[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

说明书

本发明公开了一种基于行人轨迹的积水检测方法、装置、设备及存储介质，其中方法包括：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组图像数据中检测得到行人轨迹；对每个行人轨迹分别进行特征工程，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；根据异常行人轨迹的数量确认目标区域是否为积水区域。本发明通过对图像进行行人轨迹检测，根据行人轨迹是否出现异常从而确认目标区域是否积水，实现了对易涝区域积水的快速检测，有效保障行人出行安全。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种基于行人轨迹的积水检测方法、装置、设备及存储介质。

背景技术

近年来，随着全球气候变化加剧，极端雷雨大风天气的增多及城市排水管网的排水能力与城市建设发展的需求不匹配等因素导致的城区内涝积水灾害逐年增加，对人民的生命财产安全及城市的可持续发展产生了极大的威胁。在内涝积水的检测方法上，大量国内外学者对其展开了深入研究。2014年，高建忠等为了减少恶劣天气事故的发生且充分有效地利用资源，研制了一种交通指示式道路积水监测装置。在非道路积水情况下，该装置可作为交通信号灯使用；当出现道路积水时，该装置的水位检测传感器可以实现水位检测和指示，为通过积水道路的人员和车辆提供安全指示。2016年，陆侃基于MPXV4006差压式传感器的建立道路积水检测系统，同时引入支持向量机对传感器进行建模，有效地去除了温度等干扰因子对检测模块的影响。2019年，张优提出并且设计了基于窄带物联网(NB-IOT)技术的道路湿滑状况检测系统，该系统在积水深度检测方面设计了基于CAV444的筒式雨天积水深度检测传感器和基于74HC165的积水面积检测传感器，积水面积检测传感器的设计又可以用来辅助检测积水深度以提高检测精度，同时采用径向基(RBF)算法对积水深度检测传感器进行优化，以提高传感器检测的准确性，降低检测误差。2021年，王和平等人提出了一种基于视觉的道路积水检测方法，该方法使用BiseNetv2网络实现积水的检测，通过对积水分布轮廓绘制积水分布最小矩形框，以获取精准的道路积水区域信息。2022年，张响亮等人基于内涝点积水深度资料和临近气象观测站小时降水量资料，设计滞后系数与堵塞系数的计算方法，采用机器学习中的岭回归方法建立内涝点积水深度预报方程，有效地实现了内涝点积水深度的预报。

基于上述方案可知，在易涝区积水检测方法上，前人的研究多基于外接传感器设备，该方法虽能较为有效地检测出积水深度，但由于传感器等外部设备大多需要专门的设计及后期的持续维修保养，因此有较高的人力物力等方面的需求。随着近年来机器学习及计算机视觉技术的快速进步，有效地降低了积水检测对传感器设备的依赖。基于机器学习的积水检测方法常依赖于用于模型学习的输入资料数据，因此需要与气象、城建等多部门建立良好高效的合作，以获得充分的数据支持，然而由于管网排水设备老旧及数据的保密性，用于模型学习的输入数据获取较为困难。基于视觉的积水检测方法虽然可以克服传感器设备及机器学习方法的缺陷，但是由于异常天气下，图像采集设备采集的图像、视频等数据易出现模糊、抖动等问题，而导致网络模型输入数据质量较差，检测精度不高。

发明内容

有鉴于此，本申请提供一种基于行人轨迹的积水检测方法、装置、设备及存储介质，以解决现有积水检测精度低的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种基于行人轨迹的积水检测方法，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组图像数据中检测得到行人轨迹；对每个行人轨迹分别进行特征工程，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；根据异常行人轨迹的数量确认目标区域是否为积水区域。

作为本申请的进一步改进，利用预先训练好的行人检测模型从每个组图像数据中检测得到行人轨迹之后，还包括：对行人轨迹进行预处理，得到轨迹压缩后的行人轨迹。