本發(fā)明屬于自動扶梯乘客檢測，尤其涉及一種自動扶梯乘客摔倒檢測方法及裝置。

背景技術：

1、日常生活中自動扶梯是運送乘客十分常見的設施，在商場、地鐵、機場、醫(yī)院等公共場所被廣泛使用。傳統(tǒng)扶梯巡檢式日常管理消耗較多人力，龐大的客流量時常會產(chǎn)生潛在的安全隱患，遇到突發(fā)狀況難以立即被發(fā)現(xiàn)，常常因無法及時按下“緊急停止按鈕”終止扶梯運行，從而造成連續(xù)翻滾等重大人身傷害。

2、目前，自動扶梯智能化監(jiān)控管理系統(tǒng)通過視頻圖像識別技術檢測到乘客摔倒行為，隨后實時發(fā)出預警信息，并立即實施緊急停止命令，以確保乘客安全。常見的計算機視覺摔倒檢測方法主要采用基于yolo系列摔倒檢測算法。

3、但是，傳統(tǒng)yolo算法會檢測到扶梯外行人摔倒目標，如果非扶梯背景區(qū)域發(fā)生行人摔倒事故，會影響監(jiān)控管理系統(tǒng)后續(xù)預警和扶梯安全急停處理，從而導致扶梯安全檢測誤報警問題。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種自動扶梯乘客摔倒檢測方法，屏蔽了非扶梯背景區(qū)域的復雜環(huán)境對小目標檢測的干擾，解決了扶梯安全檢測誤報警的問題。

2、本發(fā)明采用以下技術方案：一種自動扶梯乘客摔倒檢測方法，包括以下步驟：

3、獲取待識別圖像以及待識別圖像中的第一感興趣區(qū)域，第一感興趣區(qū)域為待識別圖像中自動扶梯區(qū)域；

4、采用改進的yolov8目標識別模型對待識別圖像進行目標識別，得到感興趣區(qū)域中乘客摔倒檢測信息；

5、其中，改進的yolov8目標識別模型骨干網(wǎng)絡中特征提取階段采用biformer_roi模塊進行特征信息的提取。

6、進一步地，采用biformer_roi模塊進行特征提取依此包括深度可分離卷積處理、層正則化處理、感興趣區(qū)域雙層路由注意力機制處理和多層感知機處理。

7、進一步地，感興趣區(qū)域雙層路由注意力機制處理包括：

8、將改進的yolov8目標識別模型中骨干網(wǎng)絡的卷積模塊輸出的特征圖劃分為若干個區(qū)域塊；

9、將第一感興趣區(qū)域的邊界線向外擴展至對應的區(qū)域塊的邊界線，得到第二感興趣區(qū)域；

10、提取第二感興趣區(qū)域的特征信息。

11、進一步地，提取第二感興趣區(qū)域的特征信息包括：

12、采用雙層路由注意力機制提取第二感興趣區(qū)域中每個區(qū)域塊的特征信息。

13、進一步地，采用雙層路由注意力機制提取第二感興趣區(qū)域中每個區(qū)域塊的特征信息包括：

14、獲取第二感興趣區(qū)域中每個區(qū)域塊的查詢向量和鍵向量；

15、計算查詢向量中所有像素點的查詢向量平均值，計算鍵向量中所有像素點的鍵向量平均值，并根據(jù)查詢向量平均值和鍵向量平均值生成區(qū)域塊的鄰接矩陣；

16、根據(jù)鄰接矩陣確定每個區(qū)域塊的索引矩陣，并根據(jù)索引矩陣生成每個區(qū)域塊聚集整合后的鍵向量和聚集整合后的值向量；

17、根據(jù)區(qū)域塊的值向量、聚集整合后的鍵向量和聚集整合后的值向量計算區(qū)域塊的特征信息。

18、進一步地，改進的yolov8目標識別模型骨干網(wǎng)絡中特征提取階段中的第一階段、第二階段和第三階段均采用biformer_roi模塊進行特征信息的提取。

19、進一步地，改進的yolov8目標識別模型的neck網(wǎng)絡中采用vov-gscsp模塊代替原有的c2f模塊。

20、進一步地，改進的yolov8目標識別模型的neck網(wǎng)絡中采用gsconv模塊代替原有的cbs卷積模塊。

21、進一步地，改進的yolov8目標識別模型的損失函數(shù)為：

22、l＝λ1lcls+λ2ldfl+λ3lpiou-v2，

23、其中，l表示改進的yolov8目標識別模型的損失函數(shù)，lcls表示二分類交叉熵損失，ldfl表示分布焦點損失，lpiou-v2表示piou_v2損失，λ1表示二分類交叉熵損失的權重系數(shù)，λ2表示分布焦點損失的權重系數(shù)，λ3表示piou_v2損失的權重系數(shù)。

24、本發(fā)明的另一種技術方案：一種自動扶梯乘客摔倒檢測裝置，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執(zhí)行計算機程序時實現(xiàn)上述的方法。

25、本發(fā)明的有益效果是：本發(fā)明通過在的yolov8目標識別模型中增加了biformer_roi模塊進行特征信息的提取，可以屏蔽非扶梯背景區(qū)域的復雜環(huán)境干擾，有效提高小目標的檢測率，有效的解決了扶梯安全檢測誤報警問題。

技術特征：

1.一種自動扶梯乘客摔倒檢測方法，其特征在于，包括以下步驟：

2.如權利要求1所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，采用biformer_roi模塊進行特征提取依此包括深度可分離卷積處理、層正則化處理、感興趣區(qū)域雙層路由注意力機制處理和多層感知機處理。

3.如權利要求2所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，所述感興趣區(qū)域雙層路由注意力機制處理包括：

4.如權利要求2所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，提取所述第二感興趣區(qū)域的特征信息包括：

5.如權利要求4所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，采用雙層路由注意力機制提取所述第二感興趣區(qū)域中每個所述區(qū)域塊的特征信息包括：

6.如權利要求2-5任一項所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，改進的yolov8目標識別模型骨干網(wǎng)絡中特征提取階段中的第一階段、第二階段和第三階段均采用biformer_roi模塊進行特征信息的提取。

7.如權利要求2-5任一項所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，改進的yolov8目標識別模型的neck網(wǎng)絡中采用vov-gscsp模塊代替原有的c2f模塊。

8.如權利要求6所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，改進的yolov8目標識別模型的neck網(wǎng)絡中采用gsconv模塊代替原有的cbs卷積模塊。

9.如權利要求8所述的一種自動扶梯乘客摔倒檢測方法，其特征在于，改進的yolov8目標識別模型的損失函數(shù)為：

10.一種自動扶梯乘客摔倒檢測裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1-9任一項所述的方法。

技術總結
本發(fā)明公開了一種自動扶梯乘客摔倒檢測方法及裝置，獲取待識別圖像以及待識別圖像中的第一感興趣區(qū)域，第一感興趣區(qū)域為待識別圖像中自動扶梯區(qū)域；采用改進的Yolov8目標識別模型對待識別圖像進行目標識別，得到感興趣區(qū)域中乘客摔倒檢測信息；其中，改進的Yolov8目標識別模型骨干網(wǎng)絡中特征提取階段采用BiFormer_ROI模塊進行特征信息的提??；本發(fā)明通過在的Yolov8目標識別模型中增加了BiFormer_ROI模塊進行特征信息的提取，可以屏蔽非扶梯背景區(qū)域的復雜環(huán)境干擾，有效提高小目標的檢測率，有效的解決了扶梯安全檢測誤報警問題。

技術研發(fā)人員：侯穎,庹金豆,黃嘉超,李啟倫,張楠,申家軒,運騰
受保護的技術使用者：西安科技大學
技術研發(fā)日：
技術公布日：2024/10/21