利索能及
我要发布
收藏
专利号: 2018110140124
申请人: 杭州海康威视数字技术股份有限公司
专利类型:发明专利
专利状态:已下证
更新日期:2025-11-14
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种路面报警方法,其特征在于,所述方法包括:

依据采集的视频帧序列确定所述视频帧序列中的各个目标对象的运动序列图像;

依据各个目标对象的运动序列图像确定各个目标对象的运动姿态;

若已确定的所有目标对象的运动姿态中有预设比例的目标对象的运动姿态为在路面异常时的运动姿态,则输出报警信号。

2.根据权利要求1所述的路面报警方法,其特征在于,所述依据采集的视频帧序列确定所述视频帧序列中的各个目标对象的运动序列图像包括:将所述视频帧序列的每一视频帧分别输入至已训练的第一深度学习模型,以由所述第一深度学习模型输出各个目标对象在各视频帧中的区域位置信息;

针对每一目标对象,依据该目标对象在各视频帧中的区域位置信息获取该目标对象在各视频帧中的运动状态图像;

根据该目标对象的各运动状态图像的区域位置信息将各运动状态图像进行排序得到该目标对象的运动序列图像。

3.根据权利要求2所述的路面报警方法,其特征在于,所述依据各个目标对象的运动序列确定各个目标对象的运动姿态包括:将各个目标对象的运动序列图像分别输入至第二深度学习模型,以由所述第二深度学习模型输出各个目标对象的骨架点在各个运动状态图像中的位置信息及类别信息;

针对每一目标对象,依据所述第二深度学习模型输出的该目标对象的骨架点的类别信息,选取至少一个下半身骨架点,根据选取的各下半身骨架点在各个运动状态图像中的位置信息得到各下半身骨架点的运动姿态数据,依据该目标对象的各个下半身骨架点的运动姿态数据,确定该目标对象的运动姿态。

4.根据权利要求3所述的路面报警方法,其特征在于,所述依据该目标对象的各个下半身骨架点的运动姿态数据确定该目标对象的运动姿态包括:利用所述运动姿态数据计算该目标对象的运动姿态与路面异常时的运动姿态相似的第一相似度、以及与路面正常时的运动姿态相似的第二相似度;

判断所述第一相似度是否大于第二相似度,若是,确定该目标对象的运动姿态为在路面异常时的运动姿态,若否,确定该目标对象的运动姿态为在路面正常时的运动姿态。

5.根据权利要求4所述的路面报警方法,其特征在于,所述根据选取的各下半身骨架点在各个运动状态图像中的位置信息得到各下半身骨架点的运动姿态数据包括:针对每一下半身骨架点,根据该下半身骨架点在各个运动状态图像中的位置信息确定该下半身骨架点的骨架点序列;

依据该下半身骨架点的骨架点序列确定该下半身骨架点在所述视频帧序列的相邻视频帧中发生的位移,从确定的所有位移中选择取值最大的位移确定为该下半身骨架点的最大位移,对确定的所有位移进行平均值运算得到该下半身骨架点的平均位移;

对各下半身骨架点的平均位移进行平均值运算得到目标位移;计算各下半身骨架点的最大位移与所述目标位移之间的相对位移,将计算的相对位移确定为各下半身骨架点的运动姿态数据。

6.一种路面报警装置,其特征在于,所述装置包括:

运动序列获取模块,用于依据采集的视频帧序列确定所述视频帧序列中的各个目标对象的运动序列图像;

运动姿态确定模块,用于依据各个目标对象的运动序列图像确定各个目标对象的运动姿态;

报警模块,用于若已确定的所有目标对象的运动姿态中有预设比例的目标对象的运动姿态为在路面异常时的运动姿态,则输出报警信号。

7.根据权利要求6所述的路面报警装置,其特征在于,所述运动序列确定模块包括:位置信息获取单元,用于将所述视频帧序列的每一视频帧分别输入至已训练的第一深度学习模型,以由所述第一深度学习模型输出各个目标对象在各视频帧中的区域位置信息;

运动状态图像获取单元,用于针对每一目标对象,依据该目标对象在各视频帧中的区域位置信息获取该目标对象在各视频帧中的运动状态图像;

运动序列图像获取单元,用于根据该目标对象的各运动状态图像的位置信息将各运动状态图像进行排序得到该目标对象的运动序列图像。

8.根据权利要求7所述的路面报警装置,其特征在于,所述运动姿态确定模块包括:骨架点识别单元,用于将各个目标对象的运动序列图像分别输入至第二深度学习模型,以由所述第二深度学习模型输出各个目标对象的骨架点在各个运动状态图像中的位置信息及类别信息;

运动姿态确定单元,用于针对每一目标对象,依据所述第二深度学习模型输出的该目标对象的骨架点的类别信息,选取至少一个下半身骨架点,根据选取的各下半身骨架点在各个运动状态图像中的位置信息得到各下半身骨架点的运动姿态数据,依据该目标对象的各个下半身骨架点的运动姿态数据,确定该目标对象的运动姿态。

9.根据权利要求8所述的路面报警装置,其特征在于,所述依据该目标对象的各个下半身骨架点的运动姿态数据确定该目标对象的运动姿态包括:利用所述运动姿态数据计算该目标对象的运动姿态与路面异常时的运动姿态相似的第一相似度、以及与路面正常时的运动姿态相似的第二相似度;

判断所述第一相似度是否大于第二相似度,若是,确定该目标对象的运动姿态为在路面异常时的运动姿态,若否,确定该目标对象的运动姿态为在路面正常时的运动姿态。

10.根据权利要求9所述的路面报警装置,其特征在于,所述根据选取的各下半身骨架点在各个运动状态图像中的位置信息得到各下半身骨架点的运动姿态数据包括:针对每一下半身骨架点,根据该下半身骨架点在各个运动状态图像中的位置信息确定该下半身骨架点的骨架点序列;

依据该下半身骨架点的骨架点序列确定该下半身骨架点在所述视频帧序列的相邻视频帧中发生的位移,从确定的所有位移中选择取值最大的位移确定为该下半身骨架点的最大位移,对确定的所有位移进行平均值运算得到该下半身骨架点的平均位移;

对各下半身骨架点的平均位移进行平均值运算得到目标位移;

计算各下半身骨架点的最大位移与所述目标位移之间的相对位移,将计算的相对位移确定为各下半身骨架点的运动姿态数据。

11.一种电子设备,其特征在于,包括处理器及存储器;所述存储器存储有可被处理器调用的程序;其中,所述处理器执行所述程序时,实现如权利要求1-5中任意一项所述的路面报警方法。

12.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-5中任意一项所述的路面报警方法。