[发明专利]基于模式识别的视频图像危险态势感知方法、系统、装置

权利要求书

1.一种基于模式识别的视频图像危险态势感知方法，其特征在于，该方法包括：

步骤S10，获取待感知图片组；所述待感知图片组为时序连续Q个采样图片；

步骤S20，获取待感知图片组中每一个待感知图片中的危险目标类别；

步骤S30，对每一个待感知图片，按照预设的危险目标等级对应关系，确定其对应的危险目标等级；包括：

若待感知图片中危险目标数量小于等于一个，按照预设的危险目标等级对应关系，确定其对应的危险目标等级；

若待感知图片中危险目标数量为多个，选取其包含的危险目标中等级最高的危险目标，并以该危险目标的等级作为该待感知图片对应的危险目标等级；

步骤S40，对所述待感知图片组中各待感知图片的危险目标等级按时序排列，得到对应的危险目标等级序列；

步骤S50，基于预设的危险事态模式规则表，对步骤S40得到的危险目标等级序列进行匹配，获取所述待感知图片组对应的危险态势等级；

其中，

所述危险目标等级对应关系，为预设的危险目标类别与该类别对应危险等级的映射关系；

所述危险事态模式规则表，为预设的危险目标等级组合与预设的危险态势等级的映射关系；其中所述危险目标等级组合包含Q个元素。

2.根据权利要求1所述的基于模式识别的视频图像危险态势感知方法，其特征在于，所述待感知图片组，其获取方法为：通过采集设备按照设定采样频率获取时序连续Q个图片，或者基于输入视频按照设定时间间隔采样获取时序连续Q个图片。

3.根据权利要求1所述的基于模式识别的视频图像危险态势感知方法，其特征在于，步骤S20“获取待感知图片组中每一个待感知图片中的危险目标类别”，其方法为：基于预设的危险目标识别模型，识别待感知图片中危险目标类别；所述危险目标识别模型基于卷积神经网络构建，其训练样本中的输入样本为危险目标样本图片，输出样本为输入样本对应的危险目标类别。

4.根据权利要求1所述的基于模式识别的视频图像危险态势感知方法，其特征在于，所述危险事态模式规则表，其构建方法为：

步骤A10，通过包含Q个元素的数组表示危险目标等级组合，其中每个元素代表图片的危险目标等级；

步骤A20，基于图片的危险目标等级分类，对Q个元素的数组进行全排列，得到多个数组；

步骤A30，构建步骤A20中得到的每个数组与预设的危险态势等级的映射关系，得到所述危险事态模式规则表。

5.根据权利要求1-4任一项所述的基于模式识别的视频图像危险态势感知方法，其特征在于，该方法在步骤S50之后，还包括：

步骤S60，若步骤S50得到的危险态势等级大于设定等级，则进行危险态势预警。

6.一种基于模式识别的视频图像危险态势感知系统，其特征在于，该系统包括采样模块、获取目标模块、确定等级模块、序列排列模块、匹配模块；

所述的采样模块，配置为获取待感知图片组；所述待感知图片组为时序连续Q个采样图片；

所述的获取目标模块，配置为获取待感知图片组中每一个待感知图片中的危险目标类别；

所述的确定等级模块，配置为对每一个待感知图片，按照预设的危险目标等级对应关系，确定其对应的危险目标等级；包括：

若待感知图片中危险目标数量小于等于一个，按照预设的危险目标等级对应关系，确定其对应的危险目标等级；

若待感知图片中危险目标数量为多个，选取其包含的危险目标中等级最高的危险目标，并以该危险目标的等级作为该待感知图片对应的危险目标等级；

所述的序列排列模块，配置为对所述待感知图片组中各待感知图片的危险目标等级按时序排列，得到对应的危险目标等级序列；

所述的匹配模块，配置为基于预设的危险事态模式规则表，对步骤S40得到的危险目标等级序列进行匹配，获取所述待感知图片组对应的危险态势等级；

其中，

所述危险目标等级对应关系，为预设的危险目标类别与该类别对应危险等级的映射关系；

所述危险事态模式规则表，为预设的危险目标等级组合与预设的危险态势等级的映射关系；其中所述危险目标等级组合包含Q个元素。