[发明专利]基于HMM算法的行人过马路的预测方法和系统

说明书

本发明公开了基于HMM算法的行人过马路的预测方法和系统，所述方法包括：接收采集装置采集的当前数据；根据所述当前数据和预先存储的历史数据基于HMM算法建立深度学习模型；通过所述深度学习模型判断出前方有行人过马路；输出控制信号至扬声器；扬声器根据所述控制信号发出警报，以警示驾驶员，这样不仅能检测出车辆周围有行人，同时还能预测行人是否会过马路。此外，在建立深度学习模型的过程中，应用了道路数据，通过加入道路信息对行人是否过马路的判断，使得预测结果更加的准确。

技术领域

本发明涉及数据预测技术领域，具体涉及基于HMM算法的行人过马路的预测方法和系统。

背景技术

行人检测技术是判断图像或者视频序列中是否存在行人并给予精确定位。现有行人检测最常用的方法是基于统计学习的方法，即根据大量的样本构建行人检测分类器。样本提取的特征主要包括提取目标的灰度值、边框轮廓、颜色、梯度直方图等信息。分类器主要包括神经网络、SVM、adaboost以及现在被计算机视觉视为宠儿的深度学习。而大量的样本是通过设置在路口的摄像头获得。若通过上述方法对车辆周围的行人进行定位，或判断出行人接近车辆时对驾驶员发出警告。然而，此种方法只能对车辆周围的行人进行定位，和检测到前方有行人的存在，无法对行人的行为进行预测。而对行人的行为进行预测，对行人安全过马路起到至关重要的影响。因此，行业内急需研发一种能够对行人的行为进行预测的方法。

发明内容

本发明的目的是为了克服以上现有技术存在的不足，提供了一种能够对行人的行为进行预测的基于HMM算法的行人过马路的预测方法和系统。

本发明的目的通过以下的技术方案实现：

基于HMM算法的行人过马路的预测方法，包括，接收采集装置采集的当前数据；根据所述当前数据和预先存储的历史数据基于HMM算法建立深度学习模型；通过所述深度学习模型判断出前方有行人过马路；输出控制信号至扬声器；扬声器根据所述控制信号发出警报，以警示驾驶员。

优选地，所述根据所述当前数据和预先存储的历史数据基于HMM算法建立深度学习模型包括：根据所述历史数据运用HMM算法逐层建立深度学习模型；修正所述深度学习模型；将所述当前数据同步至所述深度学习模型。

优选地，所述根据所述历史数据运用HMM算法逐层建立深度学习模型包括：将所述历史数据划分成固定长度的训练样本；将所述历史数据进行特征提取；使用训练样本对分类器进行训练；根据给定的随机参数和所述训练样本运用Baum-Welch算法，得出最佳HMM参数，建立出深度学习模型。

优选地，所述将所述历史数据划分成固定长度的训练样本之前还包括：对所述历史数据进行滤波去噪声处理。

优选地，所述装置采集为摄像头，所述当前数据包括：行人在过马路前的当前行为数据和当前道路数据，所述历史数据包括：行人在过马路前的历史行为数据和历史道路数据。

基于HMM算法的行人过马路的预测系统，包括：采集设备、预测装置和扬声器；所述采集设备，安装在路口，用于采集行人的当前数据；并将所述当前数据发送到所述预测装置；所述预测装置，包括数据库，用于根据所述当前数据和预先存储的历史数据基于HMM算法建立深度学习模型；通过所述深度学习模型判断出前方有行人过马路；并输出控制信号至扬声器；所述数据库；用于存储行人在过马路前的历史数据；所述扬声器，扬声器根据所述控制信号发出警报，以警示驾驶员。

优选地，所述预测装置包括模型建立单元、模型修正单元和数据同步单元；所述模型建立单元，根据所述历史数据运用HMM算法逐层建立深度学习模型；所述模型修正单元，用于修正所述深度学习模型；所述数据同步单元，用于将所述当前数据同步至所述深度学习模型。