[发明专利]行人越界报警方法、装置、设备及系统在审
申请号: | 202010875998.5 | 申请日: | 2020-08-25 |
公开(公告)号: | CN112001336A | 公开(公告)日: | 2020-11-27 |
发明(设计)人: | 伍奕东 | 申请(专利权)人: | 上海中通吉网络技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/20;G08B21/24 |
代理公司: | 北京细软智谷知识产权代理有限责任公司 11471 | 代理人: | 岳凤羽 |
地址: | 201799 上*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 行人 越界 报警 方法 装置 设备 系统 | ||
1.一种行人越界报警方法,其特征在于,包括:
按照预设时间间隔,从视频流中获取单帧图像,并对所述单帧图像进行预处理;
将预处理后的单帧图像输入到预先训练好的人像分割模型中,得到人像坐标和人像分割图;
确定当前报警区域的类型,所述报警区域的类型包括水平型报警区域、垂直型报警区域和斜线型报警区域;
根据所述人像坐标、所述人像分割图以及所述当前报警区域的类型对应的报警规则,判断所述当前报警区域是否有行人越界,若有,发出报警信息。
2.根据权利要求1所述的行人越界报警方法,其特征在于,所述根据所述人像坐标、所述人像分割图以及所述当前报警区域的类型对应的报警规则,判断所述当前报警区域是否有行人越界,包括:
针对各个所述人像坐标,分别执行如下操作:根据当前所述人像坐标,判断当前所述行人框的短边长是否大于第一阈值;若是,计算当前所述行人框与所述当前报警区域的重合面积占当前所述行人框面积的第一百分比,判断所述第一百分比是否大于第二阈值;若是,根据所述人像分割图确定与当前所述人像坐标对应的人体分割区域,计算所述人体分割区域与所述当前报警区域的重合面积占所述人体分割区域的面积的第二百分比,判断所述第二百分比是否大于第三阈值;若是,则当前所述人像坐标符合第一预设条件;
判断各个所述人像坐标中是否存在符合所述第一预设条件的人像坐标;
若存在,则针对各个符合所述第一预设条件的所述人像坐标,分别执行如下操作:判断当前所述人像坐标是否符合所述当前报警区域的类型对应的报警规则,若符合,则当前所述人像坐标符合第二预设条件;
判断是否存在符合所述第二预设条件的人像坐标,若存在,则所述当前报警区域有行人越界;若不存在,则所述当前报警区域没有行人越界。
3.根据权利要求1所述的行人越界报警方法,其特征在于,所述水平型报警区域对应的报警规则包括:所述人像坐标的左下角坐标和右下角坐标在所述当前报警区域内。
4.根据权利要求1所述的行人越界报警方法,其特征在于,所述垂直型报警区域对应的报警规则包括:所述人像坐标的左上角和左下角坐标或右上角和右下角坐标在所述当前报警区域内。
5.根据权利要求1所述的行人越界报警方法,其特征在于,所述斜线型报警区域对应的报警规则包括:所述人像坐标的左上角、左下角、右上角和右下角坐标中有至少两个坐标点在所述当前报警区域内。
6.根据权利要求1所述的行人越界报警方法,其特征在于,所述方法还包括:
采集若干原始图像,构建样本训练集;
利用样本训练集对预先构建的深度学习网络模型进行训练,得到所述人像分割模型。
7.根据权利要求1所述的行人越界报警方法,其特征在于,所述发出报警信息,包括:
以声音和/或文字的方式发出越界危险提示。
8.一种行人越界报警装置,其特征在于,包括:
获取模块,用于按照预设时间间隔,从视频流中获取单帧图像,并对所述单帧图像进行预处理;
识别模块,用于将预处理后的单帧图像输入到预先训练好的人像分割模型中,得到人像坐标和人像分割图;
确定模块,用于确定当前报警区域的类型,所述报警区域的类型包括水平型报警区域、垂直型报警区域和斜线型报警区域;
报警模块,用于根据所述人像坐标、所述人像分割图以及所述当前报警区域的类型对应的报警规则,判断所述当前报警区域是否有行人越界,若有,发出报警信息。
9.一种行人越界报警设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如权利要求1-7任一项所述的方法。
10.一种行人越界报警系统,其特征在于,包括摄像头和与所述摄像头连接的如权利要求9所述的行人越界报警设备;所述摄像头用于提供视频流。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海中通吉网络技术有限公司,未经上海中通吉网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010875998.5/1.html,转载请声明来源钻瓜专利网。