[发明专利]一种行人避让系统和行人监测方法

权利要求书

1.一种行人避让系统，其特征在于，包括：监测端和边缘云端；

所述监测端设置在路口一侧，所述监测端用于拍摄对应监测范围内的路面图像，并利用内部的轻量级神经网络识别所述路面图像中是否有行人，当所述路面图像中有行人时，将所述路面图像发送给所述边缘云端；

所述边缘云端用于将所述路面图像输入内部的高精度神经网络，得到所述路面图像中所述行人的位置信息，根据所述位置信息计算得到所述行人与路口交界点的距离，利用所述距离生成避让警示信息，并将所述避让警示信息发送给预定范围内的车辆，所述预定范围是以所述路口交界点为中心的一个区域范围。

2.根据权利要求1所述的行人避让系统，其特征在于，所述监测端为MCU。

3.根据权利要求1所述的行人避让系统，其特征在于，所述轻量级神经网络构建在Tensorflow Lite Micro框架内。

4.根据权利要求1所述的行人避让系统，其特征在于，所述轻量级神经网络包括MobileNet、SqueezeNet、ShuffleNet和Xception。

5.根据权利要求1所述的行人避让系统，其特征在于，所述利用内部的轻量级神经网络识别所述路面图像中是否有行人，包括：

利用所述轻量级神经网络获得所述路面图像中含有行人的第一置信度和不含有行人的第二置信度；

计算所述第一置信度与所述第二置信度的差值；

判断所述差值是否大于等于预先设定的阈值，如果是，则判定所述路面图像中有行人。

6.根据权利要求1所述的行人避让系统，其特征在于，所述高精度神经网络包括YOLO神经网络、ResNet、GoogleNet和SENet。

7.根据权利要求6所述的行人避让系统，其特征在于，所述高精度神经网络为YOLO神经网络；

所述将所述路面图像输入内部的高精度神经网络，得到所述路面图像中所述行人的位置信息，包括：

将所述路面图像输入预先训练得到的YOLO神经网络中，利用主干网络进行特征提取，得到x个不同尺度的特征图；x为大于等于4的自然数；

将所述x个不同尺度的特征图利用FPN网络进行特征融合，得到各尺度对应的预测结果；

将所有预测结果经由非极大值抑制模块进行处理，得到所述路面图像中所述行人的位置信息；

其中，所述YOLO神经网络包括顺次连接的主干网络、FPN网络和非极大值抑制模块；所述YOLO神经网络是根据样本路面图像，以及所述样本路面图像中所述行人的位置信息训练得到的。

8.根据权利要求1或7所述的行人避让系统，其特征在于，所述位置信息为所述路面图像中包含所述行人的边界框的像素坐标。

9.根据权利要求8所述的行人避让系统，其特征在于，所述根据所述位置信息计算得到所述行人与路口交界点的距离，包括：

利用包含所述行人的边界框的像素坐标，以及单目视觉定位测距技术，确定所述行人在世界坐标系中对应的第一实际坐标；

获取所述路口交界点在世界坐标系中的第二实际坐标；

将所述第一实际坐标和所述第二实际坐标的距离确定为所述行人与所述路口交界点的距离。

10.一种行人监测方法，应用于路口一侧的监测端，其特征在于，包括：

拍摄对应监测范围内的路面图像；

利用内部的轻量级神经网络识别所述路面图像中是否有行人；

当所述路面图像中有行人时，将所述路面图像发送给边缘云端。