[发明专利]一种非机动车与行人碰撞预警方法、电子设备及存储介质

权利要求书

1.一种非机动车与行人碰撞预警方法，其特征在于，包括以下步骤：

S1.获取场景数据，对场景数据进行处理；

S2.对非机动车与行人目标进行追踪，获得非机动车和行人运动轨迹数据；

S3.对检测区域进行网格化处理，建立非机动车运动轨迹预测模型和行人运动轨迹预测模型，具体包括以下步骤：

S31.对监控区域进行网格化处理，生成透视网格，每个网格大小相等，边长设置为场景下非机动车目标框的长边的最大值，通过采集n张非机动车目标图像计算得到；

S32.对每个网格赋予唯一ID用于标记；

S33.在监控区域任选一点为原点，建立二维坐标系,形成网格状监控区域；

S34.使用Scene-LSTM作为监控区域行人运动轨迹预测模型；

S35.建立非机动车运动轨迹预测模型，具体包括以下步骤：

S351.获取不少于1000条非机动车目标的轨迹，存储每一帧非机动车目标框底边的中点的坐标，作为轨迹坐标序列；

S352.对轨迹坐标序列进行聚类，对两段轨迹之间的距离进行度量；

S353.对于每个路径，将轨迹坐标序列转换为网格序列，以序列中每个轨迹点所处的网格编号代替坐标值，当连续多个轨迹点处于同一个网格内时，仅保留一项网格编号；

S354.定义隐状态集合，其中表示聚类得到的第类路径，观测状态集合，表示监控区域第个网格的编号；

S355.将S351所述轨迹坐标序列转换为网格序列，形成轨迹网格序列，根据轨迹在S352中所属的聚类附加标签，训练数据为如下形式：

；

S356.学习初始状态分布,其中：

；

其中，表示样本数量，表示样本中属于第j类主要路径的样本数量；

S357.学习状态转移矩阵,，表示在路径为时，由网格转移至网格的概率：

；

其中，表示样本中第k类路径从i网格转移至j网格的数量，对分子分母同时加1可以消除某类样本数量为0的影响；

S358.根据实时观测到的非机动车路径，找到可能性最大的路径：

；

上式为样本属于k类主要路径时，观测到网格序列为的概率，采用取对数的方式将乘法转为加法；

S359.取S358所述的可能性最大的路径中最大值的路径作为预测路径，即预测网格：

；

表示路径k的下一预测网格，不断向前迭代得到直达监控区域边界的网格序列；S4.将实时的非机动车与行人运动轨迹数据分别输入至非机动车运动轨迹预测模型和行人运动轨迹预测模型，输出预测非机动车运动轨迹和预测行人运动轨迹，判断非机动车和行人运动轨迹是否发生重合，若发生重合则做出碰撞预警。

2.根据权利要求1所述一种非机动车与行人碰撞预警方法，其特征在于，S1具体是，包括以下步骤：

S11.将摄像头和边缘计算网关的网络接口连接，边缘计算网关通过RTSP视频流地址的方式接入摄像头采集的实时视频流信息；

S12.将原始视频解码成统一RGB格式的单帧图片；

S13.对单帧图片 进行颜色空间的转换和图像滤波去噪处理。