[发明专利]一种行人翻越马路护栏检测方法

说明书

本发明提供了一种行人翻越马路护栏检测方法，该方法利用深度学习网络对于视频流信息进行处理，从而检测行人翻越马路护栏事件的发生。该方法包括如下步骤：(1)使用图像分割模型进行马路护栏边沿检测；(2)用一个训练好的分类器实现图像分割后处理，精修下边沿信息；(3)基于目标检测技术，对人体外接矩形进行检测；(4)检测结果分析，包括利用摄像机图像的二维信息推断目标在三维世界内的位置情况。本发明显著降低了行人翻越马路护栏检测的部署难度，并实现系统的自动化调整，降低了维护难度。

技术领域

本发明属于计算机视觉领域，尤其涉及一种行人翻越马路护栏检测方法。

背景技术

近年来，监控技术的发展使得对行人翻越马路护栏的检测与识别成为可能。行人翻越马路护栏，不仅对道路秩序产生影响，而且危及自身生命。自动化的行人翻越马路护栏检测能够通过对大量道路实时监控，获得行人的相关信息，对行人翻越马路护栏具有劝阻作用，也便于交通管理部门进行进一步处理。

行人翻越马路护栏检测目前采用的主流方法是使用具有感应功能的护栏。当护栏感知到行人的翻越动作时，采取动作阻止行人翻越，或者发出警告。此类护栏相比传统护栏具有制造成本高，部署成本高，维护成本高的特点，并不能够提供翻越者的相关身份信息。因此，此类护栏不利于大规模部署。而基于监控视频流的行人马路违规行为检测，尽管部署简单，获取信息丰富，却大多基于传统的图像生态学，这些方法在特征选取上往往显得过于简单，造成在实际使用时错误率较高；另一些使用了行为检测等算法，算法很先进，但是对应的计算开销较大，部署花费较大。

发明内容

发明目的：为了解决行人翻越马路护栏检测的问题，本发明提供一种行人翻越马路护栏检测方法，包括如下步骤：

步骤1，获取监控摄像头采集的视频流，使用图像分割网络Fence-Net检测视频流中护栏所占据的区域，将视频流所有像素区域分为两类：护栏像素区域、非护栏像素区域；

步骤2，对步骤1所得区域进行异常值去除处理，获取护栏下边沿的边界；

步骤3，将视频流每一帧转化为图像，对每一帧进行处理，获取人体外接矩形框；

步骤4，根据步骤2中所得护栏下边沿的边界，和步骤3中所得人体外接矩形框，进行检测结果分析，判断视频帧中是否出现行人翻越马路护栏的行为。

步骤2包括：

步骤1中，所述图像分割网络Fence-Net包括Base Stream基础特征流模块、Contour Stream轮廓特征流模块和Fusion Module融合模块；

所述Base Stream模块用于提取图像特征；

所述Contour Stream模块用于提取各个物体的边缘特征；

所述Fusion Module模块包括ASPP空洞空间卷积池化金字塔模块。

所述Contour Stream模块首先由两个以上的1*1的卷积层负责优化Base Stream模块提取出的图像特征，并对特征图的通道数进行相应的优化，此后，由两个以上SE-ResNet Module压缩激发残差模块以及Gated Conv Layer门卷积层间隔连接，形成ContourStream模块的剩余部分，其中SE-ResNet Module负责对特征图的质量进行进一步优化，Gated Conv Layer则负责将Contour Stream模块的注意力集中在检测物体的轮廓与形状上。

所述SE-ResNet Module通过吸取残差模块Res-Block残差块与SE-Block压缩激发块的特性，将不同层次的特征进行了融合，并将同一层次的特征在通道维度上进行权重赋值。