[發(fā)明專利]一種基于行人手臂角度分析的加油員手勢識別的方法

在審

• 申請?zhí)枺?/td>: 202011062045.3
• 申請日: 2020-09-30
• 公開（公告）號: CN112163531A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計）人: 陳友明
• 申請（專利權(quán)）人: 四川弘和通訊有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08;G06Q10/06
• 代理公司: 成都路航知識產(chǎn)權(quán)代理有限公司 51256
• 代理人: 何筱茂

1.一種基于行人手臂角度分析的加油員手勢識別的方法，其特征在于，包括如下步驟：

S1：監(jiān)控系統(tǒng)實時采集加油機(jī)附近區(qū)域的實時視頻，每預(yù)設(shè)時間截取一張圖像，得到實時圖像集；

S2：使用YOLO V3算法對實時圖像集中的行人進(jìn)行檢測，提取圖像中的行人，得到行人圖像集；

S3：通過圖像中行人的手臂角度對行人進(jìn)行類別定義，0代表手臂角度為0度到60度的行人，1代表手臂角度為61度到100度的行人，2代表手臂角度為101度到180度的行人；

S4：構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，使用卷積神經(jīng)網(wǎng)絡(luò)對所述行人圖像集進(jìn)行訓(xùn)練，得到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；

S5：利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對行人圖像集進(jìn)行判定，若輸出為0，則判定行人無姿勢；若輸出為1，則判定行人保持車輛引導(dǎo)姿勢；若輸出為2，則判定行人保持指向顯示屏姿勢。

2.根據(jù)權(quán)利要求1所述的一種基于行人手臂角度分析的加油員手勢識別的方法，其特征在于，所述步驟S1中的監(jiān)控系統(tǒng)包括多個攝像機(jī)，攝像機(jī)的安裝位置與對應(yīng)該攝像機(jī)所監(jiān)控的加油機(jī)水平距離為8～12米，距地面高度為3～5米。

3.根據(jù)權(quán)利要求1所述的一種基于行人手臂角度分析的加油員手勢識別的方法，其特征在于，所述步驟S2中提取圖像中的行人的具體方法為：對圖像中的行人進(jìn)行截取，生成僅包含行人的圖像。

4.根據(jù)權(quán)利要求1所述的一種基于行人手臂角度分析的加油員手勢識別的方法，其特征在于，所述步驟S3中圖像中行人的手臂角度的計算公式為：

C＝arctan((y₂-y₁)/(x₂-x₁))

其中，取圖片中心點作為原點建立坐標(biāo)系，(x₁，y₁)為行人位置相對更高的手的位置坐標(biāo)，(x₂，y₂)為行人身體重心的位置坐標(biāo)。

5.根據(jù)權(quán)利要求1所述的一種基于行人手臂角度分析的加油員手勢識別的方法，其特征在于，所述步驟S4包括如下子步驟：

S41：選擇30000張行人圖像集作為訓(xùn)練數(shù)據(jù)集，3000張行人圖像集作為訓(xùn)驗證數(shù)據(jù)集；

S42：定義標(biāo)準(zhǔn)卷積核，卷積核尺寸為3*3*n；

S43：搭建卷積神經(jīng)網(wǎng)絡(luò)，從卷積神經(jīng)網(wǎng)絡(luò)的輸入端輸入256*256*3，從卷積神經(jīng)網(wǎng)絡(luò)的輸出端輸出1*1*3，即時輸出數(shù)據(jù)分別為0、1、2三類數(shù)據(jù)的概率；

S44：定義損失函數(shù)L，損失函數(shù)L的計算公式如下：

其中，y為網(wǎng)絡(luò)預(yù)測值，為實際標(biāo)簽值；

S45：通過損失函數(shù)，利用梯度下降法對訓(xùn)練集進(jìn)行訓(xùn)練，優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)；

S46：使用卷積神經(jīng)網(wǎng)絡(luò)對驗證集進(jìn)行驗證，當(dāng)驗證精度大于95％且不再提升時結(jié)束卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，從而得到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求5所述的一種基于行人手臂角度分析的加油員手勢識別的方法，其特征在于，在所述步驟S41中的訓(xùn)練數(shù)據(jù)集和驗證數(shù)據(jù)集中，均包含比例為1:1:1的0、1和2三類數(shù)據(jù)。