[发明专利]一种前方行人窜出马路的预警方法

权利要求书

1.一种前方行人窜出马路的预警方法，其特征在于，包括步骤：

S1、从数据库中寻找已经窜出马路的行人数据，根据该行人的行人轨迹倒推前若干帧准备窜出来的危险图像；根据人的行为模式对上述危险图像进行行为模式分类，由分类结果建立危险图像数据库；

S2、在数据库中，对每一类行为模式下行人窜出来的可能性进行统计学概率分析；

S3、采用深度学习卷积神经网络对危险图像数据库中的数据进行训练，得到训练模型；

S4、将步骤S3中训练模型与步骤S2中统计学概率分析结果进行结合，利用数据库中的验证样本数据对训练模型中的参数进行调整，得到优化模型；

S5、实际应用中，实时采集当前路上行人数据，通过优化模型得到行人窜出来的趋势类危险图片的检测概率，在数据库中调取当前类行为模式下行人窜出来的统计学概率，计算二者的乘积，若乘积超过预警值，则对外报警。

2.根据权利要求1所述的前方行人窜出马路的预警方法，其特征在于，所述人的行为模式包括低头玩手机窜马路的一类、正常直接冲出去身体呈斜三角形的为一类、抬头看天窜出来的一类、窜出来后退的一类；

所述每一类行为模式下行人窜出来的可能性概率计算方法如下：在数据库中统计某类行为模式的总基数，然后统计该行为模式下行人成功窜出马路的占比，该占比即为概率值。

3.根据权利要求1所述的前方行人窜出马路的预警方法，其特征在于，所述步骤S3中，对危险图像数据库中的图像进行镜像、翻转、截图、拉伸操作来增加数据集。

4.根据权利要求1所述的前方行人窜出马路的预警方法，其特征在于，所述步骤S3中，在利用危险图像数据库中的图像进行训练前，先对图像进行图像标注的预处理，步骤是：

收集图像上同车道或相近车道的前方窜马路的行人坐标信息(x,y,w,h)以及行人关键点信息(x_k，y_k),k＝1,…，K，K表示关键点个数，其中(x，y)代表同车道或相近车道的前方窜马路的行人在图像上的中心坐标，(w，h)代表同车道或相近车道的前方窜马路的行人在图像上的宽度和高度，假设同车道或相近车道的前方窜马路的行人在图像上用一个边框进行标注，定义边框的左下角和右上角坐标分别为(xx1,yy1)(xx2,yy2)，其中有：

归一化的中心点x坐标计算公式：((xx2+xx1)/2)/w；

归一化的中心点y坐标计算公式：((yy2+yy1)/2)/h；

归一化的目标框宽度的计算公式：(xx2-xx1)/w；

归一化的目标框高度的计算公式：(yy2-yy1)/h；

将上述归一化后的数据作为深度学习卷积神经网络的输入。

5.根据权利要求1所述的前方行人窜出马路的预警方法，其特征在于，在步骤S3采用深度学习卷积神经网络对危险图像数据库中的数据进行训练过程中，将危险图像数据库中的图像划分为训练集、测试集和验证集，训练集用来建立预训练模型，测试集用来测试所述预训练模型同车道或相近车道的前方行人窜马路图像识别的泛化能力，验证集用来控制所述预训练模型的参数。

6.根据权利要求5所述的前方行人窜出马路的预警方法，其特征在于，根据训练集建立预训练模型的步骤是：

根据预处理结果重构同车道或相近车道的前方行人窜马路的检测数据库，构建ImageNet及YOLO v3检测框架的联合数据库以对训练集进行分类学习进而创建预训练的模型；所述ImageNet创建预训练模型中的同车道或相近车道的前方窜马路行人检测模型，并通过YOLO v3检测框架创建预训练模型中的同车道或相近车道的前方窜马路行人对齐模型，并通过损失函数对对齐模型中的参数进行调节，参数调节后的对齐模型即为预训练模型。