一种基于嵌入式终端的行人跨护栏行为识别方法技术

本发明专利技术公开了一种基于嵌入式终端的行人跨护栏行为识别方法，涉及行为识别技术领域，解决了人力对进行跨护栏的行人进行警告，往往会造成警告不及时的现象，且过往车辆也无法注意到跨越护栏的行人的技术问题；本发明专利技术通过获取待测监控视频，提取关键图像帧；对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述人体姿态特征组和行为识别模型获取行为标签；对所述行为标签进行识别，对行人的跨护栏行为进行警告；实现了对行人的跨护栏行为进行预警，并且周边车辆听到预警，注意跨越护栏的行人，提高跨越护栏的行人的安全性。提高跨越护栏的行人的安全性。提高跨越护栏的行人的安全性。

【技术实现步骤摘要】
一种基于嵌入式终端的行人跨护栏行为识别方法


[0001]本专利技术属于嵌入式终端领域，涉及行为识别技术，具体是一种基于嵌入式终端的行人跨护栏行为识别方法。

技术介绍

[0002]交通护栏、绿化隔离带等交通安全隔离设施是为实现人车分道、车车分道而设置的物理设施。隔离车道内行驶的车辆驾驶人有当然的认知性，即可以推断本车道内没有人员翻越横穿，当行人跨越隔离设施过街时，在隔离的车道内会与机动车出现冲突而发生事故，酿成悲剧。
[0003]依靠人力对进行跨护栏的行人进行警告，往往会造成警告不及时的现象，且过往车辆也无法注意到跨越护栏的行人。
[0004]为此，提出一种基于嵌入式终端的行人跨护栏行为识别方法。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于嵌入式终端的行人跨护栏行为识别方法，该一种基于嵌入式终端的行人跨护栏行为识别方法解决了人力对进行跨护栏的行人进行警告，往往会造成警告不及时的现象，且过往车辆也无法注意到跨越护栏的行人的问题。
[0006]为实现上述目的，根据本专利技术的第一方面的实施例提出一种基于嵌入式终端的行人跨护栏行为识别方法，包括以下步骤：
[0007]步骤一：获取待测监控视频，提取关键图像帧；
[0008]步骤二：对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述人体姿态特征组和行为识别模型获取行为标签；其中，所述行为识别模型基于人工智能模型建立；
[0009]步骤三：对所述行为标签进行识别，对行人的跨护栏行为进行警告。
[0010]优选的，待测监控视频的帧率为P帧/秒，其中，P为大于0的整数。
[0011]优选的，获取待测监控视频，提取关键图像帧，并对关键图像帧进行人体姿态特征提取，具体过程包括：
[0012]设定提取间隔，根据设定的提取间隔，从待测监控视频中提取图像帧，作为关键图像帧；
[0013]对当前提取的关键图像帧进行人物特征识别；
[0014]若判断当前提取的关键图像帧中存在人物特征，则将下一关键图像帧的提取间隔，调整为当前提取的该关键图像帧提取间隔的一半；
[0015]若判断当前提取的该关键图像帧中不存在人物特征，则将下一关键图像帧的提取间隔，恢复为原始的设定提取间隔。
[0016]优选的，对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述
人体姿态特征组和行为识别模型获取行为标签，具体过程包括：
[0017]对提取的关键图像帧进行人体姿态特征提取，并根据时间顺序将人体姿态特征进行整合，获取人体姿态特征组；
[0018]将人体姿态特征组输入至行为识别模型获取对应的行为标签。
[0019]优选的，基于人工智能模型建立所述行为识别模型，具体过程包括：
[0020]获取标准训练组；
[0021]通过标准训练组对人工智能模型进行训练，将训练完成的人工智能模型标记为行为识别模型。
[0022]优选的，标准训练组包括若干组人体姿态特征组以及对应的行为标签，且输入数据和原始数据内容属性一致。
[0023]优选的，人工智能模型包括深度卷积神经网络模型或者RBF神经网络模型。
[0024]优选的，所述行为标签的取值为0或者1，当行为标签为0时，表示对应行人未进行跨护栏行为，当行为标签为1时，表示对应行人进行跨护栏行为。
[0025]优选的，对所述行为标签进行识别，对跨护栏行为进行警告，具体过程包括：
[0026]对所述行为标签进行识别；
[0027]当行人未进行跨护栏行为时，无需对行人的行为进行警告；
[0028]当行人进行跨护栏行为时，发送预警信号至嵌入式终端；
[0029]所述嵌入式终端接收所述预警信号后，语音播放“不要跨栏，跨栏危险”，对行人的跨栏杆行为进行警告，以及对过往车辆进行预警。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031]本专利技术通过获取待测监控视频，提取关键图像帧；对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述人体姿态特征组和行为识别模型获取行为标签；对所述行为标签进行识别，对行人的跨护栏行为进行警告；实现了对行人的跨护栏行为进行预警，并且周边车辆听到预警，注意跨越护栏的行人，提高跨越护栏的行人的安全性。
附图说明
[0032]图1为本专利技术的流程图。
具体实施方式
[0033]下面将结合实施例对本专利技术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它实施例，都属于本专利技术保护的范围。
[0034]如图1所示，一种基于嵌入式终端的行人跨护栏行为识别方法，具体包括以下步骤：
[0035]步骤一：获取待测监控视频，提取关键图像帧；
[0036]步骤二：对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述人体姿态特征组和行为识别模型获取行为标签；其中，所述行为识别模型基于人工智能模型建立；
[0037]步骤三：对所述行为标签进行识别，对行人的跨护栏行为进行警告。
[0038]本实施例中，待测监控视频的帧率为P帧/秒，其中，P为大于0的整数；需要进一步说明的是，待测监控视频是由若干存在时间顺序的图像帧构成，前后两帧图像之间的采集时间间隔，采集时间间隔的倒数称之为帧率；
[0039]举例说明：1秒内共采集10帧的图像，即对应的帧率为10帧/秒。
[0040]获取待测监控视频，提取关键图像帧，并对关键图像帧进行人体姿态特征提取，具体过程包括：
[0041]设定提取间隔，根据设定的提取间隔，从待测监控视频中提取图像帧，作为关键图像帧；
[0042]对当前提取的关键图像帧进行人物特征识别；
[0043]若判断当前提取的关键图像帧中存在人物特征，则将下一关键图像帧的提取间隔，调整为当前提取的该关键图像帧提取间隔的一半；
[0044]若判断当前提取的该关键图像帧中不存在人物特征，则将下一关键图像帧的提取间隔，恢复为原始的设定提取间隔；
[0045]举例说明：
[0046]例如，设定提取间隔为99帧，即每间隔99帧提取一张作为关键图像帧；首先获取到该待测监控视频的第一帧图像作为第一张关键图像帧；然后，在获取到待测监控视频的第101帧图像时，将其提取作为第二张关键图像帧；接着，在获取到待测监控视频的第201帧图像时，将其提取作为第三张关键图像帧
……
，依次类推；
[0047]为了避免这种均匀提取关键帧的偶然性问题，例如刚好错过了存在吸烟行为特征的图像帧；为此，假设在获取到第一张关键图像帧时，通过人物特征识别，确定其不存在人物特征，那么第二张关键图像帧的提取间隔，恢复为设定时间间隔(即每间隔99帧提取一帧，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于嵌入式终端的行人跨护栏行为识别方法，其特征在于，包括以下步骤：步骤一：获取待测监控视频，提取关键图像帧；步骤二：对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述人体姿态特征组和行为识别模型获取行为标签；其中，所述行为识别模型基于人工智能模型建立；步骤三：对所述行为标签进行识别，对行人的跨护栏行为进行警告。2.根据权利要求1所述的一种基于嵌入式终端的行人跨护栏行为识别方法，其特征在于，待测监控视频的帧率为P帧/秒，其中，P为大于0的整数。3.根据权利要求2所述的一种基于嵌入式终端的行人跨护栏行为识别方法，其特征在于，获取待测监控视频，提取关键图像帧，并对关键图像帧进行人体姿态特征提取，具体过程包括：设定提取间隔，根据设定的提取间隔，从待测监控视频中提取图像帧，作为关键图像帧；对当前提取的关键图像帧进行人物特征识别；若判断当前提取的关键图像帧中存在人物特征，则将下一关键图像帧的提取间隔，调整为当前提取的该关键图像帧提取间隔的一半；若判断当前提取的该关键图像帧中不存在人物特征，则将下一关键图像帧的提取间隔，恢复为原始的设定提取间隔。4.根据权利要求3所述的一种基于嵌入式终端的行人跨护栏行为识别方法，其特征在于，对关键图像帧进行人体姿态特征提取，并获取人体姿态特征组；根据所述人体姿态特征组和行为识别模型获取行为标签...

【专利技术属性】
技术研发人员：张中，孙冠龙，黄俊杰，
申请(专利权)人：合肥湛达智能科技有限公司，
类型：发明
国别省市：