[發明專利]一種基于YOLOv3與卡爾曼濾波的行人堵塞狀態預測方法

有效

• 申請號: 202110170040.0
• 申請日: 2021-02-08
• 公開（公告）號: CN112985439B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 李憲;于繼宇;楊明業;楊海強;趙東杰
• 申請（專利權）人: 青島大學
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 青島高曉專利事務所(普通合伙) 37104
• 代理人: 段雅靜

1.一種基于YOLOv3與卡爾曼濾波的行人堵塞狀態預測方法，其特征在于，具體步驟如下：

A，獲取交通區域內的行人原始視頻數據；

B，將輸入視頻幀的規格裁剪為統一格式，將處理后的視頻數據送入YOLOv3網絡；

C，對輸出的bounding box數據進行解碼，得到當前時刻下行人的軌跡信息；

D，為方便在視頻幀中繪制檢測框，將YOLOv3行人檢測器最終輸出的行人檢測框數據進行轉換；

E，繪制完檢測框后將行人軌跡數據格式轉換為檢測框中心點x坐標c_x、y坐標c_y、高寬比r、高度b_h，并將其各自的變化速度分別設置為v_x、v_y、v_r、v_h(初始值為0)，把以上數據作為卡爾曼濾波器狀態矩陣的輸入；

F，卡爾曼濾波器的工作過程如下：

F1，將上一時刻的狀態向量M(t-1)(t＝2)送入系統狀態方程中，得到當前時刻下的狀態估計向量M(t,t-1)，同時計算出此過程所產生的協方差矩陣F(t,t-1)；

F2，計算當前時刻下的狀態估計向量M(t,t-1)的觀向量Z(t,t-1)及協方差矩陣F(t,t-1)的觀測矩陣S(t,t-1)；

F3，計算當前時刻下的卡爾曼濾波增益K(t,t-1)；

F4，根據當前時刻下的觀測向量Z(t)來校正M(t,t-1)，并得到當前時刻下的最優估計向量M(t)；

F5，通過狀態轉移矩陣T(t)與當前時刻下的最優估計向量M(t)計算出下一時刻的預測向量M(t+1,t)；

F6，在上述F1-F5的算法執行過程中，將第F5步迭代n次可得到由當前幀與上一幀的行人軌跡數據所預測的第n幀的行人軌跡數據，n的取值應與拍攝器材所對應的FPS相適應；

G，取當前幀的軌跡坐標與第n幀的軌跡坐標可求得單個行人的軌跡直線方程；

H，預測過程之前對運算成本進行優化；

I，將堵塞狀態的檢測分為3種情況進行處理。

2.根據權利要求1所述的基于YOLOv3與卡爾曼濾波的行人堵塞狀態預測方法，其特征在于，步驟H中，預測過程之前對運算成本進行優化，具體步驟如下：

H1，當行人目標的移動速度過小時，會使得狀態向量M(t)中的v_x、v_y、v_r、v_h的數值過低，從而導致迭代n次所得的行人軌跡終點與起始點間的長度遠小于正常移動速度下的軌跡長度，設行人軌跡長度為d，則當d小于最小閾值d_min時判定靜止，靜止的目標不參與后續的排列組合運算；

H2，當視頻幀內檢測到的行人個數n大于等于2時，對其數據進行兩兩排列組合為h；

H3，設排列組合的結果所構成的集合為H，在每組組合中h內，設行人1的起始點坐標為(a_x1,a_y1)，預測終點坐標為(b_x1,b_y1)，行人2的起始點坐標為(a_x2,a_y2)，預測終點坐標為(b_x2,b_y2)；

H4，設直線1的斜率為k₁，截距為b₁，直線2的斜率為k₂，截距為b₂，求得每個組合中兩直線的交點(x₁,y₁)；

H5，計算交點到行人1起始點的距離d₁，依次可求得所需的其他距離信息；

H6，在沖突點判定前先進行并行狀態檢測，具體過程如下：對任一組合h中行人1起始點到行人2起始點的距離d₅取3幀內的數據，設為U：

U＝{b_5(n-2) b_5(n-1) b_5(n)}(n＞＝3)

用方差來描述3幀內行人間距離的變化幅度：

當方差S²小于最小閾值S_min²，即3幀內行人間的距離在一個固定區間內浮動時，判定為并行，此時不再對組合h進行堵塞狀態檢測；

H7，為排除行人軌跡直線延長線的干擾，在進行堵塞狀態檢測前先設置判定的前提條件。