[发明专利]一种基于3D视觉的实时风险预测方法及系统

权利要求书

1.一种基于3D视觉的实时风险预测方法，其特征在于，包括以下步骤：

步骤1：实时采集被监测对象及周边环境的视频图像，建立图像数据库；所述图像数据库中包括一个或多个视频图像；

步骤2：提取出所述图像数据库中所有视频图像的特征数据，建立特征数据库；所述特征数据库中包括被监测对象的形态特征和被监测对象与周围环境的交互特征；

步骤3：对所述特征数据库中的特征数据进行处理，得到编码信息数据库；

步骤4：对所述编码信息数据库中的编码信息进行解码，得到被监测对象的模拟特征数据库；所述模拟特征数据库中至少包括被监测对象的未来形态特征和被监测对象与周围环境的未来交互特征两种数据类型；

步骤5：对所述模拟特征数据库中的模拟特征数据进行处理，得到3D场景图数据库；

步骤6：根据所述3D场景图数据库进行未来风险分析，得到未来风险数据；所述未来风险数据包括未来风险类型和未来风险值；

步骤7：根据所述未来风险数据对被监测对象进行风险预测。

2.根据权利要求1所述的一种基于3D视觉的实施风险预测方法，其特征在于，当所述未来风险值为1时，启动安全防护系统实施紧急安全防护措施；当所述未来风险值为0时，不实施紧急安全防护措施。

3.根据权利要求1所述的一种基于3D视觉的实时风险预测方法，其特征在于，所述步骤3具体为：

对所述特征数据库中的全部特征数据进行编码，得到多个不同时间步长的编码信息；

根据所述多个不同时间步长的编码信息建立编码信息数据库。

4.根据权利要求1所述的一种基于3D视觉的实时风险预测方法，其特征在于，所述未来特征数据的处理方法为：

根据所述模拟特征数据库生成2D状态图像数据库；

将所述2D状态图像数据库中的2D状态图像数据输入到3D场景图构建网络模型中，生成未来3D场景图。

5.根据权了要求1所述的一种基于3D视觉的实时风险预测方法，其特征在于，所述特征数据的提取方法为：对所述视频图像进行对象边界框定处理和状态特征提取，得到特征数据。

6.一种基于3D视觉的实时风险预测系统，其特征在于，包括：

图像采集模块：用于实时采集被监测对象及周边环境的视频图像；

特征提取模块：用于从采集到的视频图像中提取出特征数据；

数据编码模块：用于对提取出的特征数据进行编码，得到不同时间步长的编码信息；

数据解码模块：用于对编码信息进行解码，得到模拟特征数据；

状态处理模块：用于对被监测对象的当前及未来时间步长下的状态信息进行实时存储、维护和更新；

风险评估模块：用于根据3D场景图进行未来风险评估，得到未来风险值；

风险判断模块：用于根据未来风险值判断是否需要启动安全防护系统。

7.根据权利要求6所述的一种基于3D视觉的实时风险预测系统，其特征在于，包括防护控制模块，用于控制安全防护系统的启动和关闭。

8.根据权利要求6所述的一种基于3D视觉的实时风险预测系统，其特征在于，所述状态更新模块包括：

2D状态图更新单元：用于实时存储、维护和更新未来时间步长下被监测对象与不同物体之间的关系状态信息；

3D场景图更新单元：用于实时存储、维护和更新未来时间步长下被监测对象与周围环境之间的交互状态信息。