一种行人行为状态识别方法及系统技术方案

本发明专利技术涉及一种行人行为状态识别方法及系统。该方法包括利用车载摄像机采集行人图像信息；根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；根据所述行人骨架节点数据提取行人骨架特征；根据行人骨架特征，采用行人行为分类器，确定行人的行为状态；所述行人行为分类器以行人骨架特征为输入，以行人行为状态为输出；本发明专利技术能够提高识别行人状态的准确性。状态的准确性。状态的准确性。

【技术实现步骤摘要】
一种行人行为状态识别方法及系统


[0001]本专利技术涉及图像处理领域，特别是涉及一种行人行为状态识别方法及系统。

技术介绍

[0002]随着汽车智能化的起步，人们对于汽车安全性的要求越来越高；而在实际道路交通环境中，行人作为最为复杂的交通要素之一，与车辆发生事故的可能性较大，因此，准确识别行人的行为状态，辅助车辆或驾驶员更好地做出反应有着极其重要的作用。
[0003]现阶段，针对行人行为状态的识别方法，主要是直接通过原始图像数据来判断；这种识别方法的局限性在于，数据量较大，运算复杂，同时干扰信息较多，使得该方法无法准确识别行人的行为状态，并且存在实用性不强的问题。

技术实现思路

[0004]本专利技术的目的是提供一种行人行为状态识别方法及系统，能够提高识别行人状态的准确性。
[0005]为实现上述目的，本专利技术提供了如下方案：一种行人行为状态识别方法，包括：利用车载摄像机采集行人图像信息；所述行人图像信息包括：设定时间段内连续的图像序列；所述图像序列包括图像信息和时间戳信息；根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；所述行人骨架节点数据包括：脊柱上下止点、肩关节、肘关节、髋关节、腕关节、膝关节以及踝关节节点；根据所述行人骨架节点数据提取行人骨架特征；所述行人骨架特征包括：距离特征、角度数值特征和角度数量特征；根据行人骨架特征，采用行人行为分类器，确定行人的行为状态；所述行人行为分类器以行人骨架特征为输入，以行人行为状态为输出；所述行人的行为状态包括：静止、行走或奔跑。
[0006]可选地，所述根据所述行人骨架节点数据提取行人骨架特征，具体包括：对所述行人骨架节点数据进行预处理；所述预处理包括：对骨架缺失的修补以及对节点缺失的修补；利用预处理后的行人骨架节点数据进行行人骨架特征的提取。
[0007]可选地，所述利用预处理后的行人骨架节点数据进行行人骨架特征的提取，具体包括：利用公式和公式确定距离特征；
利用公式和公式确定角度数值特征；利用公式和公式确定角度数量特征；其中，和分别为距离特征，为左右膝盖节点的距离和左右脚踝节点的距离除以行人的脊柱高度的值，分别为角度数值特征，为人体双膝关节所成角度，分别为角度数量特征，n为节点标号。
[0008]可选地，所述根据行人骨架特征，采用行人行为分类器，确定行人的行为状态，之前还包括：根据行人骨架特征，对行人图像信息进行聚类，建立行人行为分类器；聚类方法包括：K
‑
means++聚类算法或高斯混合模型聚类算法。
[0009]一种行人行为状态识别系统，包括：行人图像信息采集模块，用于利用车载摄像机采集行人图像信息；所述行人图像信息包括：设定时间段内连续的图像序列；所述图像序列包括图像信息和时间戳信息；行人骨架节点数据确定模块，用于根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；所述行人骨架节点数据包括：脊柱上下止点、肩关节、肘关节、髋关节、腕关节、膝关节以及踝关节节点；人骨架特征提取模块，用于根据所述行人骨架节点数据提取行人骨架特征；所述行人骨架特征包括：距离特征、角度数值特征和角度数量特征；行为状态确定模块，用于根据行人骨架特征，采用行人行为分类器，确定行人的行为状态；所述行人行为分类器以行人骨架特征为输入，以行人行为状态为输出；所述行人的行为状态包括：静止、行走或奔跑。
[0010]可选地，所述人骨架特征提取模块具体包括：人骨架节点数据预处理单元，用于对所述行人骨架节点数据进行预处理；所述预处理包括：对骨架缺失的修补以及对节点缺失的修补；人骨架特征提取单元，用于利用预处理后的行人骨架节点数据进行行人骨架特征的提取。
[0011]可选地，所述人骨架特征提取单元具体包括：距离特征确定子单元，用于利用公式和公式确定距离特征；
角度数值特征确定子单元，用于利用公式和公式确定角度数值特征；角度数量特征确定子单元，用于利用公式和公式确定角度数量特征；其中，和分别为距离特征，为左右膝盖节点的距离和左右脚踝节点的距离除以行人的脊柱高度的值，分别为角度数值特征，为人体双膝关节所成角度，分别为角度数量特征，n为节点标号。
[0012]可选地，还包括：行人行为分类器建立模块，用于根据行人骨架特征，对行人图像信息进行聚类，建立行人行为分类器；聚类方法包括：K
‑
means++聚类算法或高斯混合模型聚类算法。
[0013]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术所提供的一种行人行为状态识别方法及系统，利用摄像机收集的图像信息，从中提取出行人骨架信息，从行人骨架信息中提取出所需的特征，降低了特征提取的难度。利用聚类算法进行训练得到行人行为状态分类器，降低了聚类计算得到标签的成本，缩短了系统的训练时长。同时行人骨架节点的数据量远远小于原始图像，降低了系统中数据传输的压力。能够对行人行为状态进行识别，并且提高了识别的准确性。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0015]图1为本专利技术所提供的一种行人行为状态识别方法流程示意图；图2为人体骨架节点示意图；图3为本专利技术所提供的一种行人行为状态识别系统结构示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]本专利技术的目的是提供一种行人行为状态识别方法及系统，能够提高识别行人状态
的准确性。
[0018]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0019]图1为本专利技术所提供的一种行人行为状态识别方法流程示意图，如图1所示，本专利技术所提供的一种行人行为状态识别方法，包括：S101，利用车载摄像机采集行人图像信息；所述行人图像信息包括：设定时间段内连续的图像序列；所述图像序列包括图像信息和时间戳信息；S102，根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；如图2所示，所述行人骨架节点数据包括：脊柱上下止点（1节点，8节点）、肩关节（2节点，5节点）、肘关节（3节点，6节点）、髋关节（9节点，12节点）、腕关节（4节点，7节点）、膝关节（10节点，13节点）、踝关节节点（11节点，14节点），节点数据由相应节点的在图像中的二维坐标信息组成；S103，根据所述行人骨架节点数据提取行人骨架特征；所述行人骨架特征包括：距离特征、角度数值特征和角度数量特征；S103具体包括：对所述行人骨架节点数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人行为状态识别方法，其特征在于，包括：利用车载摄像机采集行人图像信息；所述行人图像信息包括：设定时间段内连续的图像序列；所述图像序列包括图像信息和时间戳信息；根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；所述行人骨架节点数据包括：脊柱上下止点、肩关节、肘关节、髋关节、腕关节、膝关节以及踝关节节点；根据所述行人骨架节点数据提取行人骨架特征；所述行人骨架特征包括：距离特征、角度数值特征和角度数量特征；根据行人骨架特征，采用行人行为分类器，确定行人的行为状态；所述行人行为分类器以行人骨架特征为输入，以行人行为状态为输出；所述行人的行为状态包括：静止、行走或奔跑。2.根据权利要求1所述的一种行人行为状态识别方法，其特征在于，所述根据所述行人骨架节点数据提取行人骨架特征，具体包括：对所述行人骨架节点数据进行预处理；所述预处理包括：对骨架缺失的修补以及对节点缺失的修补；利用预处理后的行人骨架节点数据进行行人骨架特征的提取。3.根据权利要求2所述的一种行人行为状态识别方法，其特征在于，所述利用预处理后的行人骨架节点数据进行行人骨架特征的提取，具体包括：利用公式和公式确定距离特征；利用公式和公式确定角度数值特征；利用公式和公式确定角度数量特征；其中，和分别为距离特征，为左右膝盖节点的距离和左右脚踝节点的距离除以行人的脊柱高度的值，分别为角度数值特征，为人体双膝关节所成角度，分别为角度数量特征，n为节点标号。4.根据权利要求1所述的一种行人行为状态识别方法，其特征在于，所述根据行人骨架特征，采用行人行为分类器，确定行人的行为状态，之前还包括：根据行人骨架特征，对行人图像信息进行聚类，建立行人行为分类器；聚类方法包括：K
‑
means++聚类算法或高斯混合模型聚类算法。5.一种行人行为状态识别系统，其特征在于，包括：行人图像信息采集模块，用于利用车载...

【专利技术属性】
技术研发人员：吕超，张哲雨，肖峣，龚建伟，臧政，
申请(专利权)人：北理慧动北京教育科技有限公司，
类型：发明
国别省市：