【技术实现步骤摘要】
可形变群体识别方法、装置、电子设备及存储介质
[0001]本申请属于人工智能
，特别涉及一种可形变群体识别方法、装置、电子设备及存储介质。
技术介绍
[0002]随着人工智能、信息传输等技术的飞速发展，自动驾驶、辅助驾驶、智能交通等智能技术已经成为当前研究和应用的热点。自动驾驶是未来解决交通拥堵的重要枝术，能够大大提升生产效率和交通效率。自动驾驶研究主要包括环境感知、规划决策、车辆自动控制等技术。其中环境感知技术主要是针对交通场景中的目标进行检测和识别，并对交通场景进行语义分析与理解，实现智能驾驶车辆与外界交通环境的信息交互，是自动驾驶车辆决策规划、自动控制的判定基础，对于保证交通环境中交通参与者的安全出行、提升智能驾驶车辆的安全性具有重要意义。
[0003]“人
‑
车”混流交通情况下的行人作为道路使用者中最脆弱的目标，行人安全是自动驾驶车辆环境感知研究的重点与难点。群体是拥堵行人中普遍存在的现象，在影响人群行为方面起着重要作用。
[0004]目前在行人检测识别及语义理解方面已经开展了大量的研究，但群体建模相关研究较少。可形变群体建模是可形变群体拥堵检测、可形变群体遮挡跟踪与轨迹预测的基础，由于交通场景中的行人具有可形变、数量不确定和拥堵遮挡等特点，导致可形变群体建模具有挑战。
[0005]近期的群体识别方法大多基于深度学习实现，主要采用加入注意力机制的深度卷积神经网络模型提取特征，送入全连接层进行群体检测，但是由于行人可形变、群体内部拥堵遮挡等，检测精度较低。>
技术实现思路
[0006]本说明书实施例的目的是提供一种可形变群体识别方法、装置、电子设备及存储介质。
[0007]为解决上述技术问题，本申请实施例通过以下方式实现的：
[0008]第一方面，本申请提供一种可形变群体识别方法，该方法包括：
[0009]获取待识别视频，并对待识别视频进行帧提取，得到单帧图像数据；待识别视频中包括行人；
[0010]将单帧图像数据输入预设人体关键点提取模型中，得到所有行人的人体关键点信息；人体关键点信息包括头部关键点信息；
[0011]根据头部关键点信息，对行人进行人群聚类，将行人划分为至少一个群体；
[0012]判断每个群体中是否存在可形变特征，存在可形变特征所对应的群体为可形变群体。
[0013]在其中一个实施例中，头部关键点信息包括头部坐标；
[0014]根据头部关键点信息，对行人进行人群聚类，将行人划分为至少一个群体，包括：
[0015]根据头部坐标，计算行人之间的吸引势和排斥势；
[0016]通过比较吸引势与排斥势的大小，进行行人的聚类，通过反复迭代，直到没有剩余的行人未分类，终止迭代，将行人划分为至少一个群体。
[0017]在其中一个实施例中，根据头部坐标，计算行人之间的吸引势和排斥势，包括：
[0018]从所有头部关键点信息选取任意一个头部坐标作为第一头部坐标；
[0019]分别计算第一头部坐标与第二头部坐标的吸引势及排斥势；第二头部坐标为所有头部坐标中除第一头部坐标外任一头部坐标。
[0020]在其中一个实施例中，通过比较吸引势与排斥势的大小，进行行人的聚类，包括：
[0021]若第一头部坐标与第二头部坐标的吸引势大于或等于排斥势，则第一头部坐标与第二头部坐标为同一类，将第一头部坐标对应的行人与第二头部坐标对应的行人划分为一个群体；
[0022]若第一头部坐标与第二头部坐标的吸引势小于排斥势，则第一头部坐标与第二头部坐标不为同一类，第一头部坐标与第二头部坐标不属于同一群体。
[0023]在其中一个实施例中，方法还包括：若行人的人体关键点信息中有漏检时，补充漏检的人体关键点信息，将漏检的关键点坐标设为空值。
[0024]在其中一个实施例中，判断每个群体中是否存在可形变特征，包括：
[0025]根据所有行人的人体关键点信息，确定所有行人的同一部位关键点个数；
[0026]根据所有行人的同一部位关键点个数，确定均值和标准差；
[0027]根据均值和标准差，判断群体内部是否存在遮挡，若存在遮挡，则判定群体中存在可形变特征。
[0028]在其中一个实施例中，人体关键点包括右踝关节、右膝关节、右髋关节、左髋关节、左膝关节、左踝关节、骨盆、胸部、上颈、头部、右腕关节、右肘关节、右肩关节、左肩关节、左肘关节、左腕关节。
[0029]第二方面，本申请提供一种可形变群体识别装置，该装置包括：
[0030]获取模块，用于获取待识别视频，并对待识别视频进行帧提取，得到单帧图像数据；待识别视频中包括行人；
[0031]确定模块，用于将单帧图像数据输入预设人体关键点提取模型中，得到所有行人的人体关键点信息；人体关键点信息包括头部关键点信息；
[0032]聚类模块，用于根据头部关键点信息，对行人进行人群聚类，将行人划分为至少一个群体；
[0033]处理模块，用于判断每个群体中是否存在可形变特征，存在可形变特征所对应的群体为可形变群体。
[0034]第三方面，本申请提供一种电子设备，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，处理器执行程序时实现如第一方面的可形变群体识别方法。
[0035]第四方面，本申请提供一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的可形变群体识别方法。
[0036]由以上本说明书实施例提供的技术方案可见，该方案：
[0037]通过将待识别视频帧提取的单帧图像数据输入预设人体关键点提取模型中，得到人体关键点信息，然后根据人体关键点信息中头部关键点信息，将行人划分为至少一个群体，最后通过判定每个群体中是否存在可形变特征，来识别可形变群体，识别精度高。
附图说明
[0038]为了更清楚地说明本说明书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中记载的一些实施例，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。
[0039]图1为本申请提供的可形变群体识别方法的流程示意图；
[0040]图2为本申请提供的可形变群体检测数据集生成流程图；
[0041]图3为本申请提供的人体关键点示意图；
[0042]图4为本申请提供的可形变群体识别装置的结构示意图；
[0043]图5为本申请提供的电子设备的结构示意图。
具体实施方式
[0044]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种可形变群体识别方法，其特征在于，所述方法包括：获取待识别视频，并对所述待识别视频进行帧提取，得到单帧图像数据；所述待识别视频中包括行人；将所述单帧图像数据输入预设人体关键点提取模型中，得到所有所述行人的人体关键点信息；所述人体关键点信息包括头部关键点信息；根据所述头部关键点信息，对所述行人进行人群聚类，将所述行人划分为至少一个群体；判断每个所述群体中是否存在可形变特征，存在可形变特征所对应的所述群体为可形变群体。2.根据权利要求1所述的方法，其特征在于，所述头部关键点信息包括头部坐标；所述根据所述头部关键点信息，对所述行人进行人群聚类，将所述行人划分为至少一个群体，包括：根据所述头部坐标，计算所述行人之间的吸引势和排斥势；通过比较所述吸引势与所述排斥势的大小，进行所述行人的聚类，通过反复迭代，直到没有剩余的所述行人未分类，终止迭代，将所述行人划分为至少一个群体。3.根据权利要求2所述的方法，其特征在于，所述根据所述头部坐标，计算所述行人之间的吸引势和排斥势，包括：从所有所述头部关键点信息选取任意一个头部坐标作为第一头部坐标；分别计算所述第一头部坐标与第二头部坐标的吸引势及排斥势；所述第二头部坐标为所有头部坐标中除所述第一头部坐标外任一头部坐标。4.根据权利要求2所述的方法，其特征在于，所述通过比较所述吸引势与所述排斥势的大小，进行所述行人的聚类，包括：若所述第一头部坐标与第二头部坐标的所述吸引势大于或等于所述排斥势，则所述第一头部坐标与所述第二头部坐标为同一类，将所述第一头部坐标对应的行人与所述第二头部坐标对应的行人划分为一个群体；若所述第一头部坐标与第二头部坐标的所述吸引势小于所述排斥势，则所述第一头部坐标与所述第二头部坐标不为同一类，所述第一头部坐标与所述第二头部坐标不属于同一群体。5....
【专利技术属性】
技术研发人员：金立生，贺阳，王欢欢，霍震，金秋坤，张哲，郭柏苍，谢宪毅，
申请(专利权)人：燕山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。