跟踪步骤：在所述当前帧图像中识别目标人物所处的矩形区域中的目标特征点，并将

　　所述目标特征点放入跟踪队列；所述矩形区域用于框定所述目标人物所处的图像位置；

　　关联步骤：分别在多个后续帧图像中识别与所述跟踪队列中目标特征点关联的后续特

　　计算步骤：根据所述目标特征点与多个所述后续特征点在图像中的位置，得到目标人

　　确认步骤：若所述行进轨迹与所述路障位置相交，则确认所述目标人物出现翻越路障

　　2.如权利要求1所述的翻越路障的识别方法，其特征在于，所述跟踪步骤包括：

　　判断子步骤：若所述矩形区域与所述路障位置相交，则将所述当前人物作为所述目标

　　提取子步骤：在所述矩形区域中提取所述目标特征点；所述目标特征点包括质点、人体

　　3.如权利要求1所述的翻越路障的识别方法，其特征在于，所述关联步骤包括：

　　计算子步骤：计算第一初始特征点与所述跟踪队列中目标特征点之间的欧几里得距

　　4.如权利要求3所述的翻越路障的识别方法，其特征在于，在所述选择子步骤之后，还

　　判断孙步骤：若多个所述初始特征点中存在第二初始特征点；所述第二初始特征点是

　　识别孙步骤：在第二后续帧图像中识别多个初始特征点；其中，所述第二后续帧图像在

　　第一计算孙步骤：计算所述第一初始特征点与所述更新后的跟踪队列中目标特征点之

　　第一选择孙步骤：将所述欧几里得距离最小的第一初始特征点作为所述后续特征点；

　　第二计算孙步骤：计算所述第二初始特征点与所述更新后的跟踪队列中目标特征点之

　　第二选择孙步骤：将所述欧几里得距离最小的第二初始特征点作为所述后续特征点。

　　5.如权利要求4所述的翻越路障的识别方法，其特征在于，在所述第一选择孙步骤之

　　6.如权利要求1所述的翻越路障的识别方法，其特征在于，所述确认步骤包括：

　　确认子步骤：若所述行进轨迹与所述路障位置相交，且所述行进轨迹的长度不小于预

　　设长度，且所述行进轨迹中相交部分的轨迹高于其他部分轨迹，则确认所述目标人物出现

　　7.如权利要求1至6任意一项所述的翻越路障的识别方法，其特征在于，所述跟踪队列

　　第一识别单元，用于在当前帧图像中识别路障的所处位置；所述路障包括围栏或围墙；

　　第二识别单元，用于在所述当前帧图像中识别目标人物所处的矩形区域中的目标特征

　　点，并将所述目标特征点放入跟踪队列；所述矩形区域用于框定所述目标人物所处的图像

　　第三识别单元，用于分别在多个后续帧图像中识别与所述跟踪队列中目标特征点关联

　　计算单元，用于根据所述目标特征点与多个所述后续特征点在图像中的位置，得到目

　　确认单元，用于若所述行进轨迹与所述路障位置相交，则确认所述目标人物出现翻越

　　9.一种终端设备，包括摄像模块、存储器、处理器以及存储在所述存储器中并可在所述

　　处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利

　　10.一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，其特征在

　　于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。

　　不仅给行人自身带来危险，也给交通带来了极大的隐患。通过人为地看管与制止所产生的

　　止措施。然而，传统的图像识别技术在光照或遮挡等因素下易丢失目标，不利于后面的翻越

　　并将所述目标特征点放入跟踪队列；所述矩形区域用于框定所述目标人物所处的图像位

　　提取子步骤：在所述矩形区域中提取所述目标特征点；所述目标特征点包括质点、

　　识别孙步骤：在第二后续帧图像中识别多个初始特征点；其中，所述第二后续帧图

　　于预设长度，且所述行进轨迹中相交部分的轨迹高于其他部分轨迹，则确认所述目标人物

　　特征点，并将所述目标特征点放入跟踪队列；所述矩形区域用于框定所述目标人物所处的

　　本发明实施例的第三方面提供了一种终端设备，包括摄像模块、存储器、处理器以

　　及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算

　　介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述方法的步

　　别路障的所处位置；在所述当前帧图像中识别目标人物所处的矩形区域中的目标特征点，

　　并将所述目标特征点放入跟踪队列；分别在多个后续帧图像中识别与所述跟踪队列中目标

　　特征点关联的后续特征点；根据所述目标特征点与多个所述后续特征点在图像中的位置，

　　得到目标人物的行进轨迹；若所述行进轨迹与所述路障位置相交，则确认所述目标人物出

　　现翻越路障行为。上述方案，通过目标人物的目标特征点在多个帧图像中进行跟踪匹配，得

　　到目标人体的行进轨迹，进而确定目标人物是否出现翻越路障行为。由于目标特征点受光

　　中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些

　　实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附

　　以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具

　　体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体

　　细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电

　　需要说明的是，本发明提供的识别方法的执行主体(即终端设备)可以为摄像装置

　　或其他计算设备(例如：服务器等)。其中，当执行主体为其他计算设备时，由摄像装置采集

　　图像数据或视频数据，并将图像数据或视频数据发送至其他计算设备，通过其他计算设备

　　执行识别方法。当执行主体为摄像装置时，由摄像装置采集图像数据或视频数据，并基于本

　　图1，图1示出了本申请提供的一种翻越路障的识别方法的示意性流程图。如图1所示，该识

　　的处理器获取摄像模块采集的当前帧图像后，在当前帧图像中识别路障的所处位置。其中，

　　路障包括但不限于围栏或围墙等用于阻止行人通过的物体。路障在当前帧图像中的所处位

　　置(由坐标值集合构成)可以用线或面进行表示，例如：可以用直线表示路障的所处位置，或

　　用空心矩形框表示路障的所处位置，或用实心矩形框表示路障的所处位置，在此不做任何

　　限定。优选地，由于用直线表示路障的所处位置的计算量较小，且有利于减少后续计算量，

　　故本实施例优先选用直线表示路障的所处位置，直线可用两个端点对应的坐标值进行表

　　多个后续帧图像中应用，即在处理后续帧图像时无需再次识别路障的所处位置。若摄像模

　　块可能存在移动的情况下，则在处理后续帧图像时需要再次识别路障的所处位置。

　　并将所述目标特征点放入跟踪队列；所述矩形区域用于框定所述目标人物所处的图像位

　　跟踪步骤的具体过程请参见图2，图2示出了本申请提供的一种翻越路障的识别方

　　有人物。终端设备在当前帧图像中识别目标人物的所处的矩形区域。对于矩形区域的识别

　　方式可采用YOLOX算法或Faster‑RCNN算法。其中，YOLOX算法通过将图像输入卷积神经网

　　络，实现对物体的定位与分类，输出人体在图像上的矩形区域。Faster‑RCNN算法通过RPN

　　出结果输入到一个全连接层网络中判断候选框是前景还是背景，并从中选取前景候选框。

　　路人和正在翻越路障的路人。本实施例只关注准备翻越路障的路人和正在翻越路障的路

　　人，故需要在所有当前人物中筛选目标人物(即准备翻越路障的路人和正在翻越路障的路

　　交，则将当前人物作为目标人物。可以理解的是，矩形区域与路障位置相交，表明当前人物

　　距离路障位置较近，故可能存在翻越路障行为，故可将其作为目标人物。若矩形区域与路障

　　位置不相交，则表明当前人物距离路障位置较远，故其短时间不存在翻越路障行为，无需在

　　球速体育平台

　　此刻进行跟踪，可将其排除掉，若在后续帧中矩形区域与路障位置相交，则可将其放入跟踪

　　提取子步骤：在所述矩形区域中提取所述目标特征点；所述目标特征点包括质点、

　　或矩形区域特征的点，包括但不限于质点、人体轮廓特征点、多个关节特征点或稀疏特征点

　　集等一种特征点或多种特征点之间的组合。其中，质点指的是物体运动状态时，如果不考虑

　　物体的大小，认为物体只是具有质量的点。人体轮廓特征点是指在人体轮廓上选择特定位

　　置的点。关节特征点是指人体关节处所处的位置，例如：头部位置、手肘位置、大腿位置和小

　　腿位置等等。稀疏特征点集指的是稀疏光流法中所采用的特征点。其中，目标特征点的坐标

　　系是其对应的矩形区域的坐标系，即每个矩形区域均各自对应一个坐标系，且每个坐标系

　　的位置，得到目标人物的行进轨迹。其中，后续特征点是指后续帧图像中的目标特征点。

　　关联步骤的具体过程请参见图3，图3示出了本申请提供的一种翻越路障的识别方

　　形成相交关系。故在行进轨迹与路障位置相交时，确认目标人物出现翻越路障行为。

　　然而，上述确认步骤的判定逻辑可能会形成误判，例如：当目标人物达到路障后，

　　并未翻越，而选择折返。由于此时目标人物的行进轨迹可能与路障位置相交，故会带来一定

　　误判。为了进一步提高确认步骤的识别精度，本实施例还提供了如下进一步的确认步骤：

　　且所述行进轨迹的长度不小于预设长度，且所述行进轨迹中相交部分的轨迹高于其他部分

　　相交，②行进轨迹的长度是否大于预设长度，③行进轨迹中相交部分的轨迹高于其他部分

　　其中，针对第二个识别维度而言，由于目标人物在翻越路障时，其行进轨迹是呈一

　　条近似横穿直线，故一定存在一定的长度，故可将行进轨迹的长度作为识别维度。

　　升，故行进轨迹中相交部分的轨迹一定是高于其他部分轨迹。故本实施例以上述三种识别

　　唯一编号。其中，为了更好地表征目标特征点，本实施例为每个目标特征点分配一个唯一的

　　ID，并将ID放入跟踪队列中，即跟踪队列为ID集合。在执行后续流程过程中，仅计算跟踪队

　　明的技术方案，请参见图4至图6，图4示出了本申请提供的第一翻越路障示意图，图5示出了

　　本申请提供的第二翻越路障示意图，图6示出了本申请提供的第三翻越路障示意图。如图4

　　至图6所示，终端设备识别目标人物所处的矩形区域以及矩形区域中的目标特征点(即图中

　　白色中心点)，目标人物在行进过程中，终端设备计算目标人物的行进轨迹(行进轨迹是指

　　由白点在多个时刻位置构成的轨迹)。其中，在图4至图5中目标人物暂未翻越路障时，其行

　　进轨迹的轨迹点之间的高度差异较小。在图6中目标人物正在翻越路障时，行进轨迹中相交

　　部分的轨迹高于其他部分轨迹。故可根据行进轨迹的起伏特征，确定目标人物是否翻越路

　　识别目标人物所处的矩形区域中的目标特征点，并将所述目标特征点放入跟踪队列；分别

　　在多个后续帧图像中识别与所述跟踪队列中目标特征点关联的后续特征点；根据所述目标

　　特征点与多个所述后续特征点在图像中的位置，得到目标人物的行进轨迹；若所述行进轨

　　迹与所述路障位置相交，则确认所述目标人物出现翻越路障行为。上述方案，通过目标人物

　　的目标特征点在多个帧图像中进行跟踪匹配，得到目标人体的行进轨迹，进而确定目标人

　　物是否出现翻越路障行为。由于目标特征点受光照或遮挡的影响程度较小，故具有较高的

　　可选地，在选择子步骤之后还包括如下步骤。请参见图7，图7示出了本申请提供的

　　另一种翻越路障的识别方法的示意性流程图。其中，在如图2实施例提到的识别步骤至确认

　　并将所述目标特征点放入跟踪队列；所述矩形区域用于框定所述目标人物所处的图像位