[发明专利]一种封闭空间人员数量计算方法

权利要求书

1.一种封闭空间人员数量计算方法，其特征在于，包括，

步骤一、使用神经网络对存在人员归房及离开行为的照片进行训练，得到能够分类人员归房或外出行为的人员行为分类模型；

步骤二、在要监测的封闭空间入口处设置视频采集设备；

步骤三、通过对封闭空间入口的人员进出情况进行视频采集，结合所述步骤一中的模型，对人员的进出情况判定；

步骤四、通过步骤三的判定结果，对封闭空间内人员的数量进行增减调整，从而获得出人员总值。

2.根据权利要求1所述的封闭空间人员数量计算方法，其特征在于，所述人员行为分类模型的建立方法包括，

S1、准备训练数据集，数据集为人员打开房门归房和外出的训练用数据集；

S2、训练模型，通过神经网络结合S1采集到的训练数据集进行模型训练；

S3、观察损失函数，当训练数据集输出的损失函数值收敛到阈值以下或达到设置的最大迭代次数时停止训练，得到训练好的识别网络。

3.根据权利要求2所述的封闭空间人员数量计算方法，其特征在于，所述S1中准备训练数据集，具体为，

S1-1、通过视频采集装置，当房门被打开时由传感器触发视频采集装置记录开门时间点，然后以该时间点为中心，截取时间点前后一段时间的视频保存，用于作为人员行为分析模型训练用的视频数据；

S1-2、对S1-1获得视频数据做抽帧处理，隔帧截取一张图片并保存；

S1-3、从S1-2得到的图片中筛选出有人员进出行为的图片；

S1-4、对S1-3筛选后图片中的人员进行标注，分别对图片中有归房行为的人员和外出行为的人员进行不同的标注；

S1-5、将S1-4标注后的图片按照一定的规则和格式制作成数据集，并随机将数据集按比例分为训练数据集和验证数据集；

S1-6、将S1-5获得的数据集中的数据进行归一化后转换为神经网络所需要的txt文件，文件中包含图片标注的类别，标注框中心点坐标，标注框的长宽。

4.根据权利要求3所述的封闭空间人员数量计算方法，其特征在于，所述S2训练模型方法具体为，

S2-1、设置Yolov5神经网络的训练参数，学习率、迭代次数、学习率变动步长、学习率变动因子，batch size，目标框置信度阈值，非极大值抑制阈值，网络的输入宽、高及通道数；

S2-2、将S1中准备好的数据集送入网络进行训练；

S2-3、将输入神经网络的图片长宽格式化为608像素×608像素，通过卷积、上采样、残差单元、张量拼接，得到两种不同尺寸的特征图；

S2-4、将S2-3获取的两种不同尺寸的特征图，根据特征图在输入图片上映射的区域大小的范围，选取对应的预测框尺寸，每个特征图各选取3种尺寸的边界框；

S2-5、对S2-4获取到的预测框使用NMS非极大值抑制方法进行筛选，搜索局部极大值，抑制非极大值元素，消除冗余候选预测框，找到最佳的预测框位置。

5.根据权利要求4所述的封闭空间人员数量计算方法，其特征在于，所述S2-4中两种尺寸的边界框具体为，

S2-4-1、尺寸为19×19特征图检测近距离的大目标人体，对应的预测框尺寸映射到608×608的输入图像分别为142×110，192×243，459×401；

S2-4-2、尺寸为38×38的特征图检测中等距离的中等目标人体，对应的预测框尺寸映射到608×608的输入图像分别为36×75，76×55，72×146。

6.根据权利要求4所述的封闭空间人员数量计算方法，其特征在于，选用的网络模型为Yolov5s。

将Yolov5网络中的bottleneckCSP替换为Ghost Bottleneck，在少量的非线性的卷积得到的特征图基础上，再进行一次线性卷积。