行人翻越交通护栏的检测方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种行人翻越交通护栏的检测方法、装置、设备和介质，获取待识别视频中的帧图像，对帧图像进行检测，确定出帧图像中的交通护栏区域、帧图像中行人的两条腿分别所在的目标区域；若帧图像中行人的两个目标区域位于交通护栏区域的一侧或另一侧，则确定帧图像为第一目标图像或第二目标图像，若帧图像中行人的两个目标区域分别位于交通护栏区域的两侧，则确定帧图像为第三目标图像；若确定出待识别视频中包括第一目标图像、第二目标图像和第三目标图像，则确定行人翻阅交通护栏，从而实现实时采集到行人翻越交通护栏的图像，提高了检测行人翻越交通护栏的精准度和实时性。了检测行人翻越交通护栏的精准度和实时性。了检测行人翻越交通护栏的精准度和实时性。

【技术实现步骤摘要】
行人翻越交通护栏的检测方法、装置、设备和介质


[0001]本专利技术涉及图像处理
，尤其涉及行人翻越交通护栏的检测方法、装置、设备和介质。

技术介绍

[0002]随着社会上私家车数量的增加，交通事故的发生率也在逐年上升。其中相当一部分是由于部分市民闲绕行麻烦，图方便，抄经路，随意翻阅护栏导致的交通事故。
[0003]行人随意翻阅交通护栏可能会与车道内机动车出现冲突而发生事故，酿成悲剧；同时也会造成驾驶人紧急刹车导致车辆碰撞、刮擦事故发生，引发交通混乱、拥堵。因此，如何准确的发现行人翻越交通护栏的行为具有重要意义。
[0004]现有技术中发现行人翻阅交通护栏的行为主要是通过人工监察和摄像头远程监控为主，但由于人工监察的范围有限且会耗费大量的人力资源，因此现有技术中常采用摄像头远程监控的方式。
[0005]摄像头远程监控时主要是采用基于目标追踪算法的行人违规翻越护栏的预警方法、系统、装置以及存储介质，其主要是对视频进行检测识别出视频中的帧图像中的行人和交通护栏，利用跟踪算法记录行人的轨迹，通过人工判断行人的轨迹与交通护栏是否存在重合点，从而确定行人是否跨域护栏。
[0006]但由于现有技术中只能确定出行人是否跨越交通护栏的结果，而无法实时采集到行人跨越交通护栏的图像，因此导致检测行人翻越交通护栏的精准度和实时性较差。

技术实现思路

[0007]本专利技术提供了一种行人翻越交通护栏的检测方法、装置、设备和介质，用以解决现有技术中检测行人翻越交通护栏的精准度和实时性较差的问题。
[0008]本专利技术提供了一种行人翻越交通护栏的检测方法，所述方法包括：
[0009]获取待识别视频中的帧图像，对所述帧图像进行检测，确定出所述帧图像中的交通护栏区域、所述帧图像中行人的两条腿分别所在的目标区域；
[0010]若所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧，则确定所述帧图像为第一目标图像，若所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧，则确定所述帧图像为第二目标图像，若所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧，则确定所述帧图像为第三目标图像；
[0011]若确定出所述待识别视频中包括所述第一目标图像、所述第二目标图像和所述第三目标图像，则确定行人翻越交通护栏。
[0012]进一步地，所述对所述帧图像进行检测，确定出所述帧图像中的交通护栏区域、所述帧图像中行人的两条腿分别所在的目标区域包括：
[0013]基于预设的检测算法，确定所述帧图像中的行人区域和交通护栏区域；
[0014]基于预先训练完成的神经网络模型，将所述帧图像输入所述神经网络模型，确定
所述神经网络模型输出的所述帧图像中行人区域中两条腿分别所在的目标区域。
[0015]进一步地，所述若所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧，则确定所述帧图像为第一目标图像之前，所述方法还包括：
[0016]根据所述帧图像中行人的两个目标区域中每个目标区域的第一目标点的坐标值、以及所述交通护栏区域的中心线上每一点的坐标值，确定所述交通护栏区域的中心线上与每个第一目标点的纵坐标值相同的每个第二目标点的坐标值；
[0017]针对每个第一目标点，根据该第一目标点的坐标值和对应的第二目标点的坐标值，确定该第一目标点与对应的第二目标点的第一距离；
[0018]根据两个第一目标点分别与对应的第二目标点的第一距离，确定两个第一距离的平均距离；
[0019]确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧包括：
[0020]若所述两个第一目标点的横坐标值均小于对应的第二目标点的横坐标值、且所述平均距离小于第一预设距离阈值，则确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧；
[0021]确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧包括：
[0022]若所述两个第一目标点的横坐标值均大于对应的第二目标点的横坐标值、且所述平均距离大于第二预设距离阈值，则确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧；
[0023]确定所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧包括：
[0024]若所述两个第一目标点中任一第一目标点的横坐标值小于对应的第二目标点的横坐标值，另一第一目标点的横坐标值大于对应的第二目标点的横坐标值，则确定所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧。
[0025]进一步地，所述若所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧之后，所述则确定所述帧图像为第三目标图像之前，所述方法还包括：
[0026]根据所述帧图像中所述交通护栏区域的第一面积、与所述交通护栏区域存在重合的目标区域的第二面积，确定所述第一面积与所述第二面积中的最小面积；
[0027]根据所述最小面积、以及与所述交通护栏区域重合的所述目标区域中的重合区域的第三面积，确定所述第三面积与所述最小面积的比例值为重合度；
[0028]若所述重合度大于预设重合度阈值，则执行后续的确定所述帧图像为第三目标图像的步骤。
[0029]进一步地，所述方法还包括：
[0030]若确定出所述第一目标图像和所述第二目标图像，则输出语音劝阻信息对行人进行劝阻。
[0031]进一步地，所述方法还包括：
[0032]将所述第一目标图像、所述第二目标图像和所述第三目标图像发送给后台服务器，由所述后台服务器进行人脸识别并确定行人的身份信息。
[0033]进一步地，所述神经网络模型的训练过程包括以下步骤：
[0034]针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第一标签信息，其中所述第一标签信息标识行人的两条腿分别所在的目标区域；
[0035]将所述样本图像输入到原始神经网络模型中，获取输出的所述样本图像的第二标签信息；
[0036]根据所述第一标签信息和所述第二标签信息，对所述原始神经网络模型的各参数的参数值进行调整，得到训练完成的所述神经网络模型。
[0037]相应地，本专利技术提供了一种行人翻越交通护栏的检测装置，所述装置包括：
[0038]检测模块，用于获取待识别视频中的帧图像，对所述帧图像进行检测，确定出所述帧图像中的交通护栏区域、所述帧图像中行人的两条腿分别所在的目标区域；
[0039]确定模块，用于若所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧，则确定所述帧图像为第一目标图像，若所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧，则确定所述帧图像为第二目标图像，若所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧，则确定所述帧图像为第三目标图像；若确定出所述待识别视频中包括所述第一目标图像、所述第二目标图像和所述第三目标图像，则确定行人翻越交通护栏。
[0040]进一步地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人翻越交通护栏的检测方法，其特征在于，所述方法包括：获取待识别视频中的帧图像，对所述帧图像进行检测，确定出所述帧图像中的交通护栏区域、所述帧图像中行人的两条腿分别所在的目标区域；若所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧，则确定所述帧图像为第一目标图像，若所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧，则确定所述帧图像为第二目标图像，若所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧，则确定所述帧图像为第三目标图像；若确定出所述待识别视频中包括所述第一目标图像、所述第二目标图像和所述第三目标图像，则确定行人翻越交通护栏。2.根据权利要求1所述的方法，其特征在于，所述对所述帧图像进行检测，确定出所述帧图像中的交通护栏区域、所述帧图像中行人的两条腿分别所在的目标区域包括：基于预设的检测算法，确定所述帧图像中的行人区域和交通护栏区域；基于预先训练完成的神经网络模型，将所述帧图像输入所述神经网络模型，确定所述神经网络模型输出的所述帧图像中行人区域中两条腿分别所在的目标区域。3.根据权利要求1所述的方法，其特征在于，所述若所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧，则确定所述帧图像为第一目标图像之前，所述方法还包括：根据所述帧图像中行人的两个目标区域中每个目标区域的第一目标点的坐标值、以及所述交通护栏区域的中心线上每一点的坐标值，确定所述交通护栏区域的中心线上与每个第一目标点的纵坐标值相同的每个第二目标点的坐标值；针对每个第一目标点，根据该第一目标点的坐标值和对应的第二目标点的坐标值，确定该第一目标点与对应的第二目标点的第一距离；根据两个第一目标点分别与对应的第二目标点的第一距离，确定两个第一距离的平均距离；确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧包括：若所述两个第一目标点的横坐标值均小于对应的第二目标点的横坐标值、且所述平均距离小于第一预设距离阈值，则确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的一侧；确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧包括：若所述两个第一目标点的横坐标值均大于对应的第二目标点的横坐标值、且所述平均距离大于第二预设距离阈值，则确定所述帧图像中行人的两个目标区域位于所述交通护栏区域的另一侧；确定所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧包括：若所述两个第一目标点中任一第一目标点的横坐标值小于对应的第二目标点的横坐标值，另一第一目标点的横坐标值大于对应的第二目标点的横坐标值，则确定所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧。4.根据权利要求1所述的方法，其特征在于，所述若所述帧图像中行人的两个目标区域分别位于所述交通护栏区域的两侧之后，所述则确定所述帧图像为第三目标图像之前，所述方法还包括：根据所述帧图像中所述交通护栏区域的第一面积、与所述交通护栏区域存在重合的目
标区域的第二面积，确定所述第一面积与所述第二面积中的最小面积；根据所述最小面积、以及与所述交通护栏区域重合的所述目标区域中的重合区域的第三面积，确定所述第三面积与所述最小面积的比例值为重合度；若所述重合度大于预设重合度阈值，则执行后续的确定所述帧图像为第三目标图像的步骤。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：若确定出所述第一目标图像和所述第二目标图像，则输出语音劝阻信息对行人进行劝阻。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述第一目标图像、所述第二目标图像和所述第三目标图像发送给后台服务器，由所述后台服务器进行人脸识别并确定行人的身份信息。7.根据权利要求2所述的方法，其特征在于，所述神经网络模型的训练过程包括以下步骤：针对样本集中的任一样本图像，获取所述样本图像及所述样本图像对应的第一标签信息，其中所述第一标签信息标识行人的两条腿分别所在的目标区域；将所述样本图像输入到原始神经网络模型中，获取输出的所述样本图像的第二标签信息；根据所述第一标签信息和所述第二标签信息，对所述原始神经网络模型的各参数的参数值进行调整，得到训练完成的所述神经网络模型。8.一种行人翻越交通护栏的检测装置，其特征在于，所述装置包括：检测模块，用于获取待识别视频中的帧图像，对所述帧图像进行检测，确定出所述帧图像中的交通护栏区...

【专利技术属性】
技术研发人员：臧守涛，吴忠人，潘武，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：