” X 个人的机器。

如果队伍中有 N 个人，那么：

等待时间 = N ÷ 每分钟实际上车人数

实际吞吐量取决于：

• 缆车的理论最大容量（如四人椅 2000 人/小时）

• 实际装载率（一般 50%~95%）

例如：

• 理论：2000 人/小时 = 33 人/分钟

• 实际：75% 装载率 → 25 人/分钟

公式：

Wait = N / (C × O / 60)

真实系统当然最好能接入缆车运行状态，例如是否减速、停机。但我现在用的摄像头角度看不到这些细节。

• 第一次完整运行的结果

系统跑下来，非常稳定：

• 平均排队人数：10.9 人

• 峰值：45 人（中午 12:30）

• 高峰时段：下午 1 点

• 等待时间大部分都在 0–3 分钟之间

虽然人不多不算“压力测试”，但整体流程已经验证可行。

• 尝试其他方法

人群密度估计模型（不检测单个人，直接预测区域人数）

简单像素占比（ROI 里“不是雪”的像素占了多少）

这些方法可能又快又够用。

---

总结

整体来看，这个系统的效果比我预期更好。即便摄像头不算理想、模型也没专项优化，光靠视频直接数人并换算成等待时间，已经比 RFID 闸机给的“流量数据”更靠谱。

当然也有局限：

• 摄像头角度会影响很大

• 人特别多时分割模型可能会吃力

• 更先进的模型（比如 Meta 的 SAM3）效果更强但太吃算力