本技术涉及程序控制，尤其涉及一种道路环卫智能洒水控制方法。
背景技术：
1、目前，道路环卫洒水车在执行洒水作业时，为了保障行人安全，通常配备有摄像头或传感器，用于检测前方道路上的行人。当检测到将要经过行人时，洒水车会自动停止洒水，以避免对行人造成不便或安全隐患。然而，现有的洒水控制方法主要基于对行人位置的识别，默认行人的行为是可预测且可控的。
2、但在实际生活中，会有行人在道路上使用牵引绳牵引宠物狗。宠物狗的行为具有不确定性，容易受到外界环境的刺激。当洒水车接近时，警报声、洒水声或水流可能会惊吓到宠物狗，导致其突然改变方向或速度。这种情况下，如果按照正常行人的停止洒水范围对牵引人进行避让时，由于停止洒水范围小，宠物狗可能通过牵引绳拉动行人，导致行人意外进入洒水区域，或者行人在控制宠物又要避免进入洒水区域的过程中失去平衡，造成跌倒等非接触性事故。
3、因此，现有技术仍然存在一些问题，导致无法在洒水作业时更好的避让行人。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种道路环卫智能洒水控制方法，能够更好的避让道路旁行人。
2、本技术提供了一种道路环卫智能洒水控制方法，包括以下步骤：
3、通过相机获取预定洒水路径上道路行人的图像序列；
4、根据道路行人的图像序列，通过预设的目标识别模型评断道路行人是否在对宠物进行牵引；
5、若存在道路行人对其宠物进行牵引时，标记该牵引宠物的道路行人作为牵引人，在接近牵引人时提前开始执行预定的前置洒水控制动作，以降低被牵引宠物对其牵引人的干扰。
6、可选的，还包括以下步骤：
7、计算至牵引人处提前开始需控制洒水的距离：
8、获取牵引人和其被牵引宠物的体型比率，根据所述体型比率通过预设的前置风险值计算函数计算得到前置风险值，所述前置风险值计算函数的设置使得被牵引宠物的体型越接近于牵引人的体型时，前置风险值越高；
9、根据所述前置风险值，通过预设的控制洒水距离计算函数计算得到至牵引人处提前开始需控制洒水的距离，所述控制洒水距离计算函数的设置使得所述前置风险值的数值越大时，所述提前开始需控制洒水的距离越大；
10、在距离牵引人前的所述提前开始需控制洒水的距离处开始执行预定的前置洒水控制动作。
11、可选的，所述牵引人和其被牵引宠物的体型比率通过以下步骤计算得到：
12、在检测到牵引人时，获取第一时间窗口的牵引人的图像序列；
13、对于第一时间窗口内的每一张照片，提取牵引人和其被牵引宠物的轮廓；
14、计算每一张照片中牵引人和其被牵引宠物的轮廓的面积，通过预设的体型比率计算函数得到牵引人和其被牵引宠物的体型比率；
15、所述预设的体型比率计算函数为：
16、
17、其中，i为第一时间窗口内的照片总数，i为第一时间窗口内的第i张照片，a(p,i)为第i张照片中被牵引宠物的轮廓面积，a(m,i)为第i张照片中牵引人的轮廓面积；
18、
19、其中，为整个第一时间窗口内所有照片中被牵引宠物的轮廓面积的平均值。
20、可选的，还包括以下步骤：
21、所述预定的前置洒水控制动作包括干扰增强阶段和干扰减弱阶段，在开始执行预定的前置洒水控制动作时先进入预定时长的干扰增强阶段，在干扰增强阶段中，增强洒水时对外部发出的干扰刺激，在退出干扰增强阶段后，进入干扰减弱阶段，减弱洒水对外部发出的干扰刺激，直至到达牵引人所在位置；
22、根据执行预定的前置洒水控制动作时该牵引人的可见光图像序列以及前置风险值，计算经过牵引人后需控制洒水的距离：
23、在干扰增强阶段时，根据执行预定的前置洒水控制动作时该牵引人的可见光图像序列，通过预设的姿态识别模型获取牵引人的姿态变化以确定当前是否退出干扰增强阶段；
24、根据所述干扰增强阶段的长度通过预设的后置风险值计算函数对前置风险值进行改变以得到后置风险值，以使得干扰增强阶段越长时得到的后置风险值越低；
25、根据所述后置风险值，通过预设的控制洒水距离计算函数计算得到经过牵引人后需控制洒水的距离；
26、维持干扰减弱阶段，直到离开牵引人后的所述经过牵引人后需控制洒水的距离时，退出干扰减弱阶段。
27、可选的，所述预设的姿态识别模型通过以下步骤训练得到：
28、构建所述姿态识别模型框架，所述姿态识别模型框架包括输入层、骨骼点特征提取层、特征整合层、卷积神经网络层和输出层；
29、输入层，用于接收进入干扰增强阶段后牵引人的可见光图像；
30、骨骼点特征提取层，为预设的骨骼关键点提取算法，用于接收输入层输出的数据，并对牵引人的可见光图像中牵引人的骨骼关键点进行标定，所述骨骼关键点包括肩部、手肘部和腿部；
31、特征整合层用于创建一个预设大小的滑动输入窗口，用于接收预设大小时间内骨骼点特征提取层的输入，以形成一个骨骼点特征变化序列向外输出；
32、卷积神经网络层，用于接收特征整合层传递的骨骼点特征变化序列，对所述骨骼点特征变化序列进行数据处理后向外输出；
33、输出层，用于获取卷积神经网络层的输出，对卷积神经网络层的输出进行数据处理后向外输出；
34、收集多个牵引人牵引宠物时的不同姿态的图像序列，对其牵引姿态是否失衡进行标定，以得到用于训练姿态识别模型的训练集；
35、以所述姿态识别模型框架作为网络框架，牵引人牵引宠物时不同姿态的图像序列作为输入，牵引姿态是否失衡作为标签，以此训练得到姿态识别模型。
36、可选的，所述预设的目标识别模型通过以下步骤训练得到：
37、收集多个牵引人牵引宠物的图像以及未牵引宠物的道路行人的图像作为目标识别训练集，对目标识别训练集中每个图像的人是否在牵引宠物进行标注；
38、以卷积神经网络作为网络框架，目标识别训练集的图片作为输入，是否在牵引宠物作为标签，以此训练得到目标识别模型。
39、本技术提供的技术方案与现有技术相比具有如下优点：
40、其有益效果之一的论述为，本技术提供的智能洒水方法通过在洒水过程中利用相机获取预定洒水路径上道路行人的图像序列。然后，利用预设的目标识别模型对所述图像序列进行分析，评断道路行人是否在对宠物进行牵引。当检测到存在牵引宠物的行人时，将该牵引宠物的道路行人标记为牵引人。在洒水车辆接近牵引人时提前开始执行预定的前置洒水控制动作，包括减速、停止洒水或停止发出警示声音等，以降低洒水作业对被牵引宠物的干扰，从而减少宠物因受到刺激而产生的不确定行为。
41、因此本技术通过识别牵引宠物的行人并提前采取减弱宠物应激可能性的洒水控制动作，降低了宠物带来的不确定性对洒水作业和行人安全的影响。因为宠物尤其是狗的行为具有不确定性，容易受到外界环境的刺激，如洒水车辆的声音、洒水动作或警示信号，导致宠物受到惊吓，从而通过牵引绳拉动行人。这导致行人可能意外进入洒水区域，或者在试图控制宠物的过程中失去平衡，造成跌倒等非接触性事故。现有技术仅基于对行人位置的识别，默认行人的行为是可预测且可控的，无法有效应对宠物带来的行为不确定性。本技术充分考虑了宠物和牵引人组合导致的人类行为不确定性，通过降低洒水作业对宠物的刺激，避免了宠物受到惊吓后拉动行人进入洒水区域或引发其他安全隐患，提高了洒水作业的安全性。
42、因此本技术提供的道路环卫智能洒水控制方法能够更好的避让道路旁行人。
43、其有益效果之二的论述为，由于宠物狗具有不同的体型，体型较大的狗对其主人的干扰能力更强，尤其是在受到外界刺激时，容易通过牵引绳拉动主人，导致主人失去平衡或意外进入洒水区域。干扰的程度与宠物狗和主人的体型都有关系。当宠物狗的体型接近或超过主人体型时，主人的控制能力会进一步降低。本技术通过考虑宠物狗和其主人的体型因素，确定体型比率，进而计算前置风险值，以得到提前开始需控制洒水的距离，使得洒水车辆能够根据实际情况调整洒水的控制力度。针对体型较大的宠物狗，洒水车辆会在更远的距离提前开始执行洒水控制动作，给宠物带来更长的时间窗口去适应，从而降低宠物产生不确定行为的可能性，减少对牵引人的干扰，从而去防止可能发生的非接触性事故。通过综合考虑宠物和主人的体型，本技术提升了洒水作业的安全性和可靠性。
44、其有益效果之三的论述为，在计算体型比率时，首先获取第一时间窗口的牵引人的图像序列。对于该第一时间窗口内的每一张图像，分别提取牵引人和其被牵引宠物的轮廓，以分别计算各自的轮廓面积。随后，本技术根据预设的体型比率计算函数，采用加权平均的方法对每一张图像中的体型比率进行综合计算以此得到最后的体型比率，其中的权重系数基于每张图像中被牵引宠物轮廓面积与该时间窗口内所有图像中被牵引宠物轮廓面积的平均值之比确定。这一计算方法通过赋予轮廓面积较大的图像更高的权重，关注宠物呈现出更大面积时的图像比率，从而有效消除了由于牵引人和宠物在不同角度和姿态下导致的面积测量误差，确保了体型比率计算的稳定性和准确性。通过这种方式，本技术能够更加准确地评估得到牵引人和宠物之间的体型比率，进而更加合理的确定前置风险值，以此得到更加合理的提前开始需控制洒水的距离。
45、其有益效果之四的论述为，宠物，尤其对于宠物狗而言一般具有不同的性格和训练程度，如果仅仅依靠宠物的体型来判断控制洒水的范围，可能会导致停止洒水范围过大，从而导致洒水作业效率降低。为此，本技术在洒水车辆接近牵引人和宠物时，进一步通过预设的姿态识别模型，对牵引人的可见光图像序列进行分析，获取牵引人的姿态变化，以判断宠物狗的性格、行为模式和适应能力，从而调整后续的停止洒水范围。
46、当洒水车辆进入预定的前置洒水控制动作阶段，首先进入干扰增强阶段，增强洒水对外部发出的干扰刺激，如加大警示音量或频率。此时，通过姿态识别模型，实时监测牵引人的姿态变化，判断其是否出现因宠物行为导致的失衡等异常情况。如果检测到牵引人姿态稳定，宠物行为平稳，则正常经过一段预定时长后退出干扰增强阶段，进入干扰减弱阶段。根据干扰增强阶段的持续时间，利用预设的后置风险值计算函数，对前置风险值进行调整，得到后置风险值。干扰增强阶段越长，说明宠物的不确定性越低，后置风险值越低，洒水车辆经过牵引人后需继续控制洒水的距离越小。
47、反之，如果检测到牵引人姿态不稳定，说明宠物行为不稳定，则立即退出干扰增强阶段进入干扰减弱阶段，干扰增强阶段持续时间越短，说明宠物的不确定性越高，后置风险值越高使得后续的控制洒水的距离相应增加。通过这种动态调整，洒水车辆能够根据宠物狗的性格和行为模式，动态的确定适当的停止洒水范围，从而尽可能的提高了洒水的效率。
1.道路环卫智能洒水控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的道路环卫智能洒水控制方法，其特征在于，还包括以下步骤：
3.根据权利要求2所述的道路环卫智能洒水控制方法，其特征在于，所述牵引人和其被牵引宠物的体型比率通过以下步骤计算得到：
4.根据权利要求2所述的道路环卫智能洒水控制方法，其特征在于，还包括以下步骤：
5.根据权利要求4所述的道路环卫智能洒水控制方法，其特征在于，所述预设的姿态识别模型通过以下步骤训练得到：
6.根据权利要求1所述的道路环卫智能洒水控制方法，其特征在于，所述预设的目标识别模型通过以下步骤训练得到：
