一種基于神經網絡的行人翻越交通護欄的檢測識別方法技術

本發明專利技術涉及數據識別技術領域，具體涉及一種基于神經網絡的行人翻越交通護欄的檢測識別方法，通過獲取待監測護欄段的各對拍攝圖像，對拍攝圖像進行數據識別，確定各個人體目標在其對應的各對目標拍攝圖像中的各個關節點及其向量串和鄰域關節點，結合各對目標拍攝圖像中的護欄區域信息，確定各個人體目標在其對應的各對目標拍攝圖像中的各個關節點的鄰域關節點的注意力權重，進而確定各個人體目標在其對應的各對目標拍攝圖像中的各個關節點的更新向量串，從而確定各個人體目標的片段向量，最終得到各個人體目標的動作識別結果。本發明專利技術基于待監測護欄段的各對拍攝圖像，并利用相應的數據識別技術，有效提高了行人翻越護欄檢測的準確性。檢測的準確性。檢測的準確性。

【技術實現步驟摘要】
一種基于神經網絡的行人翻越交通護欄的檢測識別方法


[0001]本專利技術涉及數據識別
，具體涉及一種基于神經網絡的行人翻越交通護欄的檢測識別方法。

技術介紹

[0002]行人翻越交通護欄是一種十分危險的行為，給行人的生命安全和交通安全帶來了巨大的隱患。然而，對這一行為的監管比較困難，尤其是高速公路上等難以監管的區域。因此，在交通公路上，對行人翻越交通護欄的違規行為進行檢測就顯得十分必要。
[0003]在現有的行人翻越交通護欄檢測中，主要分為人工檢測和圖像檢測兩大類。其中人工檢測是指對特定路段進行人工巡邏檢測，但是這種檢測方式需要花費較大人工成本，不能適用于所有的交通路段。隨著圖像數據識別技術的發展，圖像檢測逐漸成為行人翻越交通護欄檢測的側重手段。在現有的行人翻越交通護欄圖像檢測中，通常都是根據行人與護欄的位置關系，來判定行人是否在翻越護欄，這就導致容易導致檢測結果出現錯誤的情況。例如，當道路維護工人需要沿著護欄行走時，此時就會導致檢測結果發生錯誤。

技術實現思路

[0004]本專利技術的目的在于提供一種基于神經網絡的行人翻越交通護欄的檢測識別方法，用于解決現有的行人翻越交通護欄檢測準確性較差的問題。
[0005]為解決上述技術問題，本專利技術提供了一種基于神經網絡的行人翻越交通護欄的檢測識別方法，包括以下步驟：步驟S1：獲取待監測護欄段的當前各個設定時刻對應的各對拍攝圖像，所述拍攝圖像包括第一側拍攝圖像和第二側拍攝圖像；步驟S2：對各對拍攝圖像進行人體目標識別，若識別到人體目標，則確定各個同一人體目標對應的各對目標拍攝圖像，所述目標拍攝圖像包括目標第一側拍攝圖像和目標第二側拍攝圖像；步驟S3：對各對目標拍攝圖像中的對應人體目標的關節點進行識別，從而確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點、各個關節點的向量串和各個關節點的鄰域關節點；步驟S4：對各對目標拍攝圖像中的護欄進行識別，從而確定各對目標拍攝圖像中的護欄區域信息；步驟S5：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點和護欄區域信息，確定各個同一人體目標在其對應的各對目標拍攝圖像中的人體護欄距離值和腿部彎曲度；步驟S6：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的向量串、鄰域關節點的向量串、人體護欄距離值和腿部彎曲度，確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的鄰域關節點的注意力權重；
步驟S7：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的向量串以及鄰域關節點的注意力權重，確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的更新向量串，進而確定各個同一人體目標對應的片段向量；步驟S8：將各個同一人體目標對應的片段向量分別輸入到預先獲取的行人翻越交通護欄識別網絡中，從而得到各個同一人體目標的動作識別結果。
[0006]進一步的，從而確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點和各個關節點的向量串，包括：對各對目標拍攝圖像中的對應人體目標的關節點進行識別，從而得到各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點、各個關節點的特征向量和前后類別；根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的部位種類和前后類型，對各個關節點進行編碼，從而得到各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的部位編碼；根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的位置坐標、特征向量和部位編碼，構造各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的向量串。
[0007]進一步的，從而確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的鄰域關節點，還包括：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的位置坐標，構造各個同一人體目標在其對應的各對目標第一側拍攝圖像和目標第二側拍攝圖像中的骨架圖；根據各個同一人體目標在其對應的各對目標第一側拍攝圖像和目標第二側拍攝圖像中的骨架圖，確定各個同一人體目標在其對應的各對目標第一側拍攝圖像和目標第二側拍攝圖像中的每個關節點的與其相連接的關節點；確定各個同一人體目標在其對應的每幀目標第一側拍攝圖像中的每個關節點的鄰域關節點，所述鄰域關節點包括：該關節點的與其相連的關節點、該關節點所在的目標第一側拍攝圖像對應的目標第二側拍攝圖像中的同部位的關節點，該關節點所在的目標第一側拍攝圖像的相鄰目標第一側拍攝圖像中的同部位的關節點、該關節點所在的目標第一側拍攝圖像對應的目標第二側拍攝圖像的相鄰目標第二側拍攝圖像中的同部位的關節點；確定各個同一人體目標在其對應的每幀目標第二側拍攝圖像中的每個關節點的鄰域關節點，所述鄰域關節點包括：該關節點的與其相連的關節點、該關節點所在的目標第二側拍攝圖像對應的目標第一側拍攝圖像中的同部位的關節點，該關節點所在的目標第二側拍攝圖像的相鄰目標第二側拍攝圖像中的同部位的關節點、該關節點所在的目標第二側拍攝圖像對應的目標第一側拍攝圖像的相鄰目標第一側拍攝圖像中的同部位的關節點。
[0008]進一步的，各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點包括：鼻子關節點、脖子關節點、右肩膀關節點、右手肘關節點、右手手腕關節點、左肩膀關節點、左手肘關節點、左手手腕關節點、右胯關節點、右膝關節點、右腳關節點、左胯關節點、左膝關節點和左腳關節點。
[0009]進一步的，確定各個同一人體目標在其對應的各對目標拍攝圖像中的人體護欄距
離值和腿部彎曲度，包括：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點中的脖子關節點、右胯關節點、右膝關節點、左胯關節點和左膝關節點的位置坐標，確定各個同一人體目標在其對應的各對目標拍攝圖像中的右腿身體主干向量、左腿身體主干向量、右大腿向量和左大腿向量；根據各個同一人體目標在其對應的各對目標拍攝圖像中的右腿身體主干向量、左腿身體主干向量、右大腿向量和左大腿向量，確定各個同一人體目標在其對應的各對目標拍攝圖像中的右腿彎曲度和左腿彎曲度；根據各個同一人體目標在其對應的各對目標拍攝圖像中的右腿彎曲度和左腿彎曲度，確定各個同一人體目標在其對應的各對目標拍攝圖像中的腿部彎曲度。
[0010]進一步的，確定各個同一人體目標在其對應的各對目標拍攝圖像中的右腿彎曲度和左腿彎曲度對應的計算公式為：和左腿彎曲度對應的計算公式為：其中，為各個同一人體目標在其對應的各對目標拍攝圖像中的右腿彎曲度，為各個同一人體目標在其對應的各對目標拍攝圖像中的右腿身體主干向量，為各個同一人體目標在其對應的各對目標拍攝圖像中的右大腿向量，為和之間的夾角，為各個同一人體目標在其對應的各對目標拍攝圖像中的左腿彎曲度，為各個同一人體目標在其對應的各對目標拍攝圖像中的左腿身體主干向量，為各個同一人體目標在其對應的各對目標拍攝圖像中的左大腿向量，為和之間的夾角。
[0011]進一步的，確定各個同一人體目標在其對應的各對目標拍攝圖像中的人體護欄距離值和腿部彎曲度，還包括：根據各個同一人體目標在其對應的各對目標拍本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于神經網絡的行人翻越交通護欄的檢測識別方法，其特征在于，包括以下步驟：步驟S1：獲取待監測護欄段的當前各個設定時刻對應的各對拍攝圖像，所述拍攝圖像包括第一側拍攝圖像和第二側拍攝圖像；步驟S2：對各對拍攝圖像進行人體目標識別，若識別到人體目標，則確定各個同一人體目標對應的各對目標拍攝圖像，所述目標拍攝圖像包括目標第一側拍攝圖像和目標第二側拍攝圖像；步驟S3：對各對目標拍攝圖像中的對應人體目標的關節點進行識別，從而確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點、各個關節點的向量串和各個關節點的鄰域關節點；步驟S4：對各對目標拍攝圖像中的護欄進行識別，從而確定各對目標拍攝圖像中的護欄區域信息；步驟S5：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點和護欄區域信息，確定各個同一人體目標在其對應的各對目標拍攝圖像中的人體護欄距離值和腿部彎曲度；步驟S6：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的向量串、鄰域關節點的向量串、人體護欄距離值和腿部彎曲度，確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的鄰域關節點的注意力權重；步驟S7：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的向量串以及鄰域關節點的注意力權重，確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的更新向量串，進而確定各個同一人體目標對應的片段向量；步驟S8：將各個同一人體目標對應的片段向量分別輸入到預先獲取的行人翻越交通護欄識別網絡中，從而得到各個同一人體目標的動作識別結果。2.根據權利要求1所述的基于神經網絡的行人翻越交通護欄的檢測識別方法，其特征在于，從而確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點和各個關節點的向量串，包括：對各對目標拍攝圖像中的對應人體目標的關節點進行識別，從而得到各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點、各個關節點的特征向量和前后類別；根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的部位種類和前后類型，對各個關節點進行編碼，從而得到各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的部位編碼；根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的位置坐標、特征向量和部位編碼，構造各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的向量串。3.根據權利要求2所述的基于神經網絡的行人翻越交通護欄的檢測識別方法，其特征在于，從而確定各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的鄰域關節點，還包括：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點的位置坐標，構造各個同一人體目標在其對應的各對目標第一側拍攝圖像和目標第二側拍攝圖像中的骨
架圖；根據各個同一人體目標在其對應的各對目標第一側拍攝圖像和目標第二側拍攝圖像中的骨架圖，確定各個同一人體目標在其對應的各對目標第一側拍攝圖像和目標第二側拍攝圖像中的每個關節點的與其相連接的關節點；確定各個同一人體目標在其對應的每幀目標第一側拍攝圖像中的每個關節點的鄰域關節點，所述鄰域關節點包括：該關節點的與其相連的關節點、該關節點所在的目標第一側拍攝圖像對應的目標第二側拍攝圖像中的同部位的關節點，該關節點所在的目標第一側拍攝圖像的相鄰目標第一側拍攝圖像中的同部位的關節點、該關節點所在的目標第一側拍攝圖像對應的目標第二側拍攝圖像的相鄰目標第二側拍攝圖像中的同部位的關節點；確定各個同一人體目標在其對應的每幀目標第二側拍攝圖像中的每個關節點的鄰域關節點，所述鄰域關節點包括：該關節點的與其相連的關節點、該關節點所在的目標第二側拍攝圖像對應的目標第一側拍攝圖像中的同部位的關節點，該關節點所在的目標第二側拍攝圖像的相鄰目標第二側拍攝圖像中的同部位的關節點、該關節點所在的目標第二側拍攝圖像對應的目標第一側拍攝圖像的相鄰目標第一側拍攝圖像中的同部位的關節點。4.根據權利要求1所述的基于神經網絡的行人翻越交通護欄的檢測識別方法，其特征在于，各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點包括：鼻子關節點、脖子關節點、右肩膀關節點、右手肘關節點、右手手腕關節點、左肩膀關節點、左手肘關節點、左手手腕關節點、右胯關節點、右膝關節點、右腳關節點、左胯關節點、左膝關節點和左腳關節點。5.根據權利要求4所述的基于神經網絡的行人翻越交通護欄的檢測識別方法，其特征在于，確定各個同一人體目標在其對應的各對目標拍攝圖像中的人體護欄距離值和腿部彎曲度，包括：根據各個同一人體目標在其對應的各對目標拍攝圖像中的各個關節點中的脖子關節點、右胯關節點、右膝關節點、左胯關節點和左膝關節點的位置坐標，確定各個同一人體...

【專利技術屬性】
技術研發人員：劉景園，
申請(專利權)人：山東美特鋼材有限公司，
類型：發明
國別省市：