[發明專利]一種高空拋擲物判別方法

在審

• 申請號: 202011224115.0
• 申請日: 2020-11-05
• 公開（公告）號: CN112329627A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 閆政;杜勇
• 申請（專利權）人: 重慶覽輝信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06F17/11
• 代理公司: 重慶華科專利事務所 50123
• 代理人: 譚小琴

本發明公開了一種高空拋擲物判別方法，包括以下步驟：(S1)攝像機對建筑物樓面進行拍攝；(S2)使用幀差法檢測并提取攝像機畫面中的運動目標；(S3)提取運動目標的運動軌跡坐標序列；(S4)將運動目標的運動軌跡坐標序列輸入到預先訓練好的神經網絡判別模型中進行分類判別，判別該運動目標是否屬于高空拋物。通過本發明的高空拋擲物判別方法，將高空拋物目標運動檢測與識別轉化為一個序列分類問題，提升檢測性能的同時，降低檢測系統的復雜度。

技術領域

本發明涉及高空拋擲物檢測技術領域，尤其涉及一種高空拋擲物判別方法。

背景技術

高空拋物被稱為“懸在城市上空的痛”，一直以來高空拋物行為備受關注，作為城市不文明行為的同時，它所帶來的社會危害也很大。由于其實施場所多為高樓層，少有目擊者，拋物時間短，甚至有人在拋物時故意隱去身影，使得相關部門很難追究拋物者的法律責任，此類事件屢見不鮮、屢禁不止。因此對高空拋物行為進行識別和取證，已經成為當前城市管理和物業管理的迫切需要。

拋物行為的識別和取證，可以通過對拋物目標軌跡檢測的方式進行，當前對拋物目標運動軌跡的檢測，主要是通過運動目標檢測和軌跡擬合的方式實現的，這種方法首先通過經典的運動目標檢測方法，例如背景建模或幀差法，實現連續幀中運動目標的提取，然后通過每幀圖像中運動目標的坐標，擬合出連續幀中運動目標的軌跡，并與已知拋物軌跡或拋物線公式計算得到拋物軌跡進行比對，最終確定目標運動軌跡是否為拋物運動軌跡。在實際應用中，上述方式存在一定問題，由于高層建筑物屋面受大氣活動的影響，屋面存在湍流，且拋物目標種類繁雜，氣動外形千差萬別，因此高空拋物目標的運動軌跡非常復雜，難以用一條理論公式來進行描述，而采取與已知高空拋物軌跡樣本進行比對，則存在軌跡樣本難以獲取的問題，同時，進行軌跡比對時需要對整個樣本庫進行遍歷，計算復雜度高，系統復雜；而采取實驗的模擬的方式，由于實驗場地限制，實驗費用開銷較大，且無法模擬實際場景中多變的風場條件，難以獲取到不同氣動外形的拋擲物在不同風場下的運動軌跡，這造成模型在訓練過程中缺乏有效的訓練樣本數據，直接影響模型的判別性能。

發明內容

本發明的目的是提供一種高空拋擲物判別方法，將高空拋物目標運動檢測與識別轉化為一個序列分類問題，提升檢測性能的同時，降低檢測系統的復雜度。

為實現上述目的，本發明提供了一種高空拋擲物判別方法，包括以下步驟：

(S1)攝像機對建筑物樓面進行拍攝；

(S2)使用幀差法檢測并提取攝像機畫面中的運動目標；

(S3)提取運動目標的運動軌跡坐標序列；

(S4)將運動目標的運動軌跡坐標序列輸入到預先訓練好的神經網絡判別模型中進行分類判別，判別該運動目標是否屬于高空拋物。

進一步，若運動目標屬于高空拋物，則將該運動目標的運動特征加入到神經網絡判別模型的訓練集中，進行模型迭代。

進一步，所述預先訓練好的神經網絡判別模型通過以下步驟獲得：

(S41)通過計算機仿真，獲得不同氣動外形的拋擲物在不同模擬風場條件下的運動軌跡坐標序列樣本；

(S42)將拋擲物運動軌跡坐標序列樣本集合作為訓練集，對判別神經網絡進行訓練，以得到訓練好的神經網絡判別模型。

進一步，所述通過計算機仿真，獲得不同氣動外形的拋擲物在不同風場條件下的運動軌跡樣本，具體包括以下步驟：

(S411)通過計算機仿真，隨機生成1個拋擲物，拋擲物形態在塊、棒、板這3種形態中隨機確定；