[发明专利]路面报警方法、装置、电子设备及可读存储介质

说明书

本发明是关于一种路面报警方法、装置、电子设备及可读存储介质，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。本发明可自动检测路面上的目标对象的运动姿态，并根据目标对象的运动姿态进行报警，以进行提醒，从而提高在路面行走的安全性。

技术领域

本发明涉及监控技术领域，尤其涉及一种路面报警方法、装置、电子设备及可读存储介质。

背景技术

在雨雪天气或者路面刚清洗过时，路面比较湿滑，行人走在上面容易摔倒，安全性较低。为了提高行人行走的安全性，一般在路面的湿滑区域设置提醒牌，以提醒行人绕行。

目前主要是通过人工观察来判定路面是否湿滑，而当没有注意到路面湿滑时，不能及时对行人进行提醒。

发明内容

本发明提供一种路面报警方法、装置、电子设备及可读存储介质，以解决现有技术中的不足。

根据本发明实施例的第一方面，提供一种路面报警方法，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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，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；