【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种踩踏风险方法、装置、计算机设备及存储介质。
技术介绍
1、随着大型活动和集会的频繁举行，群众因各种原因可能聚集在不同的场景下，易造成交通拥堵、人员踩踏等事故的发生，人员密集场所的安全管理变得更加复杂和困难。
2、踩踏风险预警技术是为了减轻或防止大规模人群聚集场所发生踩踏事件而设计的一种技术方案。相关技术中通过人群密度检测来识别区域内是否存在拥堵现象。然而这种方式对于踩踏事故的识别速度较慢，比如，这种方式对人群的突然集结和快速分散的情况识别存在明显的滞后性。在大规模人群聚集的场合，情况可能迅速发展变化，任何延迟都可能导致预警失效从而造成严重的后果。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种踩踏预警方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种踩踏风险预警方法。所述方法包括：
3、获取待进行踩踏风险预警的目标区域，并确定所述目标区域内各个子区域的踩踏风险系数；
4、通过图像监测方式获取历史时间段内目标区域的人群的密度信息，并基于所述密度信息生成所述目标区域内各子区域对应的人群流动信息；
5、获取各子区域内目标对象的图像信息，并基于所述图像信息分别确定与各子区域对应的人体异常信息；
6、针对任一子区域，基于相应的所述踩踏风险系数、所述人群流动信息、以及所述人体异常信息，生成与所述所针对的子区域对应的多维度流量预测图；其中，
7、在所述多维度流量预测图表征所针对的子区域存在踩踏风险的情况下，输出所针对的子区域的踩踏风险预警信息人体异常信息人体异常信息所述多维度流量预测图用于预测未来时间段内所针对的子区域的踩踏事故发生概率。
8、在第一方面的一些实施例中，所述确定所述目标区域内各个子区域的踩踏风险系数，包括：
9、获取所述目标区域内各个子区域的空间特点信息；其中，所述空间特点信息包括但不限于面积信息、高程信息、坡度信息、梯度信息、路面平整度信息、通道宽度信息、通道曲率信息、通道数量信息、区域封闭程度信息、以及距人源距离信息中的至少一种；
10、获取所述目标区域内历史踩踏发生点的发生位置，并基于所述历史踩踏发生点的发生位置和所述空间特点信息，确定所述目标区域内各个子区域的踩踏风险系数。
11、在第一方面的一些实施例中，所述通过图像监测方式获取历史时间段内目标区域的人群的密度信息，并基于所述密度信息生成所述目标区域内各子区域对应的人群流动信息，包括：
12、通过无人机监测方式获取目标区域内各子区域对应的人群图像；
13、针对任一子区域，通过预先训练好的多尺度卷积神经网络，对与所针对的子区域对应的人群图像进行识别，输出与所针对的子区域对应的人群密度图；其中，所述人群密度图表征所针对的子区域内每个位置对应的人群的密度信息；
14、将所述人群密度图转换为三维波形图，并基于所述三维波形图生成所针对的子区域的人群流动信息；其中，人群流动信息包括但不限于人群流动方向和人群流动速度。
15、在第一方面的一些实施例中，所述通过预先训练好的多尺度卷积神经网络，对所述人群图像进行识别，输出所述目标区域对应的人群密度图，包括：
16、对所述人群图像进行卷积处理，生成多张不同尺度的初始特征图；其中，所述多张不同尺度的初始特征图至少包括初始低分辨率特征图以及初始高分辨率特征图；
17、对所述初始高分辨率特征图进行空洞卷积，得到高分辨率特征图；
18、基于所述初始高分辨率特征图进行特征融合，得到图像全局信息，并基于所述初始低分辨率特征图和高分辨率特征图进行上采样，得到融合特征图；
19、基于所述图像全局信息，对所述高分辨率特征图和所述融合特征图进行特征处理，得到与所针对的子区域对应的人群密度图。
20、在第一方面的一些实施例中，所述获取各子区域内目标对象的图像信息，并基于所述图像信息分别确定与各子区域对应的人体异常信息，包括：
21、针对任一子区域，获取所针对的子区域内的全部目标对象的图像信息；
22、针对任一目标对象，通过预先训练好的人体姿态估计模型，对所针对的目标对象的图像信息进行识别，得到所针对的目标对象对应的姿态信息；
23、基于所针对的子区域内的全部目标对象对应的姿态信息，确定与所针对的子区域对应的人体异常信息。
24、在第一方面的一些实施例中，所述针对任一目标对象，通过预先训练好的人体姿态估计模型，对所针对的目标对象的图像信息进行识别，得到所针对的目标对象对应的姿态信息，包括：
25、针对任一目标对象，对与所针对的目标对象对应的所述图像信息进行特征提取，分别得到低层特征、中间层特征以及高层特征；
26、对所述高层特征进行高层卷积处理，得到高层卷积结果；基于所述高层卷积结果和所述中间层特征进行中间层卷积处理，得到中间层卷积结果；基于所述中间层卷积结果和所述底层特征进行底层卷积处理，得到底层卷积结果；
27、基于所述底层卷积结果与所述中间层卷积结果进行第一融合处理，得到中间层融合结果；基于所述中间层融合结果和所述高层卷积结果进行第二融合处理，得到高层融合结果；
28、分别将所述底层卷积结果、所述中间层融合结果、以及所述高层融合结果输入至注意力模块中，得到底层输出、中间层输出、以及高层输出；
29、基于所述底层输出、中间层输出、以及高层输出进行识别，得到所针对的目标对象对应的姿态信息。
30、在第一方面的一些实施例中，所述输出所述子区域的踩踏风险预警信息，包括：
31、基于所述踩踏风险预警信息生成人群干预指令；
32、获取与所述子区域相关联的主办方设备，并基于与所述主办方设备相关联的授权信息获取位于所述子区域内的多个参与方设备；
33、向所述主办方设备输出所述踩踏风险预警信息，并向各所述参与方设备分发所述人群干预指令。
34、第二方面，本申请还提供了一种踩踏风险预警装置。所述装置包括：
35、获取模块，用于获取待进行踩踏风险预警的目标区域，并确定所述目标区域内各个子区域的踩踏风险系数；
36、生成模块，用于通过图像监测方式获取历史时间段内目标区域的人群的密度信息，并基于所述密度信息生成所述目标区域内各子区域对应的人群流动信息；
37、确定模块，用于获取各子区域内目标对象的图像信息，并基于所述图像信息分别确定与各子区域对应的人体异常信息；
38、预警模块，用于针对任一子区域，基于相应的所述踩踏风险系数、所述人群流动信息、以及所述人体异常信息，生成与所述所针对的子区域对应的多维度流量预测图；其中，所述多维度流量预测图用于预测未来时间段本文档来自技高网...
【技术保护点】
1.一种踩踏风险预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述目标区域内各个子区域的踩踏风险系数，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过图像监测方式获取历史时间段内目标区域的人群的密度信息，并基于所述密度信息生成所述目标区域内各子区域对应的人群流动信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过预先训练好的多尺度卷积神经网络，对与所针对的子区域对应的人群图像进行识别，输出与所针对的子区域对应的人群密度图，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取各子区域内目标对象的图像信息，并基于所述图像信息分别确定与各子区域对应的人体异常信息人体异常信息，包括：
6.根据权利要求5所述的方法，其特征在于，所述针对任一目标对象，通过预先训练好的人体姿态估计模型，对所针对的目标对象的图像信息进行识别，得到所针对的目标对象对应的姿态信息，包括：
7.根据权利要求1所述的方法，其特征在于，所述输出所述子区域的踩踏风险预警信息，包括：<...
【技术特征摘要】
1.一种踩踏风险预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述目标区域内各个子区域的踩踏风险系数，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过图像监测方式获取历史时间段内目标区域的人群的密度信息，并基于所述密度信息生成所述目标区域内各子区域对应的人群流动信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过预先训练好的多尺度卷积神经网络，对与所针对的子区域对应的人群图像进行识别，输出与所针对的子区域对应的人群密度图，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取各子区域内目标对象的图像信息，并基于所述图像信息分别确定与各子区域对应的人体异常信息人体异常...
【专利技术属性】
技术研发人员：邹冰雪，陆霄芳，洪炜盛，王婉怡，舒丁玲，卢泰男，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。