行人翻越交通護欄的檢測方法、裝置、設備和介質制造方法及圖紙

本發明專利技術公開了一種行人翻越交通護欄的檢測方法、裝置、設備和介質，獲取待識別視頻中的幀圖像，對幀圖像進行檢測，確定出幀圖像中的交通護欄區域、幀圖像中行人的兩條腿分別所在的目標區域；若幀圖像中行人的兩個目標區域位于交通護欄區域的一側或另一側，則確定幀圖像為第一目標圖像或第二目標圖像，若幀圖像中行人的兩個目標區域分別位于交通護欄區域的兩側，則確定幀圖像為第三目標圖像；若確定出待識別視頻中包括第一目標圖像、第二目標圖像和第三目標圖像，則確定行人翻閱交通護欄，從而實現實時采集到行人翻越交通護欄的圖像，提高了檢測行人翻越交通護欄的精準度和實時性。了檢測行人翻越交通護欄的精準度和實時性。了檢測行人翻越交通護欄的精準度和實時性。

【技術實現步驟摘要】
行人翻越交通護欄的檢測方法、裝置、設備和介質


[0001]本專利技術涉及圖像處理
，尤其涉及行人翻越交通護欄的檢測方法、裝置、設備和介質。

技術介紹

[0002]隨著社會上私家車數量的增加，交通事故的發生率也在逐年上升。其中相當一部分是由于部分市民閑繞行麻煩，圖方便，抄經路，隨意翻閱護欄導致的交通事故。
[0003]行人隨意翻閱交通護欄可能會與車道內機動車出現沖突而發生事故，釀成悲劇；同時也會造成駕駛人緊急剎車導致車輛碰撞、刮擦事故發生，引發交通混亂、擁堵。因此，如何準確的發現行人翻越交通護欄的行為具有重要意義。
[0004]現有技術中發現行人翻閱交通護欄的行為主要是通過人工監察和攝像頭遠程監控為主，但由于人工監察的范圍有限且會耗費大量的人力資源，因此現有技術中常采用攝像頭遠程監控的方式。
[0005]攝像頭遠程監控時主要是采用基于目標追蹤算法的行人違規翻越護欄的預警方法、系統、裝置以及存儲介質，其主要是對視頻進行檢測識別出視頻中的幀圖像中的行人和交通護欄，利用跟蹤算法記錄行人的軌跡，通過人工判斷行人的軌跡與交通護欄是否存在重合點，從而確定行人是否跨域護欄。
[0006]但由于現有技術中只能確定出行人是否跨越交通護欄的結果，而無法實時采集到行人跨越交通護欄的圖像，因此導致檢測行人翻越交通護欄的精準度和實時性較差。

技術實現思路

[0007]本專利技術提供了一種行人翻越交通護欄的檢測方法、裝置、設備和介質，用以解決現有技術中檢測行人翻越交通護欄的精準度和實時性較差的問題。
[0008]本專利技術提供了一種行人翻越交通護欄的檢測方法，所述方法包括：
[0009]獲取待識別視頻中的幀圖像，對所述幀圖像進行檢測，確定出所述幀圖像中的交通護欄區域、所述幀圖像中行人的兩條腿分別所在的目標區域；
[0010]若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側，則確定所述幀圖像為第一目標圖像，若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側，則確定所述幀圖像為第二目標圖像，若所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側，則確定所述幀圖像為第三目標圖像；
[0011]若確定出所述待識別視頻中包括所述第一目標圖像、所述第二目標圖像和所述第三目標圖像，則確定行人翻越交通護欄。
[0012]進一步地，所述對所述幀圖像進行檢測，確定出所述幀圖像中的交通護欄區域、所述幀圖像中行人的兩條腿分別所在的目標區域包括：
[0013]基于預設的檢測算法，確定所述幀圖像中的行人區域和交通護欄區域；
[0014]基于預先訓練完成的神經網絡模型，將所述幀圖像輸入所述神經網絡模型，確定
所述神經網絡模型輸出的所述幀圖像中行人區域中兩條腿分別所在的目標區域。
[0015]進一步地，所述若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側，則確定所述幀圖像為第一目標圖像之前，所述方法還包括：
[0016]根據所述幀圖像中行人的兩個目標區域中每個目標區域的第一目標點的坐標值、以及所述交通護欄區域的中心線上每一點的坐標值，確定所述交通護欄區域的中心線上與每個第一目標點的縱坐標值相同的每個第二目標點的坐標值；
[0017]針對每個第一目標點，根據該第一目標點的坐標值和對應的第二目標點的坐標值，確定該第一目標點與對應的第二目標點的第一距離；
[0018]根據兩個第一目標點分別與對應的第二目標點的第一距離，確定兩個第一距離的平均距離；
[0019]確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側包括：
[0020]若所述兩個第一目標點的橫坐標值均小于對應的第二目標點的橫坐標值、且所述平均距離小于第一預設距離閾值，則確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側；
[0021]確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側包括：
[0022]若所述兩個第一目標點的橫坐標值均大于對應的第二目標點的橫坐標值、且所述平均距離大于第二預設距離閾值，則確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側；
[0023]確定所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側包括：
[0024]若所述兩個第一目標點中任一第一目標點的橫坐標值小于對應的第二目標點的橫坐標值，另一第一目標點的橫坐標值大于對應的第二目標點的橫坐標值，則確定所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側。
[0025]進一步地，所述若所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側之后，所述則確定所述幀圖像為第三目標圖像之前，所述方法還包括：
[0026]根據所述幀圖像中所述交通護欄區域的第一面積、與所述交通護欄區域存在重合的目標區域的第二面積，確定所述第一面積與所述第二面積中的最小面積；
[0027]根據所述最小面積、以及與所述交通護欄區域重合的所述目標區域中的重合區域的第三面積，確定所述第三面積與所述最小面積的比例值為重合度；
[0028]若所述重合度大于預設重合度閾值，則執行后續的確定所述幀圖像為第三目標圖像的步驟。
[0029]進一步地，所述方法還包括：
[0030]若確定出所述第一目標圖像和所述第二目標圖像，則輸出語音勸阻信息對行人進行勸阻。
[0031]進一步地，所述方法還包括：
[0032]將所述第一目標圖像、所述第二目標圖像和所述第三目標圖像發送給后臺服務器，由所述后臺服務器進行人臉識別并確定行人的身份信息。
[0033]進一步地，所述神經網絡模型的訓練過程包括以下步驟：
[0034]針對樣本集中的任一樣本圖像，獲取所述樣本圖像及所述樣本圖像對應的第一標簽信息，其中所述第一標簽信息標識行人的兩條腿分別所在的目標區域；
[0035]將所述樣本圖像輸入到原始神經網絡模型中，獲取輸出的所述樣本圖像的第二標簽信息；
[0036]根據所述第一標簽信息和所述第二標簽信息，對所述原始神經網絡模型的各參數的參數值進行調整，得到訓練完成的所述神經網絡模型。
[0037]相應地，本專利技術提供了一種行人翻越交通護欄的檢測裝置，所述裝置包括：
[0038]檢測模塊，用于獲取待識別視頻中的幀圖像，對所述幀圖像進行檢測，確定出所述幀圖像中的交通護欄區域、所述幀圖像中行人的兩條腿分別所在的目標區域；
[0039]確定模塊，用于若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側，則確定所述幀圖像為第一目標圖像，若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側，則確定所述幀圖像為第二目標圖像，若所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側，則確定所述幀圖像為第三目標圖像；若確定出所述待識別視頻中包括所述第一目標圖像、所述第二目標圖像和所述第三目標圖像，則確定行人翻越交通護欄。
[0040]進一步地本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種行人翻越交通護欄的檢測方法，其特征在于，所述方法包括：獲取待識別視頻中的幀圖像，對所述幀圖像進行檢測，確定出所述幀圖像中的交通護欄區域、所述幀圖像中行人的兩條腿分別所在的目標區域；若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側，則確定所述幀圖像為第一目標圖像，若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側，則確定所述幀圖像為第二目標圖像，若所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側，則確定所述幀圖像為第三目標圖像；若確定出所述待識別視頻中包括所述第一目標圖像、所述第二目標圖像和所述第三目標圖像，則確定行人翻越交通護欄。2.根據權利要求1所述的方法，其特征在于，所述對所述幀圖像進行檢測，確定出所述幀圖像中的交通護欄區域、所述幀圖像中行人的兩條腿分別所在的目標區域包括：基于預設的檢測算法，確定所述幀圖像中的行人區域和交通護欄區域；基于預先訓練完成的神經網絡模型，將所述幀圖像輸入所述神經網絡模型，確定所述神經網絡模型輸出的所述幀圖像中行人區域中兩條腿分別所在的目標區域。3.根據權利要求1所述的方法，其特征在于，所述若所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側，則確定所述幀圖像為第一目標圖像之前，所述方法還包括：根據所述幀圖像中行人的兩個目標區域中每個目標區域的第一目標點的坐標值、以及所述交通護欄區域的中心線上每一點的坐標值，確定所述交通護欄區域的中心線上與每個第一目標點的縱坐標值相同的每個第二目標點的坐標值；針對每個第一目標點，根據該第一目標點的坐標值和對應的第二目標點的坐標值，確定該第一目標點與對應的第二目標點的第一距離；根據兩個第一目標點分別與對應的第二目標點的第一距離，確定兩個第一距離的平均距離；確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側包括：若所述兩個第一目標點的橫坐標值均小于對應的第二目標點的橫坐標值、且所述平均距離小于第一預設距離閾值，則確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的一側；確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側包括：若所述兩個第一目標點的橫坐標值均大于對應的第二目標點的橫坐標值、且所述平均距離大于第二預設距離閾值，則確定所述幀圖像中行人的兩個目標區域位于所述交通護欄區域的另一側；確定所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側包括：若所述兩個第一目標點中任一第一目標點的橫坐標值小于對應的第二目標點的橫坐標值，另一第一目標點的橫坐標值大于對應的第二目標點的橫坐標值，則確定所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側。4.根據權利要求1所述的方法，其特征在于，所述若所述幀圖像中行人的兩個目標區域分別位于所述交通護欄區域的兩側之后，所述則確定所述幀圖像為第三目標圖像之前，所述方法還包括：根據所述幀圖像中所述交通護欄區域的第一面積、與所述交通護欄區域存在重合的目
標區域的第二面積，確定所述第一面積與所述第二面積中的最小面積；根據所述最小面積、以及與所述交通護欄區域重合的所述目標區域中的重合區域的第三面積，確定所述第三面積與所述最小面積的比例值為重合度；若所述重合度大于預設重合度閾值，則執行后續的確定所述幀圖像為第三目標圖像的步驟。5.根據權利要求1所述的方法，其特征在于，所述方法還包括：若確定出所述第一目標圖像和所述第二目標圖像，則輸出語音勸阻信息對行人進行勸阻。6.根據權利要求1所述的方法，其特征在于，所述方法還包括：將所述第一目標圖像、所述第二目標圖像和所述第三目標圖像發送給后臺服務器，由所述后臺服務器進行人臉識別并確定行人的身份信息。7.根據權利要求2所述的方法，其特征在于，所述神經網絡模型的訓練過程包括以下步驟：針對樣本集中的任一樣本圖像，獲取所述樣本圖像及所述樣本圖像對應的第一標簽信息，其中所述第一標簽信息標識行人的兩條腿分別所在的目標區域；將所述樣本圖像輸入到原始神經網絡模型中，獲取輸出的所述樣本圖像的第二標簽信息；根據所述第一標簽信息和所述第二標簽信息，對所述原始神經網絡模型的各參數的參數值進行調整，得到訓練完成的所述神經網絡模型。8.一種行人翻越交通護欄的檢測裝置，其特征在于，所述裝置包括：檢測模塊，用于獲取待識別視頻中的幀圖像，對所述幀圖像進行檢測，確定出所述幀圖像中的交通護欄區...

【專利技術屬性】
技術研發人員：臧守濤，吳忠人，潘武，
申請(專利權)人：浙江大華技術股份有限公司，
類型：發明
國別省市：