[发明专利]行人组群关系识别方法、装置及系统

权利要求书

1.一种行人组群关系识别方法，其特征在于，包括：

利用预设提取算法提取单帧图像中全部行人的可见关键点，获得每一个所述行人的关键点位置信息；

通过所述关键点位置信息，利用预设多目标跟踪算法获得同一所述行人的轨迹关键点向量集合；

利用预设的时序网络对所述行人的轨迹关键点向量集合进行特征提取，并将每个所述轨迹关键点向量集合的浮点数向量作为每个所述行人的目标特征；

计算两两所述行人的所述目标特征的相似度，所得结果与预设阈值进行比较以区分是否为同一组群，其中，所述结果大于预设阈值时，将两个所述行人划分为同一组群。

2.根据权利要求1所述的行人组群关系识别方法，其特征在于，所述预设提取算法为Mask-RCNN算法、OpenPose算法以及OmniPose算法中的一种。

3.根据权利要求1所述的行人组群关系识别方法，其特征在于，所述关键点位置信息的坐标表示为：

P＝[(x₁，y₁)，(x₂，y₂)，…，(x_m，y_m)]；

其中，m为所述关键点的个数，x_m为第m个所述关键点的横坐标，y_m为第m个所述关键点的纵坐标。

4.根据权利要求1所述的行人组群关系识别方法，其特征在于，所述行人的轨迹关键点向量集合表示为：

K_n＝[P_1，n，P_2，n，P_3，n，…，P_i，n]；

其中，i表示帧号，n表示当前所述行人的ID号。

5.根据权利要求1所述的行人组群关系识别方法，其特征在于，所述预设多目标跟踪算法为最近临域法、卡尔曼预测以及SORT多特征融合跟踪算法中的一种。

6.根据权利要求1所述的行人组群关系识别方法，其特征在于，所述预设的时序网络为RNN网络、LSTM网络以及time Transformer网络中的一种。

7.根据权利要求1所述的行人组群关系识别方法，其特征在于，还包括标记所述预设的时序网络的训练数据各所述行人所属的组群序号，其中，对于一个所述组群包含一位所述行人或多位所述行人。

8.根据权利要求1所述的行人组群关系识别方法，其特征在于，所述相似度计算式如下：

或者

其中，a，b分别指代两个所述行人，f_a、f_b分别表示两个所述行人的轨迹关键点向量集合的浮点数向量。

9.一种行人组群关系识别装置，其特征在于，包括：

行人抓拍机，用于利用预设提取算法提取单帧图像中全部行人的可见关键点，获得每一个所述行人的关键点位置信息，并通过所述关键点位置信息，利用预设多目标跟踪算法获得同一所述行人的轨迹关键点向量集合；

组群识别机，用于利用预设的时序网络对所述行人的轨迹关键点向量集合进行特征提取，并将每个所述轨迹关键点向量集合的浮点数向量作为每个所述行人的目标特征；计算两两所述行人的所述目标特征的相似度，所得结果与预设阈值进行比较以区分是否为同一组群，其中，所述结果大于预设阈值时，将两个所述行人划分为同一组群。

10.一种行人组群关系识别系统，其特征在于，所述系统包括：

如权利要求9所述的行人组群关系识别装置；

摄像机，用于摄录行人图像。