1.一种多目标行人安全隐患行为综合识别方法,其特征在于,所述多目标行人安全隐患行为综合识别方法包括:
2.如权利要求1所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s1中,所述待识别图像来自原始视频流,对所述原始视频流逐帧提取图像或定时截图得到所述待识别图像,所述原始视频流为预设于自动扶梯目标位置处的摄像机摄制的视频流;
3.如权利要求1所述的多目标行人安全隐患行为综合识别方法,其特征在于,在进行步骤s1之前,还包括:
4.如权利要求1所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s2中,对所述待识别图像中所有的待检测物体进行识别,包括:
5.如权利要求4所述的多目标行人安全隐患行为综合识别方法,其特征在于,所述人体关键点检测识别模型采用基于yolov8-pose的关键点检测模型;
6.如权利要求1所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s2中,对所述待识别图像中所有的待检测物体进行识别,包括:
7.如权利要求6所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s2中,还判断所述待检测物体是否为清洁人员、维修人员或异物,若所述待检测物体是清洁人员或维修人员,则把识别结果进行记录并返回步骤s1进行下一张待识别图像的图像分类识别及判断步骤,若所述待检测物体是异物,则物品滞留计数器加一并跳转至步骤s5,步骤s5还包括:
8.如权利要求1至7中任意一项所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s3中,采用预设的多目标跟踪算法对各所述目标行人进行人体运动轨迹跟踪;
9.如权利要求1至7中任意一项所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s4中,采用预设的bp神经网络模型对各所述目标行人进行人体姿态分类,得到三分类结果,所述三分类结果为正常、下蹲或摔倒;
10.如权利要求1至7中任意一项所述的多目标行人安全隐患行为综合识别方法,其特征在于,步骤s5中,对所述目标行人的异常行为数量和异常姿态数量进行统计后,按照预设的报警优先级进行排序后,逐个进行是否大于对应的预设阈值的判断。