[发明专利]基于景深注意力网络的客流分布统计方法及装置

权利要求书

1.一种基于景深注意力网络的客流分布统计方法，其特征在于，包括：

获取客流监控数据；

将所述客流监控数据输入至客流分布统计模型中，得到所述客流分布统计模型输出的客流信息，客流信息包括：客流的密度分布图和/或人数统计数据，其中，所述客流分布统计模型是通过客流监控样本数据和实际客流数据训练得到的；

所述客流分布统计模型使用景深注意力机制对视频中多种景深空间进行特征增强，并基于特征增强后的数据，得到所述客流的密度分布图和/或人数统计数据。

2.根据权利要求1所述的基于景深注意力网络的客流分布统计方法，其特征在于，所述客流分布统计模型包括特征提取分类层、特征增强层和特征融合层，

所述特征提取分类层用于提取监控视频/图像的多层次行人关键点特征，以生成多层次行人关键点特征图；

所述特征增强层用于基于双域景深注意力机制分别对所述多层次行人关键点特征图进行特征增强，以生成N种增强景深特征图，N为大于或等于2的自然数；以及

所述特征融合层用于对多种景深特征融合，生成代表人群空间分布情况的所述密度分布图，并对所述密度分布图进行积分统计场景中的客流数量以得到所述人数统计数据。

3.根据权利要求2所述的基于景深注意力网络的客流分布统计方法，其特征在于，还包括：对监控视角下视频/图像内所包含的人进行建模，其中，所述建模包括：将行人表示为空间上的一个坐标点，经过关键点特征映射，生成多个行人坐标点的空间分布图。

4.根据权利要求2所述的基于景深注意力网络的客流分布统计方法，其特征在于，所述基于双域景深注意力机制分别对所述多层次行人关键点特征图进行特征增强，以生成N种增强景深特征图包括：

基于所述双域景深注意力机制之中的通道域注意力机制，沿c维度对通道维度进行特征增强，以及

基于所述双域景深注意力机制之中的空间域注意力机制，沿w和h维度对空间维度进行特征增强，

其中，c代表通道域维度，w和h代表空间域维度。

5.根据权利要求4所述的基于景深注意力网络的客流分布统计方法，其特征在于，所述多层次行人关键点特征图中的每层行人关键点特征图F具有特征参数w、h和c。

6.根据权利要求5所述的基于景深注意力网络的客流分布统计方法，其特征在于，所述基于所述双域景深注意力机制之中的通道域注意力机制，沿c维度对所述通道维度进行特征增强包括：

将具有所述特征参数w、h和c的所述每层行人关键点特征图F通过空间变换以得到所述特征参数w、h、c的二维矩阵，再将所述二维矩阵与所述二维矩阵的转置矩阵相乘得到通道注意力矩阵C，最后对所述通道注意力矩阵C进行空间反变换，并与所述每层行人关键点特征图F按元素相乘，得到通道域增强景深特征图。

7.根据权利要求5所述的基于景深注意力网络的客流分布统计方法，其特征在于，基于所述双域景深注意力机制之中的通道域注意力机制，沿w和h维度对所述空间维度进行特征增强包括：

将具有所述特征参数w、h和c的所述每层行人关键点特征图F通过两层卷积和空间变换以得到空间注意力矩阵S₁和S₂，将S₂转置与S₁相乘得到空间注意力矩阵S，最后对所述通道注意力矩阵S进行空间反变换，并与所述每层行人关键点特征图F按元素相乘，得到空间域增强景深特征图。

8.根据权利要求2所述的基于景深注意力网络的客流分布统计方法，其特征在于，所述方法还包括：将通道域和空间域的增强特征图进行融合，得到双域注意力特征图。