[发明专利]一种基于3D视觉的实时风险预测方法及系统

说明书

本发明公开了一种基于3D视觉的实时风险预测方法及系统。方法包括：实时视频图像采集、提取特征数据、特征数据编码、编码信息解码、模拟特征数据状态处理、未来风险分析、未来风险数据进行风险预测，以及安全防护；系统包括：图像采集模块、特征提取模块、数据编码模块、数据解码模块、状态处理模块、风险评估模块、风险判断模块和防护控制模块。本发明提供的实时风险预测方法和系统，可有效的对被监测对象未来的安全状态进行预估，可提前预测风险并提供有效的防范措施。

技术领域

本发明涉及风险预测技术领域，具体涉及一种基于3D视觉的实时风险预测方法及系统。

背景技术

提前预估被监测对象未来的运动轨迹以及存在的安全隐患，在风险预测技术领域得到广泛的关注，并且在实际生活中具有非常重要的作用，如摔倒预测评估、小孩磕碰预测、交通事故预测等场景。需要实时依据之前场景来预估未来尚未发生的潜在风险，并依据风险预测值提前进行防护。因此，如何准确地预估未来场景，对未来场景进行准确建模预判至关重要。

近些年，随着人工智能以及智能设备的日趋成熟，如何更好的利用人工智能技术来实现实时对象与场景3D构建以及更精准的未来风险预测评估成为产业的研究趋势。然而，目前的基于图像处理技术的风险预测方法大多是基于二维视觉，利用神经网络进行未来风险预测。

发明内容

本发明所要解决的技术问题是基于二维视觉的风险预测方法不够直观的问题，目的在于提供一种基于3D视觉的实时风险预测方法及系统，解决利用3D建模实现对未来风险值进行预测，从而使风险预测更为直观。

本发明通过下述技术方案实现：

一种基于3D视觉的实时风险预测方法，包括：

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。

本发明与现有技术相比，其创新点在于：通过2D状态图实时更新被监测对象的状态信息，并利用3D场景图构建网络模型对监测对象未来时间步长下的状态数据进行3D场景图构建，从而更加直观地表示出被监测对象与周围环境的未来交互状态。

作为对本发明的进一步描述，在预测得到未来风险值的基础上，根据未来风险值实施安全防护。具体为：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。

作为对本发明的进一步描述，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。

作为对本发明的进一步描述，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。