[發明專利]基于HMM算法的行人過馬路的預測方法和系統

在審

• 申請號: 201810861624.0
• 申請日: 2018-08-01
• 公開（公告）號: CN109063642A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 黃文愷;陳杰勇;黃俊鋒;余偉霖;王冬;陳朝政;吳羽
• 申請（專利權）人: 廣州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 陳宏升;黃磊

本發明公開了基于HMM算法的行人過馬路的預測方法和系統，所述方法包括：接收采集裝置采集的當前數據；根據所述當前數據和預先存儲的歷史數據基于HMM算法建立深度學習模型；通過所述深度學習模型判斷出前方有行人過馬路；輸出控制信號至揚聲器；揚聲器根據所述控制信號發出警報，以警示駕駛員，這樣不僅能檢測出車輛周圍有行人，同時還能預測行人是否會過馬路。此外，在建立深度學習模型的過程中，應用了道路數據，通過加入道路信息對行人是否過馬路的判斷，使得預測結果更加的準確。

技術領域

本發明涉及數據預測技術領域，具體涉及基于HMM算法的行人過馬路的預測方法和系統。

背景技術

行人檢測技術是判斷圖像或者視頻序列中是否存在行人并給予精確定位。現有行人檢測最常用的方法是基于統計學習的方法，即根據大量的樣本構建行人檢測分類器。樣本提取的特征主要包括提取目標的灰度值、邊框輪廓、顏色、梯度直方圖等信息。分類器主要包括神經網絡、SVM、adaboost以及現在被計算機視覺視為寵兒的深度學習。而大量的樣本是通過設置在路口的攝像頭獲得。若通過上述方法對車輛周圍的行人進行定位，或判斷出行人接近車輛時對駕駛員發出警告。然而，此種方法只能對車輛周圍的行人進行定位，和檢測到前方有行人的存在，無法對行人的行為進行預測。而對行人的行為進行預測，對行人安全過馬路起到至關重要的影響。因此，行業內急需研發一種能夠對行人的行為進行預測的方法。

發明內容

本發明的目的是為了克服以上現有技術存在的不足，提供了一種能夠對行人的行為進行預測的基于HMM算法的行人過馬路的預測方法和系統。

本發明的目的通過以下的技術方案實現：

基于HMM算法的行人過馬路的預測方法，包括，接收采集裝置采集的當前數據；根據所述當前數據和預先存儲的歷史數據基于HMM算法建立深度學習模型；通過所述深度學習模型判斷出前方有行人過馬路；輸出控制信號至揚聲器；揚聲器根據所述控制信號發出警報，以警示駕駛員。

優選地，所述根據所述當前數據和預先存儲的歷史數據基于HMM算法建立深度學習模型包括：根據所述歷史數據運用HMM算法逐層建立深度學習模型；修正所述深度學習模型；將所述當前數據同步至所述深度學習模型。

優選地，所述根據所述歷史數據運用HMM算法逐層建立深度學習模型包括：將所述歷史數據劃分成固定長度的訓練樣本；將所述歷史數據進行特征提取；使用訓練樣本對分類器進行訓練；根據給定的隨機參數和所述訓練樣本運用Baum-Welch算法，得出最佳HMM參數，建立出深度學習模型。

優選地，所述將所述歷史數據劃分成固定長度的訓練樣本之前還包括：對所述歷史數據進行濾波去噪聲處理。

優選地，所述裝置采集為攝像頭，所述當前數據包括：行人在過馬路前的當前行為數據和當前道路數據，所述歷史數據包括：行人在過馬路前的歷史行為數據和歷史道路數據。

基于HMM算法的行人過馬路的預測系統，包括：采集設備、預測裝置和揚聲器；所述采集設備，安裝在路口，用于采集行人的當前數據；并將所述當前數據發送到所述預測裝置；所述預測裝置，包括數據庫，用于根據所述當前數據和預先存儲的歷史數據基于HMM算法建立深度學習模型；通過所述深度學習模型判斷出前方有行人過馬路；并輸出控制信號至揚聲器；所述數據庫；用于存儲行人在過馬路前的歷史數據；所述揚聲器，揚聲器根據所述控制信號發出警報，以警示駕駛員。

優選地，所述預測裝置包括模型建立單元、模型修正單元和數據同步單元；所述模型建立單元，根據所述歷史數據運用HMM算法逐層建立深度學習模型；所述模型修正單元，用于修正所述深度學習模型；所述數據同步單元，用于將所述當前數據同步至所述深度學習模型。