[發(fā)明專利]一種行人翻越馬路護(hù)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

本發(fā)明提供了一種行人翻越馬路護(hù)欄檢測方法，該方法利用深度學(xué)習(xí)網(wǎng)絡(luò)對于視頻流信息進(jìn)行處理，從而檢測行人翻越馬路護(hù)欄事件的發(fā)生。該方法包括如下步驟：(1)使用圖像分割模型進(jìn)行馬路護(hù)欄邊沿檢測；(2)用一個訓(xùn)練好的分類器實現(xiàn)圖像分割后處理，精修下邊沿信息；(3)基于目標(biāo)檢測技術(shù)，對人體外接矩形進(jìn)行檢測；(4)檢測結(jié)果分析，包括利用攝像機(jī)圖像的二維信息推斷目標(biāo)在三維世界內(nèi)的位置情況。本發(fā)明顯著降低了行人翻越馬路護(hù)欄檢測的部署難度，并實現(xiàn)系統(tǒng)的自動化調(diào)整，降低了維護(hù)難度。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機(jī)視覺領(lǐng)域，尤其涉及一種行人翻越馬路護(hù)欄檢測方法。

背景技術(shù)

近年來，監(jiān)控技術(shù)的發(fā)展使得對行人翻越馬路護(hù)欄的檢測與識別成為可能。行人翻越馬路護(hù)欄，不僅對道路秩序產(chǎn)生影響，而且危及自身生命。自動化的行人翻越馬路護(hù)欄檢測能夠通過對大量道路實時監(jiān)控，獲得行人的相關(guān)信息，對行人翻越馬路護(hù)欄具有勸阻作用，也便于交通管理部門進(jìn)行進(jìn)一步處理。

行人翻越馬路護(hù)欄檢測目前采用的主流方法是使用具有感應(yīng)功能的護(hù)欄。當(dāng)護(hù)欄感知到行人的翻越動作時，采取動作阻止行人翻越，或者發(fā)出警告。此類護(hù)欄相比傳統(tǒng)護(hù)欄具有制造成本高，部署成本高，維護(hù)成本高的特點，并不能夠提供翻越者的相關(guān)身份信息。因此，此類護(hù)欄不利于大規(guī)模部署。而基于監(jiān)控視頻流的行人馬路違規(guī)行為檢測，盡管部署簡單，獲取信息豐富，卻大多基于傳統(tǒng)的圖像生態(tài)學(xué)，這些方法在特征選取上往往顯得過于簡單，造成在實際使用時錯誤率較高；另一些使用了行為檢測等算法，算法很先進(jìn)，但是對應(yīng)的計算開銷較大，部署花費較大。

發(fā)明內(nèi)容

發(fā)明目的：為了解決行人翻越馬路護(hù)欄檢測的問題，本發(fā)明提供一種行人翻越馬路護(hù)欄檢測方法，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(hù)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(hù)欄像素區(qū)域、非護(hù)欄像素區(qū)域；

步驟2，對步驟1所得區(qū)域進(jìn)行異常值去除處理，獲取護(hù)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(jìn)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(hù)欄下邊沿的邊界，和步驟3中所得人體外接矩形框，進(jìn)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(hù)欄的行為。

步驟2包括：

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。

所述Contour Stream模塊首先由兩個以上的1*1的卷積層負(fù)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(jìn)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ContourStream模塊的剩余部分，其中SE-ResNet Module負(fù)責(zé)對特征圖的質(zhì)量進(jìn)行進(jìn)一步優(yōu)化，Gated Conv Layer則負(fù)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。

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(jìn)行了融合，并將同一層次的特征在通道維度上進(jìn)行權(quán)重賦值。