[发明专利]一种行人行为状态识别方法及系统

权利要求书

1.一种行人行为状态识别方法，其特征在于，包括：

利用车载摄像机采集行人图像信息；所述行人图像信息包括：设定时间段内连续的图像序列；所述图像序列包括图像信息和时间戳信息；

根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；所述行人骨架节点数据包括：脊柱上下止点、肩关节、肘关节、髋关节、腕关节、膝关节以及踝关节节点；

根据所述行人骨架节点数据提取行人骨架特征；所述行人骨架特征包括：距离特征、角度数值特征和角度数量特征；

根据行人骨架特征，采用行人行为分类器，确定行人的行为状态；所述行人行为分类器以行人骨架特征为输入，以行人行为状态为输出；所述行人的行为状态包括：静止、行走或奔跑。

2.根据权利要求1所述的一种行人行为状态识别方法，其特征在于，所述根据所述行人骨架节点数据提取行人骨架特征，具体包括：

对所述行人骨架节点数据进行预处理；所述预处理包括：对骨架缺失的修补以及对节点缺失的修补；

利用预处理后的行人骨架节点数据进行行人骨架特征的提取。

3.根据权利要求2所述的一种行人行为状态识别方法，其特征在于，所述利用预处理后的行人骨架节点数据进行行人骨架特征的提取，具体包括：

利用公式和公式确定距离特征；

利用公式和公式确定角度数值特征；

利用公式和公式确定角度数量特征；

其中，和分别为距离特征，为左右膝盖节点的距离和左右脚踝节点的距离除以行人的脊柱高度的值，分别为角度数值特征，为人体双膝关节所成角度，分别为角度数量特征，n为节点标号。

4.根据权利要求1所述的一种行人行为状态识别方法，其特征在于，所述根据行人骨架特征，采用行人行为分类器，确定行人的行为状态，之前还包括：

根据行人骨架特征，对行人图像信息进行聚类，建立行人行为分类器；聚类方法包括：K-means++聚类算法或高斯混合模型聚类算法。

5.一种行人行为状态识别系统，其特征在于，包括：

行人图像信息采集模块，用于利用车载摄像机采集行人图像信息；所述行人图像信息包括：设定时间段内连续的图像序列；所述图像序列包括图像信息和时间戳信息；

行人骨架节点数据确定模块，用于根据所述行人图像信息，采用骨架识别方法，确定行人骨架节点数据；所述行人骨架节点数据包括：脊柱上下止点、肩关节、肘关节、髋关节、腕关节、膝关节以及踝关节节点；

人骨架特征提取模块，用于根据所述行人骨架节点数据提取行人骨架特征；所述行人骨架特征包括：距离特征、角度数值特征和角度数量特征；

行为状态确定模块，用于根据行人骨架特征，采用行人行为分类器，确定行人的行为状态；所述行人行为分类器以行人骨架特征为输入，以行人行为状态为输出；所述行人的行为状态包括：静止、行走或奔跑。

6.根据权利要求5所述的一种行人行为状态识别系统，其特征在于，所述人骨架特征提取模块具体包括：

人骨架节点数据预处理单元，用于对所述行人骨架节点数据进行预处理；所述预处理包括：对骨架缺失的修补以及对节点缺失的修补；

人骨架特征提取单元，用于利用预处理后的行人骨架节点数据进行行人骨架特征的提取。

7.根据权利要求6所述的一种行人行为状态识别系统，其特征在于，所述人骨架特征提取单元具体包括：

距离特征确定子单元，用于利用公式和公式确定距离特征；

角度数值特征确定子单元，用于利用公式和公式确定角度数值特征；

角度数量特征确定子单元，用于利用公式和公式确定角度数量特征；

其中，和分别为距离特征，为左右膝盖节点的距离和左右脚踝节点的距离除以行人的脊柱高度的值，分别为角度数值特征，为人体双膝关节所成角度，分别为角度数量特征，n为节点标号。

8.根据权利要求5所述的一种行人行为状态识别系统，其特征在于，还包括：

行人行为分类器建立模块，用于根据行人骨架特征，对行人图像信息进行聚类，建立行人行为分类器；聚类方法包括：K-means++聚类算法或高斯混合模型聚类算法。