【技術實現步驟摘要】
本專利技術涉及圖像識別，特別是一種自動扶梯乘客異常行為檢測方法。
技術介紹
1、隨著社會經濟發展，自動扶梯應用越來越普及。商場、地鐵站、機場等公共場所普遍都有自動扶梯。由于人員密集、流動性大，自動扶梯的安全事故偶有發生。基于視頻識別的乘客異常行為檢測設備開始應用于自動扶梯領域，通常乘客的異常行為檢測包含蹲坐、摔倒、頭手伸出、逆行、擁堵、滯留、攜帶大件物品等。
2、cn117557949a一種基于圖像識別邊緣計算的自動扶梯安全裝置分三段式對自動扶梯安全事件進行預先防護：第一段，識別乘客所穿鞋子是否為洞洞鞋、高跟鞋等比較容易引起夾腳事故的鞋型；第二段，通過對視頻碼流的解析對安全黃線區域劃定警戒區域，識別乘客腳部是否越過安全黃線；第三段，通過對視頻碼流的解析對梯面乘客腿部姿態進行ai深度學習，并識別乘客是否有發生跌倒的狀況。其問題在于，首先，很多真實的摔倒事件在發生之前并沒有明顯的特征，所穿鞋子的類型以及腳部超過安全黃線也許是導致摔倒的原因之一，但不是所有原因，其預警的效果有待實踐檢驗，再次，其第三段中識別跌倒的特征采用的是腿部進行判斷，本專利與之不同。
3、cn117746311?a一種基于圖像跟蹤和深度學習的乘客手扶梯危險行為識別方法采用了兩個姿態檢測模型以及光流算法、目標跟蹤，需要每一幀都檢測，并需要對兩個姿態檢測模型的結果進行融合，算力資源消耗大，不適用于小型邊緣ai設備使用。
技術實現思路
1、本專利技術的目的是為了解決上述問題，設計了一種自動扶梯乘客異
2、為實現上述目的本專利技術的技術方案，進一步，在上述一種自動扶梯乘客異常行為檢測方法中，該乘客異常行為檢測方法包括以下步驟：
3、獲取電梯乘客圖像數據，所述電梯乘客圖像數據至少包括蹲坐、摔倒、頭部伸出、手部伸出圖片；
4、對所述電梯乘客圖像數據進行標注，所述標注至少包括姿態類別、人體框和人體關鍵點位置，得到標注圖像數據；
5、利用人體姿態檢測算法和所述標注圖像數據訓練模型，得到姿態檢測模型；
6、通過圖像傳感器獲取扶梯樓層板和梯級位置，得到第一目標列表，所述第一目標列表至少包括人體框位置、人體姿態類別和人體關鍵點位置；
7、遍歷所述第一目標列表，對關鍵點相對位置或角度進行邏輯判斷，得到第二目標列表；
8、對所述第二目標列表進行多目標跟蹤，記錄目標出現的時間、i?d和姿態類別，得到跟蹤列表；
9、遍歷所述跟蹤列表，當目標事件出現的時間超過設定值時，判定為事件發生。
10、進一步，在上述一種自動扶梯乘客異常行為檢測方法中，所述通過圖像傳感器獲取扶梯樓層板和梯級位置，得到第一目標列表，所述第一目標列表至少包括人體框位置、人體姿態類別和人體關鍵點位置，包括：
11、通過圖像傳感器獲取扶梯樓層板和梯級位置，檢測設備讀取攝像頭的視頻流，得到視頻流圖像數據；
12、按照設定的時間間隔讀取所述視頻流圖像數據，并將所述視頻流圖像數據解碼成圖片，得到圖片數據；
13、利用姿態檢測模型對所述圖片數據進行推理，推理的輸出包括置信度、姿態類別、人體框位置和人體關鍵點位置；
14、所述人體關鍵點位置至少包括頭部中心點、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左手、右手、左臀、右臀、左膝、右膝、左腳、右腳；
15、置信度大于閾值且在設定的樓層板和梯級區域內的目標為有效目標，得到目標列表。
16、進一步，在上述一種自動扶梯乘客異常行為檢測方法中，所述遍歷所述第一目標列表，對關鍵點相對位置或角度進行邏輯判斷，得到第二目標列表，包括：
17、遍歷所述第一目標列表，對所述第一目標列表中的關鍵點相對位置或角度進行邏輯判斷；
18、當姿態類別為蹲坐時需滿足人體的膝蓋關鍵點位置高于臀部關鍵點位置；
19、當姿態類別為摔倒時需滿足腳部關鍵點高于臀部關鍵點或頭部關鍵點低于肩部關鍵點；
20、當姿態為頭部伸出時需滿足頭部關鍵點與人體框中線的夾角大于設定角度；
21、當姿態為手部伸出時需滿足手部與人體框中心線距離大于設定值，保留目標，否則刪除該目標，得到第二目標列表。
22、進一步，在上述一種自動扶梯乘客異常行為檢測方法中，所述對所述第二目標列表進行多目標跟蹤，記錄目標出現的時間、i?d和姿態類別，得到跟蹤列表，包括：
23、對所述第二目標列表進行多目標跟蹤，記錄目標出現的時間、i?d、姿態類別；
24、在設定的幀間隔n中未檢測到的目標則從跟蹤列表中刪除；
25、此處設定刪除跟蹤目標的幀間隔作用是使事件檢測的靈敏度可以調節；
26、當設定1幀未檢出時即刪除列表中的目標，如果該目標框未被連續檢出，則刪除，則此時事件檢測的靈敏度較低；
27、反之設定的幀間隔數較大時，則允許系統在幀間隔-1幀未檢出該目標時仍認為該目標持續存在，事件檢測的靈敏度較高，得到跟蹤列表。
28、進一步，在上述一種自動扶梯乘客異常行為檢測方法中，所述遍歷所述跟蹤列表，當目標事件出現的時間超過設定值時，判定為事件發生，包括：
29、遍歷所述跟蹤列表，當目標事件出現的時間超過設定值時，判定為事件發生；
30、所述目標事件至少包括蹲坐、摔倒、頭部伸出、手部伸出；所述設定值用于度量事件發生的持續時間；
31、當所述跟蹤列表為空時，則表明當前沒有事件發生，如果遠程降速標志為1，發送恢復速度命令給扶梯；
32、根據所述事件發生判定事件為蹲坐、手部伸出時，設置預警等級為一般，當事件為摔倒或頭部伸出時，設置預警等級為嚴重。
33、進一步，在上述一種自動扶梯乘客異常行為檢測方法中，所述根據事件發生判定事件為蹲坐、手部伸出時，設置預警等級為一般，當事件為摔倒或頭部伸出時，設置預警等級為嚴重，包括：
34、若判定事件為蹲坐、手部伸出時，設置預警等級為一般；當事件為摔倒或頭部伸出時，設置預警等級為嚴重；
35、將預警等級為嚴重發送給聲光預警模塊，播報語音預警提醒乘客，同時生成警報記錄并上傳到平臺；
36、管理人員在平臺實時查看事件圖片及事件視頻，人工檢查確認后在平臺界面遠程操作扶梯緊急停止、緩慢停止、降速、恢復速度；
37、當事件預警為嚴重時，發送降速命令給扶梯，降低扶梯運行速度，設置遠程降速標志為1。
38、進一步，實現一種自動扶梯乘客異常行為檢測方法的系統，其特征在于，所述系統包括以下模塊：
39、數據獲取模塊，用于獲取電梯乘客圖像數據，所述電梯乘客圖像數據至少包括蹲坐、摔倒、頭部伸出、手部伸出圖片；
40、圖像標注模塊，用于對所述電梯乘客圖像數據進行標注，所述標注至少包括姿態類別、人體框和人體關鍵點位置，得到標注圖像數據；
41、模型訓練模塊，用本文檔來自技高網...
【技術保護點】
1.一種自動扶梯乘客異常行為檢測方法，其特征在于，所述乘客異常行為檢測方法包括以下步驟：
2.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述通過圖像傳感器獲取扶梯樓層板和梯級位置，得到第一目標列表，所述第一目標列表至少包括人體框位置、人體姿態類別和人體關鍵點位置，包括：
3.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述遍歷所述第一目標列表，對關鍵點相對位置或角度進行邏輯判斷，得到第二目標列表，包括：
4.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述對所述第二目標列表進行多目標跟蹤，記錄目標出現的時間、id和姿態類別，得到跟蹤列表，包括：
5.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述遍歷所述跟蹤列表，當目標事件出現的時間超過設定值時，判定為事件發生，包括：
6.如權利要求5所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述根據事件發生判定事件為蹲坐、手部伸出時，設置預警等級為一般，當事件為摔倒或頭部伸出時，設置預警等級為
7.實現如權利要求1所述一種自動扶梯乘客異常行為檢測方法的系統，其特征在于，所述系統包括以下模塊：
8.實現如權利要求1所述一種自動扶梯乘客異常行為檢測方法的系統，其特征在于，所述系統包括以下子模塊：
9.實現如權利要求1所述一種自動扶梯乘客異常行為檢測方法的系統，其特征在于，所述系統包括以下子模塊：
...【技術特征摘要】
1.一種自動扶梯乘客異常行為檢測方法，其特征在于，所述乘客異常行為檢測方法包括以下步驟：
2.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述通過圖像傳感器獲取扶梯樓層板和梯級位置，得到第一目標列表，所述第一目標列表至少包括人體框位置、人體姿態類別和人體關鍵點位置，包括：
3.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述遍歷所述第一目標列表，對關鍵點相對位置或角度進行邏輯判斷，得到第二目標列表，包括：
4.如權利要求1所述的一種自動扶梯乘客異常行為檢測方法，其特征在于，所述對所述第二目標列表進行多目標跟蹤，記錄目標出現的時間、id和姿態類別，得到跟蹤列表，包括：
5.如權利要...
【專利技術屬性】
技術研發人員：劉苑洪，陳彥明，涂海勝，黃金福，劉輝，
申請(專利權)人：日立樓宇技術廣州有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。