[发明专利]一种基于行人手臂角度分析的加油员手势识别的方法

权利要求书

1.一种基于行人手臂角度分析的加油员手势识别的方法，其特征在于，包括如下步骤：

S1：监控系统实时采集加油机附近区域的实时视频，每预设时间截取一张图像，得到实时图像集；

S2：使用YOLO V3算法对实时图像集中的行人进行检测，提取图像中的行人，得到行人图像集；

S3：通过图像中行人的手臂角度对行人进行类别定义，0代表手臂角度为0度到60度的行人，1代表手臂角度为61度到100度的行人，2代表手臂角度为101度到180度的行人；

S4：构建卷积神经网络，使用卷积神经网络对所述行人图像集进行训练，得到训练好的卷积神经网络；

S5：利用训练好的卷积神经网络对行人图像集进行判定，若输出为0，则判定行人无姿势；若输出为1，则判定行人保持车辆引导姿势；若输出为2，则判定行人保持指向显示屏姿势。

2.根据权利要求1所述的一种基于行人手臂角度分析的加油员手势识别的方法，其特征在于，所述步骤S1中的监控系统包括多个摄像机，摄像机的安装位置与对应该摄像机所监控的加油机水平距离为8～12米，距地面高度为3～5米。

3.根据权利要求1所述的一种基于行人手臂角度分析的加油员手势识别的方法，其特征在于，所述步骤S2中提取图像中的行人的具体方法为：对图像中的行人进行截取，生成仅包含行人的图像。

4.根据权利要求1所述的一种基于行人手臂角度分析的加油员手势识别的方法，其特征在于，所述步骤S3中图像中行人的手臂角度的计算公式为：

C＝arctan((y₂-y₁)/(x₂-x₁))

其中，取图片中心点作为原点建立坐标系，(x₁，y₁)为行人位置相对更高的手的位置坐标，(x₂，y₂)为行人身体重心的位置坐标。

5.根据权利要求1所述的一种基于行人手臂角度分析的加油员手势识别的方法，其特征在于，所述步骤S4包括如下子步骤：

S41：选择30000张行人图像集作为训练数据集，3000张行人图像集作为训验证数据集；

S42：定义标准卷积核，卷积核尺寸为3*3*n；

S43：搭建卷积神经网络，从卷积神经网络的输入端输入256*256*3，从卷积神经网络的输出端输出1*1*3，即时输出数据分别为0、1、2三类数据的概率；

S44：定义损失函数L，损失函数L的计算公式如下：

其中，y为网络预测值，为实际标签值；

S45：通过损失函数，利用梯度下降法对训练集进行训练，优化卷积神经网络；

S46：使用卷积神经网络对验证集进行验证，当验证精度大于95％且不再提升时结束卷积神经网络训练，从而得到训练好的卷积神经网络。

6.根据权利要求5所述的一种基于行人手臂角度分析的加油员手势识别的方法，其特征在于，在所述步骤S41中的训练数据集和验证数据集中，均包含比例为1:1:1的0、1和2三类数据。