[发明专利]一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法

说明书

本发明提出了一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，步骤如下：S1、采用摄像机拍摄含有交警的图像；S2、预处理图像，利用ORB算法检测预处理后的图像中的关键点；S3、利用BRIED特征描述子描述S2中的关键点特征；S4、通过随机一致性采样算法和关键点匹配图像中交警制服所在区域；S5、计算交警制服中心点，结合交警制服与交警身体的比例关系膨胀出交警所在区域；S6、将交警区域图像输入手势识别网络，手势识别网络利用深度级可分离卷积结构精简模型，并通过支持向量机或者一层全连接层得到手势分类结果，完成交警手势识别。本发明方法模型规模小，运算量少，运算速度快，识别精度高，可以部署在手机等低功耗设备上，方便推广。

技术领域

本发明涉及一种高精度的交警手势识别方法，属于高级汽车驾驶员辅助技术领域。

背景技术

驾驶环境感知功能是ADAS(Advanced Driver Assistance System，高级汽车驾驶员辅助系统)的一项重要功能。交警作为维护交通秩序的重要人员，对于驾驶员的驾驶决策有着重要的影响，识别交警的手势作为驾驶环境感知的重要部分，有着迫切的需求。交警手势识别模型及其方法可以用于辅助驾驶决策，减少交通事故的发生。

目前，市面上主要采用两种方法来完成识别交警手势的任务：一种是基于传统的统计学习方法，依赖繁琐复杂的特征工程来得到交警手势信息；另外一种方法是使用深度学习方法，依赖卷积网络提取图像信息，对特征图输出设计合适的损失函数来训练模型，最终达到识别交警手势的目的。传统的基于特征工程的统计学习方法虽然计算量较小，简便易行，但是由于特征工程过于复杂，导致识别精度差；而基于深度卷积网络的模型虽然识别精度高，但是大多需要高性能的GPU才能达到勉强的实时识别效果，成本较高。

公开号为CN108132710A的中国专利申请提出了一种基于Kinect的交警手势识别方法，该方法通过在交警的衣服上安装红外线发射器，使Kinect对交警的感知强度大于其它事物。该方法算法实现比较简单，也可以达到实时识别，但是需要专用的设备Kinect并且需要对交警制服进行改造，在现实生活中难以推广。公开号为CN105893951A的中国专利申请提出了一种面向无人驾驶车的多维非穿戴式交警手势识别方法及系统，该系统从安置于道口的四台深度传感器获取交警手势四维数据源，并提取具有描述性和区分性的交警手势特征，结合交警手势特征字典库识别当前交警手势以及指令朝向，并将当前地理位置坐标、交警手势识别结果、指令所属方向经无线广播一并传输至道口的无人驾驶车，车辆对接收到的信息进行解析提取行驶方向上的相应交警指令，并根据指令进行辅助驾驶决策；该方法需要对车辆进行统一的接收器安装，难以大规模普及。公开号为CN108830148A的中国专利申请提出了一种基于RNN的交警手势识别模型，该模型首先通过相机获取当前采集到的图片帧中的手势信息；当手势信息与预先存储的一个或多个交警手势的第一个分解动作相匹配、且目标交警手势包括多个连续分解动作时，获取N个连续的目标图片帧中的M个手势信息；判断M个手势信息中是否存在与第一个分解动作所属交警手势的P个后续分解动作一一相匹配的P个手势信息，且P个手势信息各自对应的目标图片帧的采集时间顺序是否与P个后续分解动作的先后顺序一致；在满足上述条件时，将目标交警手势作为识别结果。该模型识别精度高，但是运行速度慢，需要GPU的设备加速计算，难以大规模推广。

综上所述，目前研发的大部分交警手势识别方法往往对硬件有较高要求，需要对现有的车辆或交警制服等设备进行改造，成本较高，难以大规模推广使用。

发明内容

针对现有技术存在的模型运算量大、设备成本高、识别速度慢、设备功耗高、设备安装不方便等问题，本发明提出了一种基于ORB算法和深度级可分离卷积网络的交警手势识别方法，利用ORB算法提取关键点，利用深度级可分离卷积结构精简模型，模型体积小，运算量相对较少，运算速度更快，不仅可以实现实时检测，还可以直接部署在手机登低功耗设备上，降低成本。

为解决上述技术问题，本发明采用了如下技术手段：