[发明专利]一种基于智慧灯杆的社区安全预警方法

权利要求书

1.一种基于智慧灯杆的社区安全预警方法，其特征在于，包括以下步骤：

S1：获取前端球机摄像头采集到的实时视频图像数据，对图像数据进行帧图像提取、背景差分、去噪去雾，得到帧图像集合；

S2：使用第一视频帧作为背景视频模型帧，利用Vibe算法对后续帧图像集进行运动物体检测；

S3：基于OpenCV轮廓外接框功能获取每一帧的外接框信息集合识别是否包含运动目标；若数据中包含运动目标，则对运动目标进一步跟踪，直至该目标离开摄像头区域；

S4：将帧图像集交付已训练好的分类器进行识别，分类器的输出结果分为人体或非人体；

S5：接收分类器输出结果为人体后进行滞留物检测；

S6：若存在人体意外摔倒，将人体在地面短暂停留标识为滞留状态；对滞留区域进行特征提取，使用支持向量机分类判断运动目标是主动着地还是意外跌倒；

S7：若运动目标被判断为意外跌倒，则发出预警，将服务器预置路径下文本数据发送至相关管理人员，同时控制就近灯杆的照明灯闪烁，LED屏幕红蓝色闪烁。

2.根据权利要求1所述的基于智慧灯杆的社区安全预警方法，其特征在于，步骤S2中Vibe算法具体包括以下步骤：

第一步：提取视频第一帧作为背景模型，建立背景模型并初始化；

第二步：逐帧逐像素将像素值与背景模型的样本进行比较来分类像素值，将超过阈值的像素值分类为前景；

第三步：在随机时间下采样更新背景模型，每次确定需要更新像素点的背景模型时，以新的像素值随机取代该像素点样本集的一个样本值，同时新采用的像素点会同时更新邻近像素点的样本值。

3.根据权利要求1所述的基于智慧灯杆的社区安全预警方法，其特征在于，步骤S4中训练分类器具体包括以下步骤：初始化人体数据集，并定义卷积神经网络数据类型及其网络深度h与宽度w，搭建好CNN网络后设置损失函数，采用Sigmod函数及其优化器，进一步将至少含有1000张已标记好头部与躯干的人体图像数据集输入，循环遍历数据迭代器，并将输入提供给神经网络并进行权值更新，达到优化的目的。

4.根据权利要求1所述的基于智慧灯杆的社区安全预警方法，其特征在于，步骤S6中滞留区域特征提取具体包括：对滞留区域提取特征，使用基于OpenCV的Openpose获得人体关节长度信息，提取的特征包括人体高度、人体头部高度，另还需提取OpenCV外接框高宽比、滞留区域(外接框)面积，进一步使用SVM分类的方式来判断物体是否接近地面，并计算滞留时间，若滞留时间超过阈值，则进一步通过计算特征向量是否低于设定阈值来判断运动人体为意外跌倒或主动着地。