[发明专利]一种基于深度学习和多目标跟踪的行人流量统计方法

摘要

本发明涉及图像处理技术领域，其目的在于提供一种基于深度学习和多目标跟踪的行人流量统计方法。本发明主要包括以下步骤：S1：拍摄行人监控视频并读取视频中的图像；S2：设定图像的有效区域及流量计数；S3：构建基于深度学习的行人检测模型并对其进行训练；S4：进行当前行人检测，得到当前行人框的坐标及图像块；S5：利用基于深度学习的多目标跟踪算法对当前行人进行跟踪，并产生当前行人的坐标；S6：生成当前行人的移动轨迹；S7：判断当前行人是否离开有效区域；若是则进入步骤S8，若否则进入步骤S4；S8：选取噪声阈值并进行噪声判断；S9：删除当前行人在连续视频帧中的坐标。本发明可在实际使用场景中提供实施精确的流量统计结果。

主权项

1.一种基于深度学习和多目标跟踪的行人流量统计方法，其特征在于：包括以下步骤：S1：实时拍摄行人监控视频，读取行人监控视频连续视频帧中的图像；S2：设置连续视频帧中图像的有效区域，并设置初始值为0的流量计数；S3：构建基于深度学习的行人检测模型并对其进行训练；S4：利用训练好的行人检测模型对设置了有效区域的图像进行缩放，然后对图像进行当前行人检测，得到当前行人框的坐标及图像块，当前行人框用于指示在图像中存在当前行人的区域；S5：利用基于深度学习的多目标跟踪算法对当前行人进行实时跟踪，并产生当前行人在连续视频帧图像中的坐标；S6：根据当前行人在连续视频帧中图像的坐标生成当前行人的移动轨迹；S7：根据当前行人的移动轨迹，利用多目标跟踪算法实时判断当前行人是否离开有效区域；若是则进入步骤S8，若否则进入步骤S4；S8：选取噪声阈值并对当前行人的移动轨迹进行噪声判断；若当前行人的移动轨迹的坐标数小于噪声阈值，则判定当前行人的移动轨迹为噪声轨迹；若当前行人的移动轨迹的坐标数大于或等于噪声阈值，则判定当前行人的移动轨迹为有效轨迹，并对流量计数的数值加1；S9：删除当前行人在连续视频帧中的坐标，然后重复步骤S4。