[发明专利]一种基于人形检测和速度计算的进出人数统计方法

说明书

本发明公开了一种通过人形检测和速度计算实现进出人数统计的方法，包括以下过程：(1)选定视频中的检测区域；(2)对选取的临近两帧中的第一帧进行人形检测；(3)采用稠密光流法计算每个行人在检测区域内的平均位移矢量；(4)计算视频样本的参考数据；(5)根据每个行人的平均位移矢量与视频样本的参考数据计算单个行人通过的比例N；(6)计算所有行人在检测区域内通过的总比例也即通过的人数。本发明提出的进出人数统计方法，不需要对视频进行逐帧处理，降低了对硬件性能的要求，且不需要跟踪每个行人的运动轨迹，可在视频质量不高，行人检测率有限的情况下使用，降低了对视频质量的要求。

技术领域：

本发明属于视频分析技术领域，特别涉及一种基于人形检测和速度计算的进出人数统计方法。

背景技术：

进出人数作为各个商场、机场、车站、博物馆、展览馆等公共场所管理方面的基础数据，是交通配置、市场决策和安全防范等领域不可或缺的重要指标。基于视频图像分析技术的进出人数统计方法具有统计精度高、实施便利等优势，因此得到广泛应用。

传统的进出人数统计，使用目标检测和目标跟踪的方法，通过行人的轨迹判别运动方向。本发明为人数统计问题提供了一种新的思路，在人形检测后利用光流等方法获取行人运动速度信息，从而能较为简单地判断行人进出、完成人数统计，且其资源消耗更小，处理速度更快，对图片的质量要求并不太高。

光流是空间运动物体在观察成像平面上的像素运动的瞬时速度，它利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前帧之间存在的对应关系，从而计算出相邻帧之间物体的运动信息的一种方法。其按理论与数学方法可分为五类：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法和神经动力学方法，也可根据所形成的光流场中二维矢量的疏密程度将光流法分为稠密光流与稀疏光流两种。

而进出人数统计的难点在于人流密集和复杂场景下对每个目标的准确检测。通过学习的方法能在不同场景下大幅提高目标检测率。目前存在传统和智能两大类目标检测算法。传统算法首先基于LBP、HOG、Harris、SIFT、SURF等算法完成目标特征提取，然后利用svm、softmax或其它回归类算法完成目标检测。智能类算法基于深度学习平台，大致分为三类：1)基于区域提议的目标检测算法，如R-CNN,Fast-R-CNN,Faster-R-CNN；2)基于回归的目标检测算法，如YOLO,SSD；3)基于搜索的目标检测算法，如基于视觉注意的AttentionNet，基于强化学习的算法等。它们通过神经网络逐层对目标特征进行提取和筛选，进而完成目标识别或检测工作。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容：

本发明的目的在于提供一种基于人形检测和速度计算的进出人数统计方法，从而克服上述现有技术中的缺陷。

为实现上述目的，本发明提供了一种基于人形检测和速度计算的进出人数统计方法，其特征在于：包括以下过程：

(1)选定视频中的检测区域，根据视频帧率和检测区域内行人移动速度，选取视频中临近的两帧进行视频处理，临近两帧之间的时间间隔为t_差，两次选取视频处理的时间间隔为t_间；

(2)对选取的临近两帧中的第一帧进行人形检测；