(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210378370.3 (22)申请日 2022.04.12 (71)申请人 郭华君 地址 610040 四川省成 都市武侯区锦城大 道天府欣苑 (72)发明人 郭华君　 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 基于计算机视觉的智慧城市管理方法 (57)摘要 本发明涉及一种基于计算机视觉的智慧城 市管理方法， 其包括对动作分析数据进行动作解 算得到动作解算矩阵， 并对动作分析数据进行动 作估算得到动作估算矩阵， 然后根据动作解算矩 阵和动作估算矩阵建立动作损失函数。 根据行人 分析图像的所有动作核心点的第一动作坐标和 第二动作坐标建立视觉损失函数； 根据动作损失 函数、 视觉损失函数和动作约束函数得到实时动 作数据； 根据动作损失函数、 视觉损失函数和动 作约束函数构建动作预测函数， 并根据动作预测 函数和实时动作数据得到预测动作数据， 然后根 据预测动作数据判断是否有闯红灯的行为。 权利要求书2页 说明书6页 附图1页 CN 114863358 A 2022.08.05 CN 114863358 A 1.一种基于计算机视觉的智慧城市管理方法， 其特征在于， 接收用户终端实时发送的 动作分析 数据和图像采集设备实时发送的城市管理图像； 对所述动作分析数据进行动作解算得到动作解算矩阵， 并对所述动作分析数据进行动 作估算得到动作估算矩阵， 然后根据所述动作解算矩阵和所述动作估算矩阵建立动作损失 函数； 对所述城市管理图像进行图像预处理以得到标准城市管理图像， 并识别所述标准城市 管理图像中出现的所有行 人并为每 个行人建立行 人分析图像； 根据所述行人分析图像获取在第 一动作坐标系下各动作核心点的第 一动作坐标， 并通 过坐标映射函数将各动作核心点的第一动作坐标映射到第二动作坐标系以得到各动作核 心点的第二动作坐标； 根据行人分析图像的所有动作核心点的第一动作坐标和第二动作坐标建立视觉损失 函数， 并分析 所有的行 人分析图像以构建动作约束函数； 根据动作损 失函数、 视觉损 失函数和动作约束函数得到实时动作数据， 并根据动作损 失函数、 视 觉损失函数和动作约束函数构建动作预测函数； 根据动作预测函数和实时动作数据得到预测动作 数据， 并根据 预测动作数据判断是否 有闯红灯的行为。 2.根据权利要求1所述的方法， 其特征在于， 对动作分析数据进行动作解算得到动作解 算矩阵包括： 根据动作分析 数据获取 行人在标准动作坐标系下的行 人动作矩阵； 获取第一动作坐标系与第二动作坐标系之间的行为偏差矩阵； 根据行人在标准动作坐标系下的行人动作矩阵和第一动作坐标系与第二动作坐标系 之间的行为偏差矩阵得到动作解 算矩阵。 3.根据权利要求2所述的方法， 其特征在于， 根据动作解算矩阵和动作估算矩阵建立动 作损失函数： 其中， 为动作损失函数， n为用户终端的数据采集设备的数量， i为数据采集设备的 索引， 为标准动作坐标系下第i个数据 采集设备的动作估算矩阵， 为标准动作坐标系 下第i个数据采集设备的动作解算矩阵， 为将矩阵转化为四元数并取其向量 部分。 4.根据权利要求3所述的方法， 其特征在于， 所述图像采集设备包括环视摄像头、 单目 摄像机、 双目摄 像机和三目摄 像机； 所述用户终端包括若干个数据采集设备。 5.根据权利要求1至4之一所述的方法， 其特征在于， 根据动作损失函数、 动作约束函数 和视觉损失函数构建动作预测函数包括： 对所有的行 人分析图像进行分析以得到最大动作角和最小动作角； 获取动作损失系数、 约束损失系数和视 觉损失系数； 根据动作损失函数、 动作约束函数、 视觉损失函数、 动作损失系数、 约束损失系数、 视觉权　利　要　求　书 1/2 页 2 CN 114863358 A 2损失系数、 最大动作角和最小动作角建立动作预测函数； 根据动作预测函数和实时动作数据得到预测动作数据。 6.根据权利要求5所述的方法， 其特征在于， 根据动作损 失函数、 动作约束函数和视觉 损失函数建立动作预测函数包括： 其中， G为动作预测函数， λ为视觉损失系数， η为约束损失系数， ζ为动作损失系数， 为视觉损失函 数， 为动作约束函 数， 为动作损失函 数， 为最小动 作角， 为最 大动作角。 7.根据权利要求6所述的方法， 其特征在于， 对城市管理图像进行图像预处理得到标准 城市管理图像包括： 对城市管理图像进行二 值化处理得到二 值图像； 对二值图像进行图像边 缘检测以提取二 值图像中的实体的边 缘轮廓。 8.根据权利要求7所述的方法， 其特征在于， 所述标准动作坐标系为、 大地坐标系； 所述 第一动作坐标系为以行人分析图像的中心点为坐标原点的动作坐标系， 所述第二动作坐标 系为以图像采集设备为坐标原点的动作坐标系； 所述动作核心点为预测行人动作 的关键 点。 9.根据权利要求1至8之一所述的方法， 其特征在于， 根据动作预测函数和实时动作数 据得到预测动作数据包括： 将实时动作数据输入动作预测函数以得到动作误差值； 将动作误差值与动作误差阈值进行比较； 在动作误差值大于动作误差阈值时， 在动作约束范围内进行迭代， 直到动作误差值小 于动作误差阈值， 并将此时的动作 作为预测动作以生成预测动作数据。权　利　要　求　书 2/2 页 3 CN 114863358 A 3