1.一种基于过街行人步速分类的信号配时方法，其特征在于，包括：S1：获取过街信号灯处的目标行人视频；

S2：通过目标检测算法对目标行人视频的视频帧进行目标检测，确定对应视频帧中的行人目标；

S3：通过目标跟踪算法对视频帧中的行人目标进行目标跟踪，为各个行人目标匹配对应的唯一标注ID，并预测更新各个行人目标的行进轨迹；

S4：根据行人目标的唯一标注ID在数据库中创建对应的唯一数据ID，并将对应行人目标在各帧视频帧中的行进轨迹与其对应的唯一数据ID关联记录；

S5：对于每个当前视频帧，根据该视频帧中各个行人目标的唯一标注ID在数据库中匹配对应的唯一数据ID，并获取对应唯一数据ID关联记录的行进轨迹，进而判断各个行人目标的过街意图；

步骤S5中，通过如下步骤判断行人目标的过街意图：S501：获取行人目标对应的唯一数据ID关联记录的行进轨迹；

S502：根据预设的矩形判定区域计算该行人目标各个行进轨迹对应的值偏移量，当值偏移量小于设置的误差范围值时，判断该行人目标的该行进轨迹具有行动趋向；

通过如下公式表示行人目标检测框的矩形判定区域与人行道交线的直线方程：Ax+By+C＝0；

通过如下公式计算值偏移量：

式中：offset表示值偏移量；x

S503：在连续多帧视频帧中检测该行人目标各个行进轨迹的行动趋向，直至该行人目标停下等待过街；

S504：从有行动趋向的行进轨迹中提取该行人目标的移动向量，并输入使用机器学习训练得到的行人过街预测模型，输出对应的该行人过街概率；

S505：若行人过街概率大于设置的过街概率阈值，则判断该行人目标具有过街意图；否则，该行人目标不具有过街意图；

S6：根据有过街意图的行人目标步速进行人群分类以确定过街人群类型，进而根据过街人群类型动态调控过街信号灯的信号配时；

步骤S6中，通过如下步骤实现动态调控信号灯配时的时间：S601：获取有过街意图的行人目标的数量和步速；

S602：通过聚类算法根据行人目标的步速对有过街意图的行人目标进行聚类，得到行动迟缓人群和行动正常人群两种类型的过街人群；

S603：将人数多的过街人群作为过街主体人群，计算过街主体人群的平均步速；

S604：根据过街主体人群的平均步速调控当前信号灯配时的时间；

将每次过街的信号灯配时以三次配时调控作为一个周期：前两次配时调控，以人行道处过街路径长度除以过街主体人群平均步速的95％置信区间，得到过街主体人群的信号灯时长调控范围，并将该范围的上限设置为信号灯配时的时间；第三次配时调控时，过街主体人群无论是哪一类人群，都以人行道处过街路径长度除以行动迟缓人群平均步速的95％置信区间，得到行动迟缓人群的信号灯时长调控范围，并将该范围的时长上限作为配时时间；

通过如下步骤计算信号灯时长调控范围：

1)计算过街人群中行人目标步速的期望μ和方差σ

2)取显著性水平α为5％，根据期望μ和方差σ

公式描述如下：

其中，显著性水平α为5％时对应的标准分数Z

3)使用人行道处过街路径长度L除以过街人群平均步速的95％置信区间，得到了信号灯绿灯时长T的调控范围；

公式描述如下：

2.如权利要求1所述的基于过街行人步速分类的信号配时方法，其特征在于：步骤S2中，通过Yolov5算法作为目标检测算法对视频帧进行目标检测，确定对应视频帧中所有的行人目标。

3.如权利要求2所述的基于过街行人步速分类的信号配时方法，其特征在于：步骤S3中，通过Deep Sort算法作为目标跟踪算法为各个行人目标匹配对应的唯一标注ID，并预测更新各个行人目标的行进轨迹。

4.如权利要求3所述的基于过街行人步速分类的信号配时方法，其特征在于，DeepSort算法包括如下处理步骤：S301：将当前视频帧中所有的行人目标作为Deep Sort算法的输入；

S302：通过卡尔曼滤波对当前视频帧中所有的行人目标进行目标跟踪，预测每个行人目标在下一视频帧中的状态，并预测生成各个行人目标的检测框；

S303：通过匈牙利算法将当前视频帧中各个行人目标的检测框和上一视频帧中已知行人目标的检测框进行匹配，匹配成功，则为对应行人目标获取其在上一视频帧中的唯一标注ID和行进轨迹；

S304：通过级联匹配将之前视频帧中未匹配成功的行进轨迹与当前视频帧中未匹配成功的检测框进行匹配，匹配成功，则将对应的检测框与其匹配成功的行进轨迹关联；

S305：输出当前视频帧中所有行人目标的唯一标注ID和更新后的行进轨迹。

5.如权利要求1所述的基于过街行人步速分类的信号配时方法，其特征在于：步骤S5中，数据库中的唯一数据ID包括丢失态、匹配成功态和创建检测态三种状态；

丢失态是指，数据库中的唯一数据ID持续失去匹配的次数达到设置的失匹配阈值；

匹配成功态是指，行人目标的唯一标注ID在数据库中匹配到对应的唯一数据ID；

创建检测态是指，行人目标的唯一标注ID在数据库中未匹配到对应的唯一数据ID。

6.基于过街行人步速分类的信号配时系统，其特征在于：基于权利要求1中所述的基于过街行人步速分类的信号配时方法实施，包括：目标识别模块，用于通过目标检测算法对目标行人视频的视频帧进行目标检测，确定对应视频帧中的行人目标；

目标跟踪模块，用于通过目标跟踪算法对视频帧中的行人目标进行目标跟踪，为各个行人目标匹配对应的唯一标注ID，并预测更新各个行人目标的行进轨迹；

过街意图预测模块，根据行人目标的唯一标注ID在数据库中创建对应的唯一数据ID，并将对应行人目标在各帧视频帧中的行进轨迹与其对应的唯一数据ID关联记录；同时对于每个当前视频帧，根据该视频帧中各个行人目标的唯一标注ID在数据库中匹配对应的唯一数据ID，并获取对应唯一数据ID关联记录的行进轨迹，进而判断各个行人目标的过街意图；

通过如下步骤判断行人目标的过街意图：

S501：获取行人目标对应的唯一数据ID关联记录的行进轨迹；

S502：根据预设的矩形判定区域计算该行人目标各个行进轨迹对应的值偏移量，当值偏移量小于设置的误差范围值时，判断该行人目标的该行进轨迹具有行动趋向；

通过如下公式表示行人目标检测框的矩形判定区域与人行道交线的直线方程：Ax+By+C＝0；

通过如下公式计算值偏移量：

式中：offset表示值偏移量；x

S503：在连续多帧视频帧中检测该行人目标各个行进轨迹的行动趋向，直至该行人目标停下等待过街；

S504：从有行动趋向的行进轨迹中提取该行人目标的移动向量，并输入使用机器学习训练得到的行人过街预测模型，输出对应的该行人过街概率；

S505：若行人过街概率大于设置的过街概率阈值，则判断该行人目标具有过街意图；否则，该行人目标不具有过街意图；

信号灯配时模块，用于根据有过街意图的行人目标步速进行人群分类以确定过街人群类型，进而根据过街人群类型动态调控过街信号灯的信号配时；

通过如下步骤实现动态调控信号灯配时的时间：

S601：获取有过街意图的行人目标的数量和步速；

S602：通过聚类算法根据行人目标的步速对有过街意图的行人目标进行聚类，得到行动迟缓人群和行动正常人群两种类型的过街人群；

S603：将人数多的过街人群作为过街主体人群，计算过街主体人群的平均步速；

S604：根据过街主体人群的平均步速调控当前信号灯配时的时间；

将每次过街的信号灯配时以三次配时调控作为一个周期：前两次配时调控，以人行道处过街路径长度除以过街主体人群平均步速的95％置信区间，得到过街主体人群的信号灯时长调控范围，并将该范围的上限设置为信号灯配时的时间；第三次配时调控时，过街主体人群无论是哪一类人群，都以人行道处过街路径长度除以行动迟缓人群平均步速的95％置信区间，得到行动迟缓人群的信号灯时长调控范围，并将该范围的时长上限作为配时时间；

通过如下步骤计算信号灯时长调控范围：

1)计算过街人群中行人目标步速的期望μ和方差σ

2)取显著性水平α为5％，根据期望μ和方差σ

公式描述如下：

其中，显著性水平α为5％时对应的标准分数Z

3)使用人行道处过街路径长度L除以过街人群平均步速的95％置信区间，得到了信号灯绿灯时长T的调控范围；

公式描述如下：