一種行人意圖檢測方法和系統與流程
2023-10-05 12:34:04 1
本發明涉及目標追蹤和目標行為分析技術，更具體地，涉及一種智能行人意圖檢測方法和系統。
背景技術：
在行人通行的路口，一般使用紅綠燈做交通控制，紅綠燈以固定的頻率交替點亮。也有一些路口設置了行人過馬路按鈕，可以手工開啟綠燈通行。另外在一些較大的路口，都有右轉專用車道，這些車道是沒有紅綠燈，行人通行完全是靠車主的個人素質。
那麼，就存在如下問題：
1、高峰期和平時車流量不一樣，但紅綠燈的轉換頻率一致，造成道路資源利用不合理。
2、如果沒有行人需要過馬路，如果還進行紅綠燈轉換，會浪費道路資源。
3、夜間過馬路時，看不到或不了解手工切換系統的人會一直等下去，或者不熟悉環境的路人會不會及時去按按鈕，造成行人不便。
技術實現要素：
針對現有技術中的問題，本發明提出一種行人意圖檢測方法，包括：
d1，設置距離傳感器來採集觀測區域內的環境感知數據；
d2、將監控區域劃分為多個子區域，分析各子區域中的目標流動性；
d3、通過子區域內的流動性分析，判定監控區域內目標的行動意圖。
本發明提出一種行人意圖檢測系統，包括處理器，所述處理器能夠運行以實現：
d1，設置距離傳感器來採集觀測區域內的環境感知數據；
d2、將監控區域劃分為多個子區域，分析各子區域中的目標流動性；
d3、通過子區域內的流動性分析，判定監控區域內目標的行動意圖。
本發明提出了一種對行走目標進行軌跡追蹤並預判其行為意圖的方法。本發明能夠應用於交通燈控制。在交叉路口安裝距離傳感器，採集行人和車輛數據，利用智能算法自動調整信號燈，保證行人安全，車輛高效、有序通過。解決了以下問題：
自動檢測：當有行人需要通過時，以智能觸發的方式代替手動按鈕；無行人通過需求時，不觸發或者長周期定時觸發。以上述方式，實現信號燈的智能調度，提升交通效率。
時段區分：區分早晚高峰、夜間時段，以不同模式運行，最大程度優化行人與機動車在路口的交替通行；
統計計數：對於通過路口的行人計數，同時完成是否闖紅燈等行為數據的採集，為後續的群體性行為分析和趨勢性數據分析提供原始數據。
附圖說明
圖1為本發明的方法的一個實施方式的流程圖；
圖2為本發明的方法的另一個實施方式的流程圖。
具體實施方式
下面參照附圖描述本發明的實施方式，其中相同的部件用相同的附圖標記表示。
第一實施方式
如圖1所示，本發明的一個實施方式的原理為：
在d1中，設置距離傳感器，採集觀測區域內環境感知數據(即距離數據)。
在d2中，將監控區域劃分為多個子區域(如格點)，分析各子區域中目標的流動性，所述流動性包括：目標勢場(或流量、密度)的變化趨勢。
更具體地，步驟d2包括：
d2-1、基於子區域(如格點)上所採集的點雲數據，計算子區域(如格點)的勢場，例如密度圖、後驗概率分布。
一種常見的方法是，類似於mean-shift方法中，使用核函數來計算(參見comaniciu,d.,&meer,p.(1999),distributionfreedecompositionofmultivariatedata.patternanalysis&applications,2(1),22-30)。
具體而言，一個距離傳感器所採集的時序數據一般可表示為：
其中為三維點的極坐標表達，即r代表相應的檢測距離，θ代表水平掃描角，代表垂直掃描角；n為一次掃描中所採集的總點數；t代表掃描的時序。
將三維點的極坐標轉換為直角坐標，並結合距離傳感器的姿態信息，變換至當前的觀測區域坐標中，記為
計算勢場(例如密度圖、後驗概率分布)時，一種較為常見的方式是基於核函數來計算：
其中c為歸一化參數，函數k為核函數，h為核大小，如高斯核函數：
對進行柵格化操作(或其他的離散化運算)，即可獲得對應格點的勢場，表示為：
f(nx，ny)，nx＝1，2，...，nx，ny＝1，2，...，ny(4)
其中(nx,ny)為格點所對應的索引值。
d2-2、在連續兩幀或多幀數據中，通過分析子區域(如格點)中的變化來估計子區域(格點)上勢場(或流量、密度)的變化量、方向等參數。
可以用lucas-kanade方法來估算(參見barron,j.l.,fleet,d.j.,beauchemin,s.s.,&burkitt,t.a.(1992).performanceofopticalflowtechniques.ieeecomputersocietyconferenceoncomputervisionandpatternrecognition(pp.236-242))。還可以用流體分析的方法來估算(參見[hughes,r.l.(2002).acontinuumtheoryfortheflowofpedestrians.transportationresearchpartb:methodological,36(6),507-535.]；[huang,l.,wong,s.c.,zhang,m.,shu,c.w.,&lam,w.h.(2009).revisitinghughes』dynamiccontinuummodelforpedestrianflowandthedevelopmentofanefficientsolutionalgorithm.transportationresearchpartb:methodological,43(1),127-141.]).
通過以上方法，可估算出子區域(格點)中的變化量及方向，以矢量表示為：
在d3中，綜合各子區域的流動性分析，判定區域內是否有行動意圖。更具體地，指定過街區域及方向，通過子區域(如格點)上流動性的分析(例如流動方向與指定方向一致，且指向過街區域)，可實現目標意圖的準確判定。
進而，在d4中，當判定目標有過街通行需求時，向信號燈控制機發送觸發信號。
第二實施方式
如圖2所示，本發明的第二實施方式是對第一實施方式的改進。
在d1、在信號燈所在的路口部署多個距離傳感器，採集觀測區域內環境感知數據(即距離數據)。此與第一實施方式相同。
所述距離傳感器可以進行線掃描、多線掃描和/或面掃描。一般推薦使用單線掃描雷射距離傳感器，亦可使用多線掃描距離傳感器、面掃描距離傳感器。所述距離傳感器設置於固定位置，距離傳感器的掃描平面與地面平行。一般地，距離傳感器設置於距離地面20-80cm的高度，以能夠掃描到行人腿足部區域及自行車、電動車的輪胎區域即可。
距離傳感器通過逐點掃描方式發射並接收非可見光光束，獲取每一幀的掃描數據。該掃描數據包括：被掃描物體(目標類型)到傳感器的距離、每次的掃描方位角、掃描時間和掃描頻率。
一個距離傳感器所採集的時序數據一般可表示為：
其中為三維點的極坐標表達，即r代表相應的檢測距離，θ代表水平掃描角，代表垂直掃描角；n為一次掃描中所採集的總點數；t代表掃描的時序。
對於每個掃描角度上的時序數據，通過在時間上進行直方圖分析，即可提取出背景信息，並用於判定相應的前景數據(參見「h.zhaoandr.shibasaki,「anovelsystemfortrackingpedestriansusingmultiplesingle-rowlaserrangescanners,」ieeetransactionsonsystems,manandcybernetics,parta,vol.35,pp.283-291,2005.」)。
所述步驟d1還包括：
d1-1、對採集的每幀雷射點雲數據提取前景數據。
d1-2、通過識別觀測現場的特定標定物，結合匹配和標定方法，獲得各距離傳感器的全局姿態信息，並結合d1-2中提取的前述前景數據，獲得融合後的全局二維多傳感器融合數據(參見「.shao,y.shi,h.zhao,x.li,r.shibasaki,「efficientclosed-loopmultiple-viewregistration」,ieeetransactionsonintelligenttransportationsystems,vol.15,no.6,pp.2524-2538,2014」)。融合後的點雲數據記為
在d2中，將監控區域劃分為多個子區域(如格點)，分析各子區域中目標的流動性，所述流動性包括：目標勢場(或流量、密度)的變化趨勢。
更具體地，步驟d2包括：
d2-1、基於子區域(如格點)上所採集的點雲數據，計算子區域(如格點)的勢場，例如密度圖、後驗概率分布。
一種常見的方法是，類似於mean-shift方法中，使用核函數來計算(參見comaniciu,d.,&meer,p.(1999),distributionfreedecompositionofmultivariatedata.patternanalysis&applications,2(1),22-30)。
具體而言，一個距離傳感器所採集的時序數據一般可表示為：
其中為三維點的極坐標表達，即r代表相應的檢測距離，θ代表水平掃描角，代表垂直掃描角；n為一次掃描中所採集的總點數；t代表掃描的時序。
將三維點的極坐標轉換為直角坐標，並結合距離傳感器的姿態信息，變換至當前的觀測區域坐標中，記為
計算勢場(例如密度圖、後驗概率分布)時，一種較為常見的方式是基於核函數來計算：
其中c為歸一化參數，函數k為核函數，h為核大小，如高斯核函數：
對進行柵格化操作(或其他的離散化運算)，即可獲得對應格點的勢場，表示為：
f(nx，ny)，nx＝1，2，...，nx，ny＝1，2，...，ny(4)
其中(nx,ny)為格點所對應的索引值。
d2-2、在連續兩幀或多幀數據中，通過分析子區域(如格點)中的變化來估計子區域(格點)上勢場(或流量、密度)的變化量、方向等參數。
可以用lucas-kanade方法來估算(參見barron,j.l.,fleet,d.j.,beauchemin,s.s.,&burkitt,t.a.(1992).performanceofopticalflowtechniques.ieeecomputersocietyconferenceoncomputervisionandpatternrecognition(pp.236-242))。還可以用流體分析的方法來估算(參見[hughes,r.l.(2002).acontinuumtheoryfortheflowofpedestrians.transportationresearchpartb:methodological,36(6),507-535.]；[huang,l.,wong,s.c.,zhang,m.,shu,c.w.,&lam,w.h.(2009).revisitinghughes』dynamiccontinuummodelforpedestrianflowandthedevelopmentofanefficientsolutionalgorithm.transportationresearchpartb:methodological,43(1),127-141.]).
通過以上方法，可估算出子區域(格點)中的變化量及方向，以矢量表示為：
在d3中，綜合各子區域的流動性分析，判定區域內是否有行動意圖。更具體地，指定過街區域及方向，通過子區域(如格點)上流動性的分析(例如流動方向與指定方向一致，且指向過街區域)，可實現目標意圖的準確判定。
進而，在d4中，當判定目標有過街通行需求時，向信號燈控制機發送觸發信號。
第三實施方式
根據本發明的另一方面，提出一種智能行人識別方系統，包括：一個或多個距離傳感器，布置在信號燈所在的路口，用於採集目標形態數據。
本發明的系統還包括處理器。
所述處理器能夠被配置為執行第一實施方式中描述的步驟。
根據本發明的另一方面，提出一種計算機可讀載體，所述載體記載有計算機課運行程序，所述程序被執行時，能夠實現第一實施方式中描述的步驟。
本發明的智能行人識別方法和系統可以對行人、車輛進行智能識別，除了可以應用在交通信號燈的控制上，還可以應用在以下場景：
1、學校、幼兒園、政府機構等周界入侵預警。
2、對人群聚集、人群行為異常、翻牆、個體行為異常等，實現實時偵測、預警。
3、交通樞紐、公共場所群體性事件和異常事件預警。
4、實時掌握乘客的分布、區域密度、行動速度，規劃應急疏導的科學化路徑，與廣播系統聯動的越界告警、非法闖入告警、聚集告警。
本發明已在某路口進行實測，可實時檢測行人過街需求。有通行需求時的檢測率不低於95％，無通行需求時的誤報率低於5％。
以上所述的實施例，只是本發明較優選的具體實施方式，本領域的技術人員在本發明技術方案範圍內進行的通常變化和替換都應包含在本發明的保護範圍內。