基于神经网络形态识别的人行横道行人检测方法

技术领域

本发明涉及基于神经网络形态识别的人行横道行人检测方法，属于智能交通领域。

背景技术

人行横道是行人穿越道路的重要通道，其安全性至关重要。红绿灯是保证行人安全的重要措施，但是并不是所有的人行横道都有红绿灯，而过多的红绿灯会降低交通效率，让汽车在无行人的人行横道前无效等待。因此需要能够兼顾效率和安全的措施解决这个问题，即能够智能识别是否有行人经过人行横道，并进行显著提示，汽车驾驶人员可以非常迅速决定应该等待让行还是正常通行。

发明内容

本发明的目的是为了解决上述问题，提供基于神经网络形态识别的人行横道行人检测方法，通过人工神经网络的识别能力，判断人行横道上是否有行人，从而进行醒目标识，提高行人通行的安全性。

本发明解决其技术问题所采用的技术方案是：

基于神经网络形态识别的人行横道行人检测方法，包括设置在人行横道一侧的摄像机，所述的摄像机指向所述的人行横道，以及设置在所述的人行道地面上的行人指示灯，所述的摄像机与所述的行人指示灯通过无线信号联系，所述的摄像机内部设置可识别行人的神经网络模块，以及行人检测算法，所述的行人检测算法包括以下步骤：

(1)、神经网络训练阶段：采集行人在所述的人行横道上行走的大量图像，并输出给所述的神经网络模块；

(2)、神经网络验证阶段：所述的摄像机拍摄所述的人行横道的图像，并输出给所述的神经网络模块；当有任性经过时候，所述的神经网络模块输出有效信号，否则返回步骤(1)；

(3)、工作阶段：所述的摄像机拍摄所述的人行横道的图像，并输出给所述的神经网络模块；当有行人经过的时候，所述的神经网络模块输出有效信号，从而判断所述的人行横道上有行人，通过无线信号控制所述的行人指示灯点亮或者闪烁。

本发明的有益效果主要表现在：神经网络具有良好的模式识别能力，通过训练可以快速识别人行横道上是否有行人经过，并进行醒目标识，避免汽车驾驶人员由于路况观察不当引起的交通事故。

附图说明

图1是本发明的行人检测方法流程图。

具体实施方式

下面结合附图对本发明作进一步描述：

参照图1，基于神经网络形态识别的人行横道行人检测方法，包括设置在人行横道一侧的摄像机，所述的摄像机指向所述的人行横道，以及设置在所述的人行道地面上的行人指示灯，所述的摄像机与所述的行人指示灯通过无线信号联系，当所述的摄像机检测到行人就通过无线信号通知所述的行人指示灯点亮或者闪烁。

所述的摄像机内部设置可识别行人的神经网络模块。神经网络是从信息处理角度对人脑神经元网络进行抽象， 建立的简单模型，按不同的连接方式组成不同的网络。神经网络是一种运算模型，由大量的节点之间相互联接构成，是对自然界某种算法或者函数的逼近，也可以是对一种逻辑策略的表达。所述的摄像机内部还设置行人检测算法，所述的行人检测算法包括以下步骤：

(1)、神经网络训练阶段：采集行人在所述的人行横道上行走的大量图像，并输出给所述的神经网络模块；

步骤(1)是神经网络训练阶段，是向所述的神经网络模块输人足够多的行人图像，通过调整网络的结构，使所述的神经网络模块的输出与预期值相符。所述的神经网络模块设置为卷积神经网络模块。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。

(2)、神经网络验证阶段：所述的摄像机拍摄所述的人行横道的图像，并输出给所述的神经网络模块；当有行人经过时候，所述的神经网络模块输出有效信号，否则返回步骤(1)；

步骤(2)是真实环境下验证步骤(1)中训练的神经网络模块，如果所述的神经网络模块训练成功，则可以正确识别出所述的人行横道上的行人。

(3)、工作阶段：所述的摄像机拍摄所述的人行横道的图像，并输出给所述的神经网络模块；当有行人经过的时候，所述的神经网络模块输出有效信号，从而判断所述的人行横道上有行人，通过无线信号控制所述的行人指示灯点亮或者闪烁。

在所述的神经网络模块训练成功的基础上，所述的摄像机拍摄所述的人行横道的图像进行行人识别，当识别出有行人经过的时候，通过无线信号控制所述的行人指示灯点亮或者闪烁，以提醒汽车驾驶人停车让行，从而保证交通安全。