[发明专利]一种复杂场景下的人流量统计识别方法及系统

说明书

本发明提出了一种复杂场景下的人流量统计识别方法及系统，属于人流量监测的技术领域。其中方法包括：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。本发明针对实际人流量统计过程中实时性需求，通过对接收到画面中的人物检测以及跟踪，实现对人流量的统计。

技术领域

本发明属于人流量监测的技术领域，特别是涉及一种复杂场景下的人流量统计识别方法及系统。

背景技术

随着经济社会的推进，对时间段内的人流量统计可以有效掌握当前路段内的客流量情况，满足统计研究的需求。人流量数据作为公共场合进行管理的重要依据，一直是实现行人目标准确定位的研究技术难点之一。

现有技术中，人流量统计的方法难以适应复杂多变的场景，且效率低下，难以满足实时性的需求，进而导致统计结果作为研究依据的可行性大幅度降低。

发明内容

发明目的：提出一种复杂场景下的人流量统计识别方法及系统，以解决现有技术存在的上述问题。在复杂统计背景下，针对实际人流量统计过程中实时性需求，构建目标检测模型和轨迹跟踪模型，通过对接收到画面中的人物检测以及跟踪，实现对人流量的统计。

技术方案：第一方面，提出了一种基于深度特征融合的模板匹配跟踪方法，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，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。

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；其中，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。

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。

在第一方面的一些可实现方式中，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。另外，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。