[发明专利]一种室外盲区行为预测方法

说明书

本发明公开了一种室外盲区行为预测方法，其步骤包括：1)根据目标区域的摄像头产生的历史交通视频数据生成历史移动轨迹；2)生成的历史移动轨迹分析交通视频数据的时空关系，建立路网模型；3)基于目标区域摄像头采集的实时交通视频数据识别既定目标行为当前状态，包括位置、速度、方向；4)如果既定目标进入盲区，则基于所述路网模型及既定目标行为状态，预测既定目标在盲区环境下的行为。本发明能够基于实时交通视频数据快速识别既定目标当前行为状态，从而在盲区环境下对既定目标行为进行有效预测。

技术领域

本发明属于时空大数据分析技术领域，具体涉及一种室外盲区行为预测方法。

背景技术

行为预测是计算机视觉和图像处理领域的热点研究问题之一，近年来已经取得了很大进展，并在行为理解、意图识别、人群流量预测、人机交互、逃犯追捕等许多应用中都取得了成功。

目前的行为预测方法主要是从给定的连续视频帧中识别既定目标的行为状态，如位置、方向、速度等，从而估计目标在后续视频帧的状态。这意味这些方法需要已知一组捕获了既定目标状态的视频帧序列，这组视频帧应该尽可能保证在时间上连续，且预测结果是未来较短时段内既定目标的行为。

然而，在真实的室外环境中，障碍物遮挡、光照条件差(如光线过强或者过弱)、监控设备损坏或不在工作状态等情况十分常见，造成了监控设备的盲区。因而在真实室外环境下，通常难以获取持续捕获既定目标的连续视频帧序列，甚至导致较长时间的目标丢失。因此，需要提出一种室外盲区环境下的行为预测方法。

目前行为预测相关的专利文献包括：

《一种行为预测方法》(中国专利申请号201811473054.4)：该专利申请将样本数据表示为One-Hot Encoding编码和Label Encoding编码融合而成的多维特征码，采用生成对抗网络丰富已有标签数据，将多个模型集成得到带权重的集成模型并对数据进行分类，从而预测行为。该方案旨在平衡样本的不均衡问题，提高预测精度。

《一种行为预测方法及装置》(中国专利申请号201810580780.X)：该专利申请根据多个已知目标及其特征信息，确定既定目标与已知目标的相似度，从而根据已知目标的历史行为预测既定目标的行为。该方案旨在利用历史数据提高预测精度。

《行为预测系统和行为预测方法》(中国专利申请号201810419426.9)：该专利申请针对室内环境下的个体行为进行预测，以优化目标所处环境下各个电气设备的工作状态，提高环境的智能化水平。

《出行行为预测方法及装置》(中国专利申请号201611043051.8)：该专利申请基于历史出行数据的离散化建立决策树，以对个体出行行为进行精细化预测。该方案旨在提高预测精度，避免偶然事件的影响。

《基于神经网络的行为预测方法》(中国专利申请号201510162201.6)：该专利申请引入自标注增量极速学习算法进行行为预测，旨在提高预测精度。

以上专利申请文献均存在隐藏的假设条件，假设目标行为的历史数据充分而完整。忽略了在障碍物遮挡、光照条件差(如光线过强或者过弱)、监控设备损坏或不在工作状态等情况造成的目标行为数据缺失问题。因此，以上专利申请文献无法在室外盲区环境下进行目标行为预测。

发明内容

在真实的室外环境中，障碍物遮挡、光照条件差(如光线过强或者过弱)、监控设备损坏或不在工作状态等情况造成了监控设备在监控既定目标时存在盲区。因而，难以获取持续捕获既定目标行为状态的连续视频帧序列，甚至较长时间的目标丢失，导致既定目标的行为数据缺失。在这种情况下，现有的行为预测方法难以有效预测既定目标的行为。本发明基于时空大数据实时处理和交互分析平台(GEO-STRIA)，提供了一种室外盲区环境下的行为预测方法。