[发明专利]一种基于深度学习人头检测的密集人流量统计方法

说明书

一种基于深度学习人头检测的密集人流量统计方法：步骤一）人工收集监控场景的监控录像，在监控录像中用人头框标注场景人头数据，利用深度学习框架建立人头检测的深度残差卷积神经网络，并且对神经网络进行训练；步骤二）将监控录像逐帧实时输入训练好的深度残差卷积神经网络，得到监控视频每帧中的所有人头框；步骤三）对于当前帧图片，判断图片中每个人头框是否已被统计过，若当前帧没有人头框则转至S2；步骤四）将步骤三）中判断为未统计过的人头框进行逐帧跟踪判断，若确认为有效的人头则加总至人头总数，否则舍弃该人头框。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于深度学习人头检测的密集人流量统计方法。

背景技术

近来年，随着社会对安全保障需求的日益提高，火车站、地铁站、机场等客流密集场所，摄像头部署量大幅提高。在当前众多的监控场景中，人流量的统计工作通常由人工观察的方式完成。由于摄像机的部署量大，导致了人工观察的工作量同样巨大，从而使得充分利用更多的影像资料变得极其困难。

最近，包括 “一种在垂直视角下基于深度学习的客流计数方法”在内的大量基于深度学习的人形检测技术被用于客流量统计任务，但仍无法有效解决如下问题：

1 当人流量密集时，行人间存在严重的相互遮挡，以及背包等物品的遮挡而导致对人的漏检问题。

2 实际场景的背景十分复杂，存在大量的非人移动物体。如上下行的电梯，进站的地铁，播放各种广告的银幕等，这些复杂的移动物体经常导致误检。

3部分监控摄像头本身分辨率不足，当行人距离较远时，其成像并不清晰，进而导致漏检。

发明内容

为了克服传统的图像处理和已有的深度学习技术在监控录像中高密度人群计数的缺点与不足，本发明提出了利用深度残差卷积神经网络进行人头检测，使用人工标注好的数据对网络进行训练，使神经网络自动学习图片中人头的特征，从而预测图片中不同尺度人头的准确位置。在实际场景使用中，将视频流的每一帧图像输入该网络，网络将预测出每一帧中所有人头的位置，同时利用卡尔曼滤波剔除那些已经被计数的人头，再经过加总得到人流量统计。这里，相比于通过头肩，人形的计数方案，可以更好的避免由于密集人流的相互遮挡而带来的漏检。

本发明是通过如下技术方案实现的：

一种基于深度学习人头检测的密集人流量统计方法，包括如下步骤：

步骤一）人工收集监控场景的监控录像，在监控录像中用人头框标注场景人头数据，利用深度学习框架建立人头检测的深度残差卷积神经网络，并且对神经网络进行训练；

对神经网络进行训练的方法为：先对图像数据做数据增强，再将增强后的图像数据输入神经网络，迭代训练神经网络；

步骤二）将监控录像逐帧实时输入训练好的深度残差卷积神经网络，得到监控视频每帧中的所有人头框；

步骤三）对于当前帧图片，判断图片中每个人头框是否已被统计过，若当前帧没有人头框则转至S2；

步骤四）将步骤三）中判断为未统计过的人头框进行逐帧跟踪判断，若确认为有效的人头则加总至人头总数，否则舍弃该人头框。

进一步地，所述步骤一）中，深度残差卷积神经网络包括15层主干网络和三个输出支路：主干网络包含15个卷积层，卷积核大小均为3×3，分别在第1层、第2层和第11层卷积层步长为2，其余卷积层步长为1；按残差结构要求，每两个步长为1的卷积层添加一个跳连结构；每层卷积后使用线性修正单元ReLU函数进行激活；3个输出支路各自含有3个卷积层，分别连接在主干网络第10层、第13层、第15层，卷积核大小均为1×1，步长为1；除最后一层外，每层卷积后使用线性修正单元ReLU函数进行激活。

进一步地，所述步骤一)中，对神经网络进行训练的方法具体为：