[发明专利]基于行人轨迹的积水检测方法、装置、设备及存储介质

权利要求书

1.一种基于行人轨迹的积水检测方法，其特征在于，所述方法包括：

采集目标区域的多组图像数据，并利用预先训练好的行人检测模型从每个所述图像数据中检测得到行人轨迹；

对每个所述行人轨迹分别进行特征工程，所述特征工程构建的特征包括：轨迹曲率熵特征、运动主方向角特征、运动路程与位移特征、运动速度变化特征及坐标异常变化特征；

将每个所述行人轨迹对应的特征分别输入至预先训练好的异常轨迹检测模型进行检测，得到异常行人轨迹；

根据所述异常行人轨迹的数量确认所述目标区域是否为积水区域。

2.根据权利要求1所述的基于行人轨迹的积水检测方法，其特征在于，所述利用预先训练好的行人检测模型从每个所述图像数据中检测得到行人轨迹之后，还包括：

对所述行人轨迹进行预处理，得到轨迹压缩后的行人轨迹。

3.根据权利要求1所述的基于行人轨迹的积水检测方法，其特征在于，所述根据所述异常行人轨迹的数量确认所述目标区域是否为积水区域，包括：

将每个所述异常行人轨迹分别与所述目标区域对应的标准异常轨迹进行相似度计算，得到满足相似度阈值条件的目标异常行人轨迹；

当所述目标异常行人轨迹的数量达到预设数量阈值时，将所述目标区域标注为积水区域。

4.根据权利要求3所述的基于行人轨迹的积水检测方法，其特征在于，所述将每个所述异常行人轨迹分别与所述目标区域对应的标准异常轨迹进行相似度计算，得到满足相似度阈值条件的目标异常行人轨迹，包括：

分别将所述异常行人轨迹、所述标准异常轨迹按顺序表示为第一轨迹点集合、第二轨迹点集合；

将所述第一轨迹点集合和所述第二轨迹点集合中的轨迹点按顺序组合成点对序列；

计算每个点对序列中轨迹点之间的最大距离；

根据所述最大距离计算得到所述第一轨迹点集合、所述第二轨迹点集合之间的离散弗雷歇距离；

当所述离散弗雷歇距离满足预设阈值条件时，确认所述异常行人轨迹为所述目标异常行人轨迹。

5.根据权利要求1所述的基于行人轨迹的积水检测方法，其特征在于，所述利用预先训练好的行人检测模型从每个所述图像数据中检测得到行人轨迹，包括：

将所述图像数据输入至所述行人检测模型进行检测，得到基于像素坐标的行人轨迹；

将所述基于像素坐标系的行人轨迹进行坐标系转换，得到带有地理信息的基于世界坐标系的行人轨迹。

6.根据权利要求1所述的基于行人轨迹的积水检测方法，其特征在于，所述轨迹曲率熵特征包括对所述行人轨迹曲线的离散位置点，以熵描述运动方向的变化频繁程度；

所述运动主方向角特征包括对所述行人轨迹曲线上每个位置点的运动方向角；

所述运动路程与位移特征包括视频图像中，行人在预设帧数图像内位移大小和路程大小；

所述运动速度变化特征及坐标异常变化特征包括根据所述行人轨迹上每个位置点在横轴方向与纵轴方向上的二次差分信息、每个位置点在横轴方向与纵轴方向上的异常变化信息。

7.根据权利要求1所述的基于行人轨迹的积水检测方法，其特征在于，所述行人检测模型基于YOLOX检测网络和基于Deep-SORT目标追踪网络构建，所述异常轨迹检测模型基于随机森林算法构建。

8.一种基于行人轨迹的积水检测装置，其特征在于，所述装置包括：

行人轨迹检测模块，用于采集目标区域的多组图像数据，并利用预先训练好的行人检测模型从每个所述图像数据中检测得到行人轨迹；

构建模块，用于对每个所述行人轨迹分别进行特征工程，所述特征工程构建的特征包括：轨迹曲率熵特征、运动主方向角特征、运动路程与位移特征、运动速度变化特征及坐标异常变化特征；

轨迹异常检测模块，用于将每个所述行人轨迹对应的特征分别输入至预先训练好的异常轨迹检测模型进行检测，得到异常行人轨迹；

确认模块，用于根据所述异常行人轨迹的数量确认所述目标区域是否为积水区域。