[发明专利]目标运动状态识别方法、装置、设备及介质

权利要求书

1.一种目标运动状态识别方法，其特征在于，所述方法包括：

获取不同场景下行人违反交通法规的图片；

对所述图片标注行人检测框、行人id和行人身体姿势朝向，并训练行人检测器、行人reid模型、行人朝向分类模型；

对于任意一组行人违反交通法规的图片，用所述行人检测器检测出每张图片中的行人，对检测出的每个行人的边框通过行人reid模型提取特征信息，并用行人朝向分类模型得到一个m维的总和为1的概率分布，取所述概率分布中打分最高的一维作为行人的边框朝向；

建立网络流的起点和终点，再依次按时间顺序对每张图的行人边框信息建立所述网络流的有向图的节点和边，所述边包括对应的权值；

根据所述有向图的节点数得出所述网络流的最大可能flow和最小可能flow，并根据所述最大可能flow和所述最小可能flow获得所述网络流的最优解；

根据所述网络流的最优解检测出的行人运动状态。

2.如权利要求1所述的目标运动状态识别方法，其特征在于，所述建立网络流的起点和终点，再依次按时间顺序对每张图的行人边框信息建立所述网络流的有向图的节点和边，所述边包括对应的权值具体包括以下步骤：

根据任一帧对应的图片的任意行人边框box_k，得到所述行人检测器的检测器打分score_k、所述行人reid模型提取的行人特征f_k和所述行人朝向分类模型检测的行人朝向r_k；

计算enter边和exit边的分数，根据box_k的位置和大小在原图里的相对比例和行人朝向r_k计算行人初入场概率p_enter和行人离场概率p_exit；

计算observation边的分数，根据固定误检概率p_f和检测器打分score_k优化误检边框概率p_ob；

计算transition边的分数，根据当前帧行人的当前帧特征f_k和当前帧的行人朝向r_k与行人后面帧的后面帧特征f_j和行人朝向r_j计算当前帧行人和后面帧行人属于同一个id的概率p_trans；

计算边的权值，根据行人初入场概率p_enter、行人离场概率p_exit、误检边框概率p_ob和当前帧行人和后面帧行人属于同一个id的概率p_trans计算有向图的enter边、exit边、observation边和transition边的权值。

3.如权利要求2所述的目标运动状态识别方法，其特征在于，所述计算enter边和exit边的分数具体包括：

根据box_k的位置和大小在原图里的相对比例和行人朝向r_k，基于靠边物体初入场概率比处于中间的物体大和背朝图边界的物体比面朝图边界的物体初入场的概率大，计算enter边的分数p_enter；

根据box_k的位置和大小在原图里的相对比例和行人朝向r_k，基于靠边物体离场概率比处于中间的物体大和面朝图边界的物体比背朝图边界的物体离场的概率大，计算exit边的分数p_exit。

4.如权利要求2所述的目标运动状态识别方法，其特征在于，所述计算observation边的分数包括根据固定误检概率p_f和所述检测器打分score_k计算observation边的分数。

5.如权利要求2所述的目标运动状态识别方法，其特征在于，所述计算transition边的分数具体包括：

根据box_k的位置和另一帧的行人边框box_j计算边框位移；

计算所述box_k和所述box_j的位置变化速度和尺寸变化速度；

根据所述位置变化速度和所述尺寸变化速度为transition边打分；

其中，位置变化速度的计算具体包括：

将所述边框位移尺寸归一化并除以所述box_k与所述box_j的帧间隔得到位置变化的速度；

尺寸变化速度的计算具体包括：

对所述box_k和所述box_j的面积之比开根号；

根据预设阈值归一化或置零后除以所述box_k与所述box_j的帧间隔得到尺寸变化速度。