申请/专利权人:华东交通大学
申请日:2023-08-30
公开(公告)日:2023-11-28
公开(公告)号:CN117133053A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/80;G06V10/44;G06V10/82;G06V10/764;G06V10/25;G06V10/74;G06N3/0464;G06N3/048;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.15#实质审查的生效;2023.11.28#公开
摘要:一种基于机器视觉的高铁客站场景下行人多特征跌倒检测方法,包括S1,通过巡检机器人的单目摄像头对高铁客站行人行为进行数据采集,并将其作为训练图像集;S2,将所述步骤S1的训练图像集中的图像输入构造的轻量级目标检测与人体姿态融合网络中,得到人体目标融合位置框、人体二维骨骼关键点,以及根据人体骨骼关键点连接而成的人体骨骼图三种人体关键信息;所述目标检测与人体姿态融合网络为轻量级YOLOv5算法与轻量级OpenPose算法融合网络;S3,将所述步骤S2的人体目标融合位置框、人体二维骨骼关键点、以及人体骨骼图,通过人体多特征跌倒检测网络进行跌倒检测。本发明方法提高了检测的可靠性和准确性。
主权项:1.一种基于机器视觉的高铁客站场景下行人多特征跌倒检测方法,其特征在于,包括以下步骤:步骤S1,通过巡检机器人的单目摄像头对高铁客站行人行为进行数据采集,并将其作为训练图像集;步骤S2,将所述步骤S1的训练图像集中的图像输入构造的轻量级目标检测与人体姿态融合网络中,得到人体目标融合位置框、人体二维骨骼关键点,以及根据人体骨骼关键点连接而成的人体骨骼图三种人体关键信息;所述目标检测与人体姿态融合网络为轻量级YOLOv5算法与轻量级OpenPose算法融合网络;步骤S3,将所述步骤S2的人体目标融合位置框、人体二维骨骼关键点、以及人体骨骼图,通过人体多特征跌倒检测网络进行跌倒检测;所述人体多特征跌倒检测网络的跌倒判别方法为基于目标检测的跌倒检测方法、基于姿态估计的关键点跌倒检测方法以及基于姿态估计的动作分类跌倒检测方法。步骤S4,所述步骤S3的人体多特征跌倒检测网络对高铁客站行人的跌倒检测结果进行决策级加权融合,根据加权结果判断行人是否发生了跌倒。
全文数据:
权利要求:
百度查询: 华东交通大学 基于机器视觉的高铁客站场景下行人多特征跌倒检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。