[发明专利]一种基于无人机的行人过街设施全路网自动化排查方法

权利要求书

1.一种基于无人机的行人过街设施全路网自动化排查方法，其特征在于，包括以下步骤：

步骤S1：利用无人机拍摄获取路网中不同过街设施点位处的行人过街视频数据并存储；

步骤S2：利用目标检测算法与目标跟踪算法相结合的框架提取视频中的行人轨迹数据；

步骤S3：对由目标检测或目标跟踪失误造成的问题轨迹数据进行剔除或匹配拼接，形成行人过街的连续轨迹；

所述步骤S3剔除或匹配拼接的具体方法为：

对目标检测错误分类的轨迹数据进行判断，计算某段距离内的轨迹平均速度，若该速度大于行人正常步行或奔跑速度，或近乎于静止，则判断为错误分类的轨迹数据，错误分类的轨迹做剔除处理；

对目标追踪失败的轨迹数据进行判断，若轨迹出现前/后半部分未被追踪且轨迹过短，则判断为失效轨迹，做剔除处理；若轨迹出现中间部分段未被追踪，则对属于同一条轨迹的前后两条轨迹段进行匹配拼接处理；

步骤S4：利用轨迹聚类算法对连续轨迹数据进行聚类，聚类形成多种过街模式，识别出不同设施点位处的行人过街模式；

步骤S5：构建行人过街设施信息库，将无人机预先巡视获取到的设施点位的过街信息存储在行人过街设施信息库中，设置设施打分体系，将行人过街模式与行人过街设施信息库内的信息进行轨迹模式分析评价，并依照分析评价结果提供过街安全改善措施，实现全路网过街设施点位排查。

2.如权利要求1所述的一种基于无人机的行人过街设施全路网自动化排查方法，其特征在于，所述步骤S2利用Yolov5算法与Deepsort算法相结合的框架进行过街行人的检测与跟踪，其具体步骤如下所示：

步骤S21：构造用于目标检测的图像数据集和用于目标跟踪的视频数据集，其中，图像数据集使用Labelimg进行标注，对标注的图像数据集进行预处理后按照VOC数据集的形式进行存放；

步骤S22：将图像数据集和视频图像数据集分别划分为训练集和测试集，基于Yolov5算法构建目标检测模型；

步骤S23：采用目标检测模型代替Deepsort算法中的检测部分，形成Yolov5检测器，以Yolov5检测器的检测结果作为输入，构建目标跟踪模型；

步骤S24：利用图像数据集和视频数据集的测试集分别进行目标检测模型和目标跟踪模型的性能评估，并实时对模型参数进行优化；

步骤S25：基于目标跟踪模型得到的目标信息编写简单脚本提取轨迹数据。

3.如权利要求1或2所述的一种基于无人机的行人过街设施全路网自动化排查方法，其特征在于，所述行人轨迹数据包括：行人ID、时间、行人在自定义坐标系中的径向坐标、行人在自定义坐标系中的切向坐标；其中，自定义坐标系由图像坐标系转化，采用真实世界比例，在算法框架的追踪模块中人为标定。