【技术实现步骤摘要】
本专利技术涉及图像分割，具体涉及一种用于学生安全行为分析的图像分割方法。
技术介绍
1、为了保障学生校园内的安全，一般使用图像分割技术结合计算机视觉和深度学习方法，对校园内采集的视频包含的图像帧进行实时监控和分析，实时评估学生的安全状况，提高校园整体安全保障水平。
2、在对校园内采集的视频包含的图像帧进行实时监控和分析的过程中，需要先提取图像帧中学生对应的区域。但是，由于学生的行为模式复杂，且图像帧中不同学生对应的区域之间可能存在重叠，这使得对图像帧中学生对应的区域的分割往往出现过分割的问题，导致基于过分割的学生区域获取的学生安全行为分析结果不准确。
技术实现思路
1、本专利技术提供一种用于学生安全行为分析的图像分割方法，以解决学生的行为模式复杂导致用于学生安全行为分析的图像分割不准确的问题，所采用的技术方案具体如下：
2、本专利技术一个实施例提供了一种用于学生安全行为分析的图像分割方法，该方法包括以下步骤：
3、在需要进行学生安全行为分析的位置采集视频，根据视频的图像帧获取图像灰度帧，并根据图像灰度帧中像素点的灰度值和像素点的位置分布，划分出图像灰度帧中的学生聚集区域和学生个体区域；
4、根据图像灰度帧与图像灰度帧的前一帧中对应的学生聚集区域的外接矩形内包含的学生聚集区域的边缘之间的差异，获取学生聚集区域的活动变化度，根据图像灰度帧以及图像灰度帧之前的相邻帧，确定图像灰度帧内包含的每一个学生聚集区域的运动方向向量，根据学生聚集区域的
5、根据学生聚集区域与活动风险区域之间的距离、活动风险区域的危险性，以及同一图像灰度帧内所有学生聚集区域之间的欧氏距离，获取目标学生聚集区域的校正危险性，根据图像灰度帧内学生聚集区域的校正危险性，确定学生聚集区域的调整边缘保留度，将学生个体区域的调整边缘保留度赋值为第五预设参数；
6、根据学生聚集区域和学生个体区域的调整边缘保留度的取值，确定学生聚集区域和学生个体区域内的边缘，获取用于学生安全行为分析的图像分割结果。
7、进一步，所述图像灰度帧中的学生聚集区域和学生个体区域的获取方法为：
8、根据图像灰度帧中像素点的灰度值，划分学生区域；
9、将第一预设参数与学生区域所在的图像灰度帧中包含的所有学生区域内包含的像素点数量的均值的乘积，记为学生区域的第一乘积，将学生区域内包含的像素点数量与学生区域的第一乘积的比值，记为学生区域的第一比值，将以学生区域的第一比值作为自变量，以2为底数的对数函数的函数值，记为学生区域的相对面积；
10、当学生区域的相对面积大于第二预设参数时，将学生区域记为学生聚集区域；当学生区域的相对面积小于等于第二预设参数时，将学生区域记为学生个体区域。
11、进一步，所述根据图像灰度帧与图像灰度帧的前一帧中对应的学生聚集区域的外接矩形内包含的学生聚集区域的边缘之间的差异，获取学生聚集区域的活动变化度，包括的具体方法为：
12、将学生聚集区域的外接矩形内包含的所有学生聚集区域的边缘包含的像素点的数量的累加和，记为学生聚集区域的边缘周长；
13、对视频的图像帧对应的图像灰度帧内各学生聚集区域进行跟踪，获取图像灰度帧与图像灰度帧的前一帧中对应的学生聚集区域，将学生聚集区域与学生聚集区域所在的图像灰度帧的前一帧中对应的学生聚集区域的边缘周长的均方误差，记为活动边缘变化度；
14、根据活动边缘变化度和学生聚集区域的边缘周长，获取学生聚集区域的活动变化度。
15、进一步，所述根据学生聚集区域的边缘周长和活动边缘变化度，获取学生聚集区域的活动变化度，包括的具体方法为：
16、将学生聚集区域与学生聚集区域所在的图像灰度帧的前一帧中对应的学生聚集区域的边缘周长的比值，记为学生聚集区域的第二比值，将学生聚集区域的第二比值与活动边缘变化度的乘积，记为学生聚集区域的活动变化度。
17、进一步，所述确定图像灰度帧内包含的每一个学生聚集区域的运动方向向量，包括的具体方法为：
18、根据图像灰度帧以及图像灰度帧之前的相邻帧，获取图像灰度帧中所有学生聚集区域的光流向量，将学生聚集区域的光流向量记为学生聚集区域的运动方向向量。
19、进一步，所述根据学生聚集区域的活动变化度，以及学生聚集区域与同一图像灰度帧中不同学生聚集区域的运动方向向量对应的方向之间的差异，获取学生聚集区域的危险性，根据危险性划分活动风险区域，包括的具体方法为：
20、将图像灰度帧中任意一个学生聚集区域记为目标学生聚集区域，将与目标学生聚集区域同一图像灰度帧的任意一个与目标学生聚集区域不同的学生聚集区域，记为比较学生聚集区域；
21、将目标学生聚集区域的质心作为圆心，将目标学生聚集区域的质心与比较学生聚集区域的质心的连线的长度作为半径作圆，将圆确定的区域记为目标学生聚集区域与比较学生聚集区域的交互范围，将分别以目标学生聚集区域的质心和比较学生聚集区域的质心为首尾的向量，记为交互范围的标准向量；将目标学生聚集区域与比较学生聚集区域的交互范围内任意一个学生聚集区域，记为交互范围的待分析学生聚集区域，将交互范围的待分析学生聚集区域的运动方向向量与交互范围的标准向量之间的夹角，记为待分析学生聚集区域的运动变化方向；将待分析学生聚集区域的运动变化方向的余弦值的相反数，记为待分析学生聚集区域的运动变化相似度；将目标学生聚集区域与比较学生聚集区域的交互范围内所有学生聚集区域的运动变化相似度的均值，记为目标学生聚集区域与比较学生聚集区域的交互范围相似度；将目标学生聚集区域与同一图像灰度帧的所有不同的目标学生聚集区域的交互范围相似度的均值，记为目标学生聚集区域的交互度；
22、根据学生聚集区域的活动变化度和交互度，获取学生聚集区域的危险性，根据危险性划分活动风险区域。
23、进一步，所述根据学生聚集区域的活动变化度和交互度，获取学生聚集区域的危险性，根据危险性划分活动风险区域，包括的具体方法为：
24、将学生聚集区域的活动变化度和交互度的乘积，记为学生聚集区域的危险性；
25、当学生聚集区域的危险性大于第三预设参数时，将学生聚集区域标记为活动风险区域。
26、进一步，所述目标学生聚集区域的校正危险性，获取的具体方法为：
27、将图像灰度帧内所有每两个学生聚集区域之间的欧氏距离的均值，记为图像灰度帧的标准距离；将与目标学生聚集区域之间的欧氏距离最近的第四预设参数个活动风险区域，记为目标学生聚集区域的近邻活动风险区域；
28、将目标学生聚集区域与近邻活动风险区域之间的欧氏距离作为分母，将目标学生聚集区域所在的图像灰度帧的标准距离作为分子，将分式的取值记为目标学生聚集区域与近邻活动风本文档来自技高网...
【技术保护点】
1.一种用于学生安全行为分析的图像分割方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述图像灰度帧中的学生聚集区域和学生个体区域的获取方法为：
3.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据图像灰度帧与图像灰度帧的前一帧中对应的学生聚集区域的外接矩形内包含的学生聚集区域的边缘之间的差异，获取学生聚集区域的活动变化度，包括的具体方法为：
4.根据权利要求3所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据学生聚集区域的边缘周长和活动边缘变化度，获取学生聚集区域的活动变化度，包括的具体方法为：
5.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述确定图像灰度帧内包含的每一个学生聚集区域的运动方向向量，包括的具体方法为：
6.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据学生聚集区域的活动变化度，以及学生聚集区域与同一图像灰度帧中不同学生聚集区
7.根据权利要求6所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据学生聚集区域的活动变化度和交互度，获取学生聚集区域的危险性，根据危险性划分活动风险区域，包括的具体方法为：
8.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述目标学生聚集区域的校正危险性，获取的具体方法为：
9.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述学生聚集区域的调整边缘保留度，获取的具体方法为：
10.根据权利要求2所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据学生聚集区域和学生个体区域的调整边缘保留度的取值，确定学生聚集区域和学生个体区域内的边缘，包括的具体方法为：
...【技术特征摘要】
1.一种用于学生安全行为分析的图像分割方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述图像灰度帧中的学生聚集区域和学生个体区域的获取方法为：
3.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据图像灰度帧与图像灰度帧的前一帧中对应的学生聚集区域的外接矩形内包含的学生聚集区域的边缘之间的差异，获取学生聚集区域的活动变化度，包括的具体方法为：
4.根据权利要求3所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述根据学生聚集区域的边缘周长和活动边缘变化度，获取学生聚集区域的活动变化度，包括的具体方法为：
5.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，其特征在于，所述确定图像灰度帧内包含的每一个学生聚集区域的运动方向向量，包括的具体方法为：
6.根据权利要求1所述的一种用于学生安全行为分析的图像分割方法，...
【专利技术属性】
技术研发人员：朱宇，金秀华，李发均，
申请(专利权)人：成都博睿数加科技有限公司，
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。