[发明专利]一种复杂场景下的人流量统计识别方法及系统

权利要求书

1.一种复杂场景下的人流量统计识别方法，其特征在于，包括以下步骤：

步骤1、通过信息采集设备获取当前监测区域的视频信息；

步骤2、根据按视频帧读取的方式获取视频信息中的每一帧图像数据；

步骤3、构建目标检测模型；

步骤4、利用目标检测模型对步骤2图像数据中的目标进行识别检测；

步骤5、构建轨迹跟踪模型；

步骤6、利用轨迹跟踪模型对步骤4中的识别检测结果进行信息关联，获得目标的轨迹信息；

步骤7、根据轨迹信息获得目标在监测区域中消失时间点；

步骤8、根据目标的出现和消失，完成计数。

2.根据权利要求1所述的一种复杂场景下的人流量统计识别方法，其特征在于，利用所述目标检测模型执行目标识别检测的过程包括以下步骤：

步骤4.1、所述目标检测模型接收读取到的每一帧图像数据；

步骤4.2、对接收到的图像数据执行特征提取；

步骤4.3、基于提取到的特征执行目标人物的检测识别，生成目标检测框；

步骤4.4、基于检测框的交并比结果，利用非极大值抑制重复检测目标物；

步骤4.5、输出步骤4.4的检测结果。

3.根据权利要求2所述的一种复杂场景下的人流量统计识别方法，其特征在于，所述目标检测模型基于YOLOv4模型的基本结构，在执行特征提取的过程中，通过融合不同空洞率的卷积操作，获得特征图。

4.根据权利要求2所述的一种复杂场景下的人流量统计识别方法，其特征在于，所述目标检测模型基于YOLOv4模型的基本结构，在YOLOv4模型主干网络执行下采样后，添加注意力机制，令目标检测模型自适应调整对同一空间下不同区域的权重。

5.根据权利要求1所述的一种复杂场景下的人流量统计识别方法，其特征在于，利用所述轨迹跟踪模型获得目标的轨迹信息的过程包括以下步骤：

步骤6.1、读取目标检测模型的识别检测结果，

步骤6.2、基于识别检测结果，采用卡尔曼滤波算法获得目标人物的运动信息预测；

步骤6.3、采用马氏距离获得目标人物预测框与目标人物检测框之间的误差；

步骤6.4、基于步骤6.3的误差结果，获得当前视频帧中最佳位置数据的目标；

步骤6.5、设定阈值，当目标人物的检测位置与最佳位置之间的距离小于阈值时，默认两者表示同一个目标人物，获得目标人物的轨迹运行趋势；

步骤6.6、基于步骤6.5的轨迹运行趋势，绘制出目标人物的运动轨迹。

6.根据权利要求5所述的一种复杂场景下的人流量统计识别方法，其特征在于，所述步骤6.5中匹配是否同一个目标人物的过程中，还包括匹配目标人物的外观信息；

通过构建外观特征提取网络对视频帧中的目标人物外形特征信息进行提取，获得代表目标人物信息的特征向量，在执行匹配的过程中，将提取到的特征向量与历史帧中的目标人物特征向量执行预先相似度的计算，获得两者之间的相似程度，当马氏距离的匹配结果与外观匹配结果都表示是同一个人时，结束匹配过程。

7.根据权利要求1所述的一种复杂场景下的人流量统计识别方法，其特征在于，所述步骤8执行计数的过程中，还包括：预设时间段，判断目标人物消失的轨迹点是否在监测区域边缘；

当目标人物消失的轨迹点在监测区域边缘时，直接执行计数加一操作；

当目标人物消失的轨迹点不在监测区域边缘时，执行时间标记，并判断目标任务是否再次出现；若在时间段内目标人物再次出现，则继续跟踪运行轨迹点，直至在监测边缘处消失后，执行计数加一；若在时间段内目标人物未再出现，则直接执行计数加一操作。