本发明涉及数据分析，尤其涉及一种拐角路口安全行驶预警方法、装置、设备、介质及程序产品。
背景技术：
1、随着城市化进程快速推进，社区或小区内游玩已经成为每个家庭休闲娱乐的主要方式，但是由于社区或小区拐角路口存在视野盲区，对于快速行驶的电动车或自行车而言，如果无法及时发现视觉盲区的行人或小孩，往往容易发生碰撞事件，给社区居民的人身安全造成一定影响。为了降低社区或小区内行人与来往车辆的碰撞风险，需要及时感知视觉盲区的行人或电动车辆，作出减速慢行注意避让等有效提醒。现有技术以进入路口行人或车辆密切相关的图像灰度的相对变化量、移动速度、红外热辐射值为特征参数，通过bp网络(back propagation，多层前馈网络)判断当前有行人或车辆从某方向进入路口时，立即向存在视觉盲区的从其它方向联通路口的道路上的行人或车辆发出注意避让的声光提示。
2、但是，现有的bp神经网络模型预警方法，依赖于图像采集、红外采集和光电开关采集的移动物图像、红外辐射值和移动速度，不确定因素较多，且需要经过复杂特征提取过程，如某一采集环节出现问题，将导致模型无法正常预测，影响路口安全预警的准确率。
技术实现思路
1、针对现有技术存在的问题，本发明实施例提供一种拐角路口安全行驶预警方法、装置、设备、介质及程序产品，其能有效提升社区拐角路口安全行驶的预警准确率，降低碰撞事故发生的概率。
2、第一方面，本发明实施例提供了一种拐角路口安全行驶预警方法，包括：
3、通过预先训练好的目标检测模型对拐角路口的至少两路实时视频流进行目标检测，得到至少两路所述实时视频流的目标检测结果；
4、当至少两路所述实时视频流的目标检测结果满足预设的触发条件时，调用预先训练好的轨迹预测模型对相应目标检测结果中的目标对象进行行驶轨迹预测，得到相应目标对象的预测轨迹；
5、当任意两个目标对象的预测轨迹存在交集时，触发避让告警。
6、作为上述方案的改进，所述目标检测模型是基于卷积层、归一化层、激活函数层、卷积块、最大池化层以及非极大值抑制层构成的卷积神经网络模型。
7、作为上述方案的改进，所述目标检测模型包括输入层、依次相连的若干个特征提取层、降采样层、多个第一特征融合层、多个个与所述第一特征融合层一一对应连接的第二特征融合层，多个与所述第二特征融合层一一对应连接的输出层；所述特征提取层的数量大于所述第一特征融合层的数量；其中，所述输入层与第一个所述特征提取层连接，所述降采样层连接在最后一个所述特征提取层和第一个所述第一特征融合层之间，位于最后一个所述特征提取层之上的多个特征提取层与多个所述第一特征融合层一一对应连接。
8、作为上述方案的改进，所述输入层基于卷积层、归一化层以及激活函数层构成；所述特征提取层、所述第一特征融合层、所述第二特征融合层均基于卷积层、归一化层、激活函数层以及卷积块构成；所述降采样层基于卷积层、归一化层、激活函数层以及最大池化层构成；所述输出层基于卷积层、维度调整层以及非极大值抑制层构成。
9、作为上述方案的改进，所述触发条件包括：至少两路所述实时视频流的目标检测结果中至少一个目标检测结果中的目标对象为行人、至少一个目标检测结果中的目标对象为机动车或非机动车。
10、作为上述方案的改进，所述目标检测模型的训练包括以下步骤：
11、分别以silu激活函数、mish激活函数和relu激活函数作为激活函数层的激活函数，得到相应的候选目标检测模型；
12、采用预先采集的目标检测数据集中的训练数据集、验证数据集分别对所述候选目标检测模型进行模型训练和验证，得到相应候选目标检测模型的模型精度；
13、选取模型精度最高的候选目标检测模型，并采用所述目标检测数据集中的测试数据对选取的候选目标检测模型进行模型测试；
14、当选取的候选目标检测模型满足预设的第一测试条件时，得到训练好的候选目标检测模型作为最终的目标检测模型。
15、作为上述方案的改进，训练好的目标检测模型中激活函数层采用mish激活函数，训练好的目标检测模型中非极大值抑制层采用ciou损失函数。
16、作为上述方案的改进，所述轨迹预测模型的训练包括以下步骤：
17、根据预先采集拐角路口的历史视频流，获得机动车和非机动车的行驶轨迹数据；
18、对预先采集的行人轨迹数据集与所述行驶轨迹数据进行重组分类，得到行驶轨迹训练集和行驶轨迹测试集；
19、采用所述行驶轨迹训练集对图神经网络模型进行模型训练；其中，所述图神经网络模型基于长短期记忆神经网络、图注意力神经网络和时间卷积神经网络构成；
20、采用所述行驶轨迹测试集对训练后的图神经网络模型进行模型测试；
21、当所述图神经网络模型满足预设的第二测试条件时，得到训练好的轨迹预测模型。
22、第二方面，本发明实施例提供了一种拐角路口安全行驶装置，包括：
23、目标检测模块，用于通过预先训练好的目标检测模型对拐角路口的至少两路实时视频流进行目标检测，得到至少两路所述实时视频流的目标检测结果；
24、路线预测模块，用于当至少两路所述实时视频流的目标检测结果满足预设的触发条件时，调用预先训练好的轨迹预测模型对相应目标检测结果中的目标对象进行行驶轨迹预测，得到相应目标对象的预测轨迹；
25、避让告警模块，用于当任意两个目标对象的预测轨迹存在交集时，触发避让告警。
26、第三方面，本发明实施例提供了一种拐角路口安全行驶设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任意一项所述的拐角路口安全行驶预警方法。
27、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面中任意一项所述的拐角路口安全行驶预警方法。
28、第五方面，本发明实施例提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如第一方面中任意一项所述的拐角路口安全行驶预警方法。
29、相对于现有技术，本发明实施例的一种拐角路口安全行驶预警方法、装置、设备、介质及程序产品，通过预先训练好的目标检测模型对拐角路口的至少两路实时视频流进行目标检测，得到至少两路所述实时视频流的目标检测结果；然后当至少两路所述实时视频流的目标检测结果满足预设的触发条件时，调用预先训练好的轨迹预测模型对相应目标检测结果中的目标对象进行行驶轨迹预测，得到相应目标对象的预测轨迹；当任意两个目标对象的预测轨迹存在交集时，触发避让告警，能准确预测社区拐角路口中目标对象未来的行驶轨迹，提升社区拐角路口安全行驶的预警准确率，从而降低社区拐角路口碰撞事故发生的概率。
1.一种拐角路口安全行驶预警方法，其特征在于，包括：
2.如权利要求1所述的拐角路口安全行驶预警方法，其特征在于，所述目标检测模型是基于卷积层、归一化层、激活函数层、卷积块、最大池化层以及非极大值抑制层构成的卷积神经网络模型。
3.如权利要求2所述的拐角路口安全行驶预警方法，其特征在于，所述目标检测模型包括输入层、依次相连的若干个特征提取层、降采样层、多个第一特征融合层、多个个与所述第一特征融合层一一对应连接的第二特征融合层，多个与所述第二特征融合层一一对应连接的输出层；所述特征提取层的数量大于所述第一特征融合层的数量；其中，所述输入层与第一个所述特征提取层连接，所述降采样层连接在最后一个所述特征提取层和第一个所述第一特征融合层之间，位于最后一个所述特征提取层之上的多个特征提取层与多个所述第一特征融合层一一对应连接。
4.如权利要求3所述的拐角路口安全行驶预警方法，其特征在于，所述输入层基于卷积层、归一化层以及激活函数层构成；所述特征提取层、所述第一特征融合层、所述第二特征融合层均基于卷积层、归一化层、激活函数层以及卷积块构成；所述降采样层基于卷积层、归一化层、激活函数层以及最大池化层构成；所述输出层基于卷积层、维度调整层以及非极大值抑制层构成。
5.如权利要求1所述的拐角路口安全行驶预警方法，其特征在于，所述触发条件包括：至少两路所述实时视频流的目标检测结果中至少一个目标检测结果中的目标对象为行人、至少一个目标检测结果中的目标对象为机动车或非机动车。
6.如权利要求2-4中任一项所述的拐角路口安全行驶预警方法，其特征在于，所述目标检测模型的训练包括以下步骤：
7.如权利要求6中任一项所述的拐角路口安全行驶预警方法，其特征在于，训练好的目标检测模型中激活函数层采用mish激活函数，训练好的目标检测模型中非极大值抑制层采用ciou损失函数。
8.如权利要求1所述的拐角路口安全行驶预警方法，其特征在于，所述轨迹预测模型的训练包括以下步骤：
9.一种拐角路口安全行驶装置，其特征在于，包括：
10.一种拐角路口安全行驶设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的拐角路口安全行驶预警方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的拐角路口安全行驶预警方法。
12.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至8中任意一项所述的拐角路口安全行驶预警方法。
