[發(fā)明專利]一種行人翻越馬路護欄檢測方法

在審

• 申請?zhí)枺?/td>: 202110378581.2
• 申請日: 2021-04-08
• 公開（公告）號: CN113177439A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計）人: 鄧曦;朱晨鳴;石啟良;陳建;韋瑞迪;陳雪勇;孫海超;于偉濤;童春
• 申請（專利權(quán)）人: 中通服咨詢設(shè)計研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 于瀚文;胡建華

1.一種行人翻越馬路護欄檢測方法，其特征在于，包括如下步驟：

步驟1，獲取監(jiān)控攝像頭采集的視頻流，使用圖像分割網(wǎng)絡(luò)Fence-Net檢測視頻流中護欄所占據(jù)的區(qū)域，將視頻流所有像素區(qū)域分為兩類：護欄像素區(qū)域、非護欄像素區(qū)域；

步驟2，對步驟1所得區(qū)域進行異常值去除處理，獲取護欄下邊沿的邊界；

步驟3，將視頻流每一幀轉(zhuǎn)化為圖像，對每一幀進行處理，獲取人體外接矩形框；

步驟4，根據(jù)步驟2中所得護欄下邊沿的邊界，和步驟3中所得人體外接矩形框，進行檢測結(jié)果分析，判斷視頻幀中是否出現(xiàn)行人翻越馬路護欄的行為。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1中，所述圖像分割網(wǎng)絡(luò)Fence-Net包括Base Stream基礎(chǔ)特征流模塊、Contour Stream輪廓特征流模塊和Fusion Module融合模塊；

所述Base Stream模塊用于提取圖像特征；

所述Contour Stream模塊用于提取各個物體的邊緣特征；

所述Fusion Module模塊包括ASPP空洞空間卷積池化金字塔模塊。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述Contour Stream模塊首先由兩個以上的1*1的卷積層負責(zé)優(yōu)化Base Stream模塊提取出的圖像特征，并對特征圖的通道數(shù)進行相應(yīng)的優(yōu)化，此后，由兩個以上SE-ResNet Module壓縮激發(fā)殘差模塊以及Gated Conv Layer門卷積層間隔連接，形成Contour Stream模塊的剩余部分，其中SE-ResNet Module負責(zé)對特征圖的質(zhì)量進行進一步優(yōu)化，Gated Conv Layer則負責(zé)將Contour Stream模塊的注意力集中在檢測物體的輪廓與形狀上。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述SE-ResNet Module通過吸取殘差模塊Res-Block殘差塊與SE-Block壓縮激發(fā)塊的特性，將不同層次的特征進行了融合，并將同一層次的特征在通道維度上進行權(quán)重賦值。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述Gated Conv Layer通過結(jié)合神經(jīng)網(wǎng)絡(luò)中間層特征圖以及圖像梯度圖這兩者的信息，對圖像內(nèi)物體的邊緣形狀進行抽取，并通過BatchNorm批標準化操作，提高收斂速度。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述ASPP模塊執(zhí)行如下步驟：

步驟a1，將Contour Stream模塊輸出的邊緣特征縮小，使得其大小與Base Stream模塊輸出的特征圖相同，接著進行1*1卷積，獲得1個通道數(shù)為256的特征圖；

步驟a2，將Base Stream模塊輸出的特征圖進行全局平均池化，再進行1*1卷積，最后再將特征圖放大回目標尺寸，獲得一個通道數(shù)等于256的特征圖；

步驟a3，利用四種不同擴張率的空洞卷積層(1，6，12，18)對Base Stream模塊輸出的特征圖進行卷積，獲得4個特征圖，四個特征圖的通道數(shù)都為256；

步驟a4，將步驟a1，、步驟a2和步驟a3得到的共6個特征圖進行通道拼接，得到最終輸出。