本發(fā)明涉及目標(biāo)追蹤和目標(biāo)行為分析技術(shù)，更具體地，涉及一種智能行人意圖檢測(cè)方法和系統(tǒng)。

背景技術(shù)：

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(diǎn)亮。也有一些路口設(shè)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(zhuǎn)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(gè)人素質(zhì)。

那么，就存在如下問題：

1、高峰期和平時(shí)車流量不一樣，但紅綠燈的轉(zhuǎn)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(jìn)行紅綠燈轉(zhuǎn)換，會(huì)浪費(fèi)道路資源。

3、夜間過馬路時(shí)，看不到或不了解手工切換系統(tǒng)的人會(huì)一直等下去，或者不熟悉環(huán)境的路人會(huì)不會(huì)及時(shí)去按按鈕，造成行人不便。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中的問題，本發(fā)明提出一種行人意圖檢測(cè)方法，包括：

d1，設(shè)置距離傳感器來采集觀測(cè)區(qū)域內(nèi)的環(huán)境感知數(shù)據(jù)；

d2、將監(jiān)控區(qū)域劃分為多個(gè)子區(qū)域，分析各子區(qū)域中的目標(biāo)流動(dòng)性；

d3、通過子區(qū)域內(nèi)的流動(dòng)性分析，判定監(jiān)控區(qū)域內(nèi)目標(biāo)的行動(dòng)意圖。

本發(fā)明提出一種行人意圖檢測(cè)系統(tǒng)，包括處理器，所述處理器能夠運(yùn)行以實(shí)現(xiàn)：

d1，設(shè)置距離傳感器來采集觀測(cè)區(qū)域內(nèi)的環(huán)境感知數(shù)據(jù)；

d2、將監(jiān)控區(qū)域劃分為多個(gè)子區(qū)域，分析各子區(qū)域中的目標(biāo)流動(dòng)性；

d3、通過子區(qū)域內(nèi)的流動(dòng)性分析，判定監(jiān)控區(qū)域內(nèi)目標(biāo)的行動(dòng)意圖。

本發(fā)明提出了一種對(duì)行走目標(biāo)進(jìn)行軌跡追蹤并預(yù)判其行為意圖的方法。本發(fā)明能夠應(yīng)用于交通燈控制。在交叉路口安裝距離傳感器，采集行人和車輛數(shù)據(jù)，利用智能算法自動(dòng)調(diào)整信號(hào)燈，保證行人安全，車輛高效、有序通過。解決了以下問題：

自動(dòng)檢測(cè)：當(dāng)有行人需要通過時(shí)，以智能觸發(fā)的方式代替手動(dòng)按鈕；無行人通過需求時(shí)，不觸發(fā)或者長周期定時(shí)觸發(fā)。以上述方式，實(shí)現(xiàn)信號(hào)燈的智能調(diào)度，提升交通效率。

時(shí)段區(qū)分：區(qū)分早晚高峰、夜間時(shí)段，以不同模式運(yùn)行，最大程度優(yōu)化行人與機(jī)動(dòng)車在路口的交替通行；

統(tǒng)計(jì)計(jì)數(shù)：對(duì)于通過路口的行人計(jì)數(shù)，同時(shí)完成是否闖紅燈等行為數(shù)據(jù)的采集，為后續(xù)的群體性行為分析和趨勢(shì)性數(shù)據(jù)分析提供原始數(shù)據(jù)。

附圖說明

圖1為本發(fā)明的方法的一個(gè)實(shí)施方式的流程圖；

圖2為本發(fā)明的方法的另一個(gè)實(shí)施方式的流程圖。

具體實(shí)施方式

下面參照附圖描述本發(fā)明的實(shí)施方式，其中相同的部件用相同的附圖標(biāo)記表示。

第一實(shí)施方式

如圖1所示，本發(fā)明的一個(gè)實(shí)施方式的原理為：

在d1中，設(shè)置距離傳感器，采集觀測(cè)區(qū)域內(nèi)環(huán)境感知數(shù)據(jù)(即距離數(shù)據(jù))。

在d2中，將監(jiān)控區(qū)域劃分為多個(gè)子區(qū)域(如格點(diǎn))，分析各子區(qū)域中目標(biāo)的流動(dòng)性，所述流動(dòng)性包括：目標(biāo)勢(shì)場(chǎng)(或流量、密度)的變化趨勢(shì)。

更具體地，步驟d2包括：

d2-1、基于子區(qū)域(如格點(diǎn))上所采集的點(diǎn)云數(shù)據(jù)，計(jì)算子區(qū)域(如格點(diǎn))的勢(shì)場(chǎng)，例如密度圖、后驗(yàn)概率分布。

一種常見的方法是，類似于mean-shift方法中，使用核函數(shù)來計(jì)算(參見comaniciu,d.,&meer,p.(1999),distributionfreedecompositionofmultivariatedata.patternanalysis&applications,2(1),22-30)。

具體而言，一個(gè)距離傳感器所采集的時(shí)序數(shù)據(jù)一般可表示為：

其中為三維點(diǎn)的極坐標(biāo)表達(dá)，即r代表相應(yīng)的檢測(cè)距離，θ代表水平掃描角，代表垂直掃描角；n為一次掃描中所采集的總點(diǎn)數(shù)；t代表掃描的時(shí)序。

將三維點(diǎn)的極坐標(biāo)轉(zhuǎn)換為直角坐標(biāo)，并結(jié)合距離傳感器的姿態(tài)信息，變換至當(dāng)前的觀測(cè)區(qū)域坐標(biāo)中，記為

計(jì)算勢(shì)場(chǎng)(例如密度圖、后驗(yàn)概率分布)時(shí)，一種較為常見的方式是基于核函數(shù)來計(jì)算：

其中c為歸一化參數(shù)，函數(shù)k()為核函數(shù)，h為核大小，如高斯核函數(shù)：

對(duì)進(jìn)行柵格化操作(或其他的離散化運(yùn)算)，即可獲得對(duì)應(yīng)格點(diǎn)的勢(shì)場(chǎng)，表示為：

f(nx，ny)，nx＝1，2，...，nx，ny＝1，2，...，ny(4)

其中(nx,ny)為格點(diǎn)所對(duì)應(yīng)的索引值。

d2-2、在連續(xù)兩幀或多幀數(shù)據(jù)中，通過分析子區(qū)域(如格點(diǎn))中的變化來估計(jì)子區(qū)域(格點(diǎn))上勢(shì)場(chǎng)(或流量、密度)的變化量、方向等參數(shù)。

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(qū)域(格點(diǎn))中的變化量及方向，以矢量表示為：

在d3中，綜合各子區(qū)域的流動(dòng)性分析，判定區(qū)域內(nèi)是否有行動(dòng)意圖。更具體地，指定過街區(qū)域及方向，通過子區(qū)域(如格點(diǎn))上流動(dòng)性的分析(例如流動(dòng)方向與指定方向一致，且指向過街區(qū)域)，可實(shí)現(xiàn)目標(biāo)意圖的準(zhǔn)確判定。

進(jìn)而，在d4中，當(dāng)判定目標(biāo)有過街通行需求時(shí)，向信號(hào)燈控制機(jī)發(fā)送觸發(fā)信號(hào)。

第二實(shí)施方式

如圖2所示，本發(fā)明的第二實(shí)施方式是對(duì)第一實(shí)施方式的改進(jìn)。

在d1、在信號(hào)燈所在的路口部署多個(gè)距離傳感器，采集觀測(cè)區(qū)域內(nèi)環(huán)境感知數(shù)據(jù)(即距離數(shù)據(jù))。此與第一實(shí)施方式相同。

所述距離傳感器可以進(jìn)行線掃描、多線掃描和/或面掃描。一般推薦使用單線掃描激光距離傳感器，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(shè)置于固定位置，距離傳感器的掃描平面與地面平行。一般地，距離傳感器設(shè)置于距離地面20-80cm的高度，以能夠掃描到行人腿足部區(qū)域及自行車、電動(dòng)車的輪胎區(qū)域即可。

距離傳感器通過逐點(diǎn)掃描方式發(fā)射并接收非可見光光束，獲取每一幀的掃描數(shù)據(jù)。該掃描數(shù)據(jù)包括：被掃描物體(目標(biāo)類型)到傳感器的距離、每次的掃描方位角、掃描時(shí)間和掃描頻率。

一個(gè)距離傳感器所采集的時(shí)序數(shù)據(jù)一般可表示為：

其中為三維點(diǎn)的極坐標(biāo)表達(dá)，即r代表相應(yīng)的檢測(cè)距離，θ代表水平掃描角，代表垂直掃描角；n為一次掃描中所采集的總點(diǎn)數(shù)；t代表掃描的時(shí)序。

對(duì)于每個(gè)掃描角度上的時(shí)序數(shù)據(jù)，通過在時(shí)間上進(jìn)行直方圖分析，即可提取出背景信息，并用于判定相應(yīng)的前景數(shù)據(jù)(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(duì)采集的每幀激光點(diǎn)云數(shù)據(jù)提取前景數(shù)據(jù)。

d1-2、通過識(shí)別觀測(cè)現(xiàn)場(chǎng)的特定標(biāo)定物，結(jié)合匹配和標(biāo)定方法，獲得各距離傳感器的全局姿態(tài)信息，并結(jié)合d1-2中提取的前述前景數(shù)據(jù)，獲得融合后的全局二維多傳感器融合數(shù)據(jù)(參見“.shao,y.shi,h.zhao,x.li,r.shibasaki,“efficientclosed-loopmultiple-viewregistration”,ieeetransactionsonintelligenttransportationsystems,vol.15,no.6,pp.2524-2538,2014”)。融合后的點(diǎn)云數(shù)據(jù)記為

在d2中，將監(jiān)控區(qū)域劃分為多個(gè)子區(qū)域(如格點(diǎn))，分析各子區(qū)域中目標(biāo)的流動(dòng)性，所述流動(dòng)性包括：目標(biāo)勢(shì)場(chǎng)(或流量、密度)的變化趨勢(shì)。

更具體地，步驟d2包括：

d2-1、基于子區(qū)域(如格點(diǎn))上所采集的點(diǎn)云數(shù)據(jù)，計(jì)算子區(qū)域(如格點(diǎn))的勢(shì)場(chǎng)，例如密度圖、后驗(yàn)概率分布。

一種常見的方法是，類似于mean-shift方法中，使用核函數(shù)來計(jì)算(參見comaniciu,d.,&meer,p.(1999),distributionfreedecompositionofmultivariatedata.patternanalysis&applications,2(1),22-30)。

具體而言，一個(gè)距離傳感器所采集的時(shí)序數(shù)據(jù)一般可表示為：

其中為三維點(diǎn)的極坐標(biāo)表達(dá)，即r代表相應(yīng)的檢測(cè)距離，θ代表水平掃描角，代表垂直掃描角；n為一次掃描中所采集的總點(diǎn)數(shù)；t代表掃描的時(shí)序。

將三維點(diǎn)的極坐標(biāo)轉(zhuǎn)換為直角坐標(biāo)，并結(jié)合距離傳感器的姿態(tài)信息，變換至當(dāng)前的觀測(cè)區(qū)域坐標(biāo)中，記為

計(jì)算勢(shì)場(chǎng)(例如密度圖、后驗(yàn)概率分布)時(shí)，一種較為常見的方式是基于核函數(shù)來計(jì)算：

其中c為歸一化參數(shù)，函數(shù)k()為核函數(shù)，h為核大小，如高斯核函數(shù)：

對(duì)進(jìn)行柵格化操作(或其他的離散化運(yùn)算)，即可獲得對(duì)應(yīng)格點(diǎn)的勢(shì)場(chǎng)，表示為：

f(nx，ny)，nx＝1，2，...，nx，ny＝1，2，...，ny(4)

其中(nx,ny)為格點(diǎn)所對(duì)應(yīng)的索引值。

d2-2、在連續(xù)兩幀或多幀數(shù)據(jù)中，通過分析子區(qū)域(如格點(diǎn))中的變化來估計(jì)子區(qū)域(格點(diǎn))上勢(shì)場(chǎng)(或流量、密度)的變化量、方向等參數(shù)。

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(qū)域(格點(diǎn))中的變化量及方向，以矢量表示為：

在d3中，綜合各子區(qū)域的流動(dòng)性分析，判定區(qū)域內(nèi)是否有行動(dòng)意圖。更具體地，指定過街區(qū)域及方向，通過子區(qū)域(如格點(diǎn))上流動(dòng)性的分析(例如流動(dòng)方向與指定方向一致，且指向過街區(qū)域)，可實(shí)現(xiàn)目標(biāo)意圖的準(zhǔn)確判定。

進(jìn)而，在d4中，當(dāng)判定目標(biāo)有過街通行需求時(shí)，向信號(hào)燈控制機(jī)發(fā)送觸發(fā)信號(hào)。

第三實(shí)施方式

根據(jù)本發(fā)明的另一方面，提出一種智能行人識(shí)別方系統(tǒng)，包括：一個(gè)或多個(gè)距離傳感器，布置在信號(hào)燈所在的路口，用于采集目標(biāo)形態(tài)數(shù)據(jù)。

本發(fā)明的系統(tǒng)還包括處理器。

所述處理器能夠被配置為執(zhí)行第一實(shí)施方式中描述的步驟。

根據(jù)本發(fā)明的另一方面，提出一種計(jì)算機(jī)可讀載體，所述載體記載有計(jì)算機(jī)課運(yùn)行程序，所述程序被執(zhí)行時(shí)，能夠?qū)崿F(xiàn)第一實(shí)施方式中描述的步驟。

本發(fā)明的智能行人識(shí)別方法和系統(tǒng)可以對(duì)行人、車輛進(jìn)行智能識(shí)別，除了可以應(yīng)用在交通信號(hào)燈的控制上，還可以應(yīng)用在以下場(chǎng)景：

1、學(xué)校、幼兒園、政府機(jī)構(gòu)等周界入侵預(yù)警。

2、對(duì)人群聚集、人群行為異常、翻墻、個(gè)體行為異常等，實(shí)現(xiàn)實(shí)時(shí)偵測(cè)、預(yù)警。

3、交通樞紐、公共場(chǎng)所群體性事件和異常事件預(yù)警。

4、實(shí)時(shí)掌握乘客的分布、區(qū)域密度、行動(dòng)速度，規(guī)劃應(yīng)急疏導(dǎo)的科學(xué)化路徑，與廣播系統(tǒng)聯(lián)動(dòng)的越界告警、非法闖入告警、聚集告警。

本發(fā)明已在某路口進(jìn)行實(shí)測(cè)，可實(shí)時(shí)檢測(cè)行人過街需求。有通行需求時(shí)的檢測(cè)率不低于95％，無通行需求時(shí)的誤報(bào)率低于5％。

以上所述的實(shí)施例，只是本發(fā)明較優(yōu)選的具體實(shí)施方式，本領(lǐng)域的技術(shù)人員在本發(fā)明技術(shù)方案范圍內(nèi)進(jìn)行的通常變化和替換都應(yīng)包含在本發(fā)明的保護(hù)范圍內(nèi)。