摘要
本申请涉及人工智能领域,提供了人车混行环境下行人异常行为检测方法,该方法包括:实时获取行人和车辆混行场景的连续图像帧;对连续图像帧中的行人进行检测,提取行人位置和外观特征,生成初始行人轨迹;基于多模态运动状态对行人轨迹进行动态跟踪,生成实时更新的行人跟踪轨迹;构建时空交互图网络,预测行人未来轨迹并生成轨迹置信度;根据行人未来轨迹与行人跟踪轨迹的时空偏差量、轨迹置信度和交互关系突变特征,判定行人行为异常等级;当行人行为异常等级超过预设阈值时,触发分级预警信号并生成避让指引信息。本申请的技术方案可以有效提升跟踪连续性、预测准确性以及预警时效性。
技术关键词
轨迹置信度
生成轨迹
多模态
注意力机制
剪枝策略
动态
编码特征
协方差矩阵
时间滑动窗口
知识蒸馏技术
密度聚类算法
匈牙利算法
节点
队列
网络
场景
图像
轨迹特征
卡尔曼滤波
系统为您推荐了相关专利信息
预后预测方法
影像
多模态
深度学习特征
图像深度学习
跨模态融合特征
深度强化学习模型
视频特征向量
文本特征向量
交互特征
前馈神经网络
注意力机制
气象
嵌入特征
特征提取技术
推荐系统
蒙特卡洛树
数据采集频率
稀疏贝叶斯理论
动态优化框架
仿真模型
建模系统
数据驱动模型
生成反馈信号
供应链系统