[发明专利]基于无人机和人工智能的人群分布形式检测方法

说明书

本发明提供了一种基于无人机和人工智能的人群分布形式检测方法，该方法包括：利用无人机拍摄城市街道或公园等区域的图像，再使用up‑down的形式依次检测出人的头部包围框和每个人的左右双耳关键点，而后投影到CIM模型地面上，根据双耳关键点获得人体的位置及朝向；利用瓦片地图实现CIM中人群信息的可视化，并统计每一个瓦片中的人的数量，当数量大于设定阈值时，根据人群的位置和朝向来分析瓦片中人群的分布形式，判断出聚集的人群是何种分布形式。采用该方法可以对人群的整体行为进行判断，方便相关人员采取相应的措施，避免事故的发生。

技术领域

本发明涉及人工智能领域，尤其是一种基于无人机和人工智能的人群分布形式检测方法。

背景技术

对城市中人群聚集情况的分析，以往技术只是单一的统计人体数量或者统计人群密度，该方式仅能得到粗略的数量信息，丢失了空间分布、视线朝向等信息。

发明内容

为了解决上述问题，本发明提出一种基于无人机和人工智能的人群分布形式检测方法,该方法包括：

步骤一，利用无人机采集人群图像，将采集到的人群图像输入头部检测网络得到人体头部的包围框，并对得到的人体头部包围框进行筛选，将包围框分为保留下来的包围框、筛选掉的包围框；

步骤二，根据人群图像中筛选掉的包围框的密度对无人机的飞行路线进行即时调整；用保留下来的包围框裁剪人群图像得到人体头部图像，关键点检测网络对人体头部图像进行处理得到左右双耳关键点热图；

步骤三，对关键点热图进行处理得到左右双耳关键点的位置，将关键点投影到预先搭建好的CIM地面后对CIM进行可视化处理，将关键点展现在瓦片地图上，并计算每个瓦片中的人数；

步骤四，设置人数阈值，当瓦片中的人数大于该人数阈值时，对该瓦片进行后处理操作后送入形式分类网络，经过处理后得到人群分布形式。

头部检测网络包括第一编码器和第一解码器，该网络对输入的人群图像进行处理后回归出人体头部包围框的中心点以及包围框的长度和宽度；将回归的包围框的长度和宽度与预先设置好的长度阈值、宽度阈值相比较进行包围框的筛选，长度大于长度阈值且宽度大于宽度阈值的包围框为保留下来的包围框，其他的包围框为筛选掉的包围框。

关键点检测网络包括第二编码器和第二解码器，该网络输出的左右双耳关键点热图中包含两个通道。

记录无人机在采集人群图像时的实时高度，根据无人机的高度将关键点投影到CIM中。

瓦片经过后处理操作后的图像为二值化单通道图像，该图像中包含多个由点和直线相连的对象，每个对象表征一个人的位置和朝向，其中，左右双耳关键点连线的中心点表征人的位置，直线表征根据左右双耳关键点判断出的人的朝向。

形式分类网络包括第三编码器和全连接层，该网络的训练方法为：利用模拟器获取训练数据集，标签为类别标签，包括围观分布、队列分布、无序分布，采用交叉熵损失函数进行训练。

本发明的有益效果在于：

1.现有技术对围观行为的判定，多使用人脸检测的方式，来获得多人人脸的朝向，以此判断是否围观,但该方式对相机视角要求严格，且由于遮挡问题难以采集到清晰人脸，无人机由于角度问题多数情况也采集不到人脸信息，因此也难以获得人的视线朝向；本发明则根据得到的左右双耳关键点信息判断人的朝向，解决了现有技术检测人脸容易被遮挡这一问题。

2.以往技术对队列行为的判断仅通过人体头部的位置来判断，不考虑该情况下人体视线朝向的特征。现实情况中队列行为各人体的站位并非理想中整齐的直线分布，个体的随机性导致队列行为呈现一定的混乱性，本发明结合视线方向进行综合判断，提高了判断的准确性。