一种行人搭乘扶梯异常行为检测方法、装置及电子设备制造方法及图纸

本说明书一个或多个实施例提供的一种行人搭乘扶梯异常行为检测方法、装置及电子设备，通过将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；通过识别行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范，从而能够准确识别出行人搭乘扶梯时是否规范。

【技术实现步骤摘要】
一种行人搭乘扶梯异常行为检测方法、装置及电子设备
本说明书一个或多个实施例涉及安全搭乘扶梯
，尤其涉及一种行人搭乘扶梯异常行为检测方法、装置及电子设备。
技术介绍
目前，我国尚未规范如何正确搭乘自动扶梯，全靠使用方制定、宣传与实施，但是用户使用过程中是否真的遵守规范，这个很难保证。因此，自动扶梯的使用存在有一系列的安全隐患，在事故发生的时候往往会带来非常大的伤害，而且这些安全隐患往往很难被安全管理者所发现。如果能够及时发现，对安全事故进行预警，将会减少安全事故的发生。现有技术中，开始采用目标检测算法分析人在搭乘扶梯时的行为，并据此判断是否规范。但是，传统的目标检测算法对图像的清晰度以及光线的要求较高，实际生产环境下识别率较低。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种行人搭乘扶梯异常行为检测方法、装置及电子设备，以解决现有技术中的技术问题。基于上述目的，本说明书一个或多个实施例提供了一种行人搭乘扶梯异常行为检测方法，包括：获取行人搭乘扶梯的原始图像；将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范；输出检测结果。作为一种可选的实施方式，所述人体骨骼点检测模型为openpose算法模型，所述人体骨骼点检测模型的训练方法为：获取行人搭乘扶梯的历史图像；将所述历史图像进行预先标注，标注出历史图像中的行人及行人骨骼点；将标注后的历史图像按照预设比例划分为训练样本和测试样本；将训练样本输入初始的openpose算法模型，进行迭代运算；使用测试样本对迭代运算后的openpose算法模型进行验证，若误差小于阈值，则模型收敛，若误差大于阈值，则返回执行迭代运算的步骤，直至模型收敛或者达到预设运算次数；将收敛的openpose算法模型或者达到最大运算次数的openpose算法模型作为训练好的openpose算法模型输出。作为一种可选的实施方式，所述针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范，包括：针对检测图像中的每个行人，判断该行人的行人骨骼点的手腕位置与扶梯的扶手带位置是否存在重合；如果存在重合，则表示该行人规范的搭乘扶梯；否则，表示该行人未规范的搭乘扶梯。作为一种可选的实施方式，所述输出检测结果，包括：如果所述原始图像中的全部行人均规范的搭乘扶梯，则所述原始图像中不存在不规范搭乘扶梯行为；如果所述原始图像中至少有一个行人不规范的搭乘扶梯，则所述原始图像中存在不规范搭乘扶梯行为。作为一种可选的实施方式，如果所述原始图像中存在不规范搭乘扶梯行为，还包括发出告警信息的步骤。作为本专利技术的第二个方面，提供了一种行人搭乘扶梯异常行为检测装置，包括：获取单元，用于获取行人搭乘扶梯的原始图像；监测单元，用于将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；判断单元，用于针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范；输出单元，用于输出检测结果。作为一种可选的实施方式，所述人体骨骼点检测模型为openpose算法模型，所述人体骨骼点检测模型包括：获取模块，用于获取行人搭乘扶梯的历史图像；标注模块，用于将所述历史图像进行预先标注，标注出历史图像中的行人及行人骨骼点；划分模块，用于将标注后的历史图像按照预设比例划分为训练样本和测试样本；运算模块，用于将训练样本输入初始的openpose算法模型，进行迭代运算；验证模块，用于使用测试样本对迭代运算后的openpose算法模型进行验证，若误差小于阈值，则模型收敛，若误差大于阈值，则返回执行迭代运算的步骤，直至模型收敛或者达到预设运算次数；输出模块，用于将收敛的openpose算法模型或者达到最大运算次数的openpose算法模型作为训练好的openpose算法模型输出。作为一种可选的实施方式，所述判断单元用于：针对检测图像中的每个行人，判断该行人的行人骨骼点的手腕位置与扶梯的扶手带位置是否存在重合；如果存在重合，则表示该行人规范的搭乘扶梯；否则，表示该行人未规范的搭乘扶梯。作为一种可选的实施方式，所述输出单元用于：如果所述原始图像中的全部行人均规范的搭乘扶梯，则所述原始图像中不存在不规范搭乘扶梯行为；如果所述原始图像中至少有一个行人不规范的搭乘扶梯，则所述原始图像中存在不规范搭乘扶梯行为。作为本专利技术的第三个方面，还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的方法。从上面所述可以看出，本说明书一个或多个实施例提供的一种行人搭乘扶梯异常行为检测方法、装置及电子设备，通过将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；通过识别行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范，从而能够准确识别出行人搭乘扶梯时是否规范。附图说明为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本说明书一个或多个实施例的方法的逻辑示意图；图2为本说明书一个或多个实施例的人体骨骼点检测模型的训练方法的逻辑示意图；图3为本说明书一个或多个实施例的装置的逻辑示意图；图4为本说明书一个或多个实施例的人体骨骼点检测模型的逻辑示意图；图5为本说明书一个或多个实施例的电子设备示意图。具体实施方式为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本公开进一步详细说明。需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。为了实现上述专利技术目的，本专利技术实施例提供了一种行人搭乘扶梯异常行为检测方法，包括：获取行人搭乘扶梯的原始图像；将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范；输出检测结果。本专利技术实施例中，通过将所述原始图像输入预训练好的人体骨骼点检测模本文档来自技高网...

【技术保护点】
1.一种行人搭乘扶梯异常行为检测方法，其特征在于，包括：/n获取行人搭乘扶梯的原始图像；/n将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；/n针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范；/n输出检测结果。/n

【技术特征摘要】
1.一种行人搭乘扶梯异常行为检测方法，其特征在于，包括：
获取行人搭乘扶梯的原始图像；
将所述原始图像输入预训练好的人体骨骼点检测模型中，获得模型输出的标注有行人及行人骨骼点的检测图像；
针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范；
输出检测结果。


2.根据权利要求1所述的行人搭乘扶梯异常行为检测方法，其特征在于，所述人体骨骼点检测模型为openpose算法模型，所述人体骨骼点检测模型的训练方法为：
获取行人搭乘扶梯的历史图像；
将所述历史图像进行预先标注，标注出历史图像中的行人及行人骨骼点；
将标注后的历史图像按照预设比例划分为训练样本和测试样本；
将训练样本输入初始的openpose算法模型，进行迭代运算；
使用测试样本对迭代运算后的openpose算法模型进行验证，若误差小于阈值，则模型收敛，若误差大于阈值，则返回执行迭代运算的步骤，直至模型收敛或者达到预设运算次数；
将收敛的openpose算法模型或者达到最大运算次数的openpose算法模型作为训练好的openpose算法模型输出。


3.根据权利要求1所述的行人搭乘扶梯异常行为检测方法，其特征在于，所述针对检测图像中的每个行人，基于该行人的行人骨骼点与扶梯的相对位置关系，判断该行人搭乘扶梯是否符合规范，包括：
针对检测图像中的每个行人，判断该行人的行人骨骼点的手腕位置与扶梯的扶手带位置是否存在重合；
如果存在重合，则表示该行人规范的搭乘扶梯；否则，表示该行人未规范的搭乘扶梯。


4.根据权利要求3所述的行人搭乘扶梯异常行为检测方法，其特征在于，所述输出检测结果，包括：
如果所述原始图像中的全部行人均规范的搭乘扶梯，则所述原始图像中不存在不规范搭乘扶梯行为；
如果所述原始图像中至少有一个行人不规范的搭乘扶梯，则所述原始图像中存在不规范搭乘扶梯行为。


5.根据权利要求4所述的行人搭乘扶梯异常行为检测方法，其特征在于，如果所述原始图像中存在不规范搭乘扶梯行为，还包括发出告警信息的步骤。


6.一种行人搭乘扶...

【专利技术属性】
技术研发人员：李翰，宋建斌，吴武勋，王兆明，闫绪恒，黄镇，张汉利，
申请(专利权)人：招商新智科技有限公司，
类型：发明
国别省市：北京;11