[發明專利]一種交叉口行人運動軌跡的風險預測方法

有效

• 申請號: 202010190076.0
• 申請日: 2020-03-18
• 公開（公告）號: CN111402632B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王前選;楊維樂;林楷山;湯錦勛;林燕娟;洪偉航;方翰隆;李鵬;李浪怡;馮威潮
• 申請（專利權）人: 五邑大學
• 主分類號: G08G1/16
• 分類號: G08G1/16;G08G1/07;G06N20/00;G06V40/20
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 李彥孚

本發明涉及智能交通技術領域，具體公開了一種交叉口行人運動軌跡的風險預測方法，包括步驟：S1、構建行人樣本圖像數據庫；S2、得到標定完的行人樣本圖像數據庫；S3、得到行人檢測模型；S4、得到標注的圖像；S5、得到感興趣包圍框的空間坐標、運動速度、運動方向和尺寸；S6、得到感興趣包圍框的運動軌跡；S7、評估運動軌跡的安全風險，構建軌跡風險模型；S8、得到實時的行人軌跡和安全狀態；S9、得到未來的行人軌跡和安全狀態。本發明的風險預測方法能夠提供行人風險信息及提示潛在危險因素，從而減少人車碰撞事故的風險，降低事故的發生率，有利于提高地面軌道列車運行的安全性。

技術領域

本發明涉及智能交通技術領域，特別是涉及一種交叉口行人運動軌跡的風險預測方法。

背景技術

目前，主要通過攝像頭、激光雷達和全球定位系統(GPS)收集數據，進而能夠捕捉到人類活動的視頻片段，然后在三維(3D)計算機模擬中再現它們。通過利用運行幾秒鐘的視頻片段，系統可以研究視頻片段的前半部分來進行預測，然后通過后半部分來驗證準確性。

該網絡在大型多模態數據集PedX(十字路口的行人)進行了測試，PedX 數據集是在真實的城市人行橫道交叉口采集的大規模野外數據集，于2017年在美國密歇根州安娜堡市中心的真實城市交叉口收集。該數據集包含三個四路交叉口的行人流量大的集合,包含10000多個行人姿勢和1800多個不同長度的連續序列(平均序列長度為6幀)。PedX數據集由兩個立體聲RGB相機對和四個Velodyne 激光雷達傳感器的數據組成。攝像機視頻以大約每秒6幀的速度采集，通過優化人工標注的二維行人姿態和三維激光雷達點云，最終得到每幀的三維行人姿態。該網絡能夠成功地學習行人步態特征，并能產生較為準確的三維姿態預測。

但是，目前該網絡主要針對城市交叉口的行人姿態預測，僅僅分析了行人的行走和站立活動，還未能實現預測跑步等其他活動，對于人類許多方面的步態特征仍需進一步研究。該網絡實現交叉口行人姿態分析主要采用攝像頭及激光雷達等方法，能夠通過感應行人的熱成像圖或是運動路徑去判斷，但由于交叉口的復雜性、識別范圍小、多行人阻擋及無法正確預測行人姿態等因素，在精確度和實時度仍存在較大的缺點。

發明內容

本發明的目的是提供一種交叉口行人運動軌跡的風險預測方法，能夠提供行人風險信息及提示潛在危險因素，從而減少人車碰撞事故的風險，降低事故的發生率，有利于提高地面軌道列車運行的安全性。

為了解決上述技術問題，本發明提供一種交叉口行人運動軌跡的風險預測方法，包括以下步驟：

S1、通過俯視角度攝像頭去采集交叉口行人通過交叉口的圖像，構建行人樣本圖像數據庫；

S2、對圖像進行預處理，將行人模型數據庫所有成像圖像利用labeling進行標定，用感興趣包圍框分別包圍人體、頭部、左手、右手、左腳、右腳，并對感興趣包圍框包圍的部分進行標簽命名，得到標定完的行人樣本圖像數據庫；

S3、利用darknet深度學習網絡對S2標定完的行人樣本圖像數據庫中的模型進行訓練得到行人檢測模型；

S4、將預處理后的相鄰兩幀圖像分別經過行人檢測模型處理，得到標注的圖像；

S5、在標注的圖像上二維平面建立成X-Y坐標系，得到感興趣包圍框的空間坐標、運動速度、運動方向和尺寸；

S6、將感興趣包圍框的中心點作為軌跡坐標，得到感興趣包圍框的運動軌跡；

S7、評估運動軌跡的安全風險，構建軌跡風險模型；

S8、將實時圖像預處理后分別經過行人檢測模型和軌跡風險模型處理，得到實時的行人軌跡和安全狀態；

S9、利用Hidden Markov Model算法，輸入實時的行人軌跡和安全狀態，得到未來的行人軌跡和安全狀態。