一种在垂直视角下基于深度学习的客流计数方法技术

本发明专利技术提供一种在垂直视角下基于深度学习的客流计数方法，该方法垂直视角下进行人流统计，相比于斜拍视角，这个视角更容易应对商场、超市、地铁等公共场所人流很密集的情况；提出利用深度学习检测头肩，利用深度学习强大的学习能力，不需要对视频进行背景建模和前景提取，也不需要对前景进行行人切割，能够更精确更鲁棒地检测到头肩信息；进行匹配跟踪利用的是深度卷积特征，相对于HOG、LBP等手动设计的特征，深度卷积特征有更好的表达能力，能够更好的应对各种场景；本发明专利技术是直接将某一层的深度卷积特征拿来做匹配，避免了特征的重复计算，使得更加省时。

【技术实现步骤摘要】
一种在垂直视角下基于深度学习的客流计数方法
本专利技术涉及数字图像处理领域，更具体地，涉及一种在垂直视角下基于深度学习的客流计数方法。
技术介绍
近来年，视频客流计数技术一直是业界备受关注的研究热点，它也逐步应用于各大商场连锁店、超市、酒店、机场、地铁、景区等，这些场景下产生的人流量数据能够为很多领域提供很有价值的信息。对于各大商场连锁店、超市而言，面对目前火热的线上电子商务系统，如京东、淘宝、天猫、亚马逊等，线下的销售市场一直受到挤迫，科学化的管理显然是提高自身竞争力的有效手段。商场内不同时段、不同区域的人流数据在提高其经营决策的科学性、资源调度的合理性、消费环境的舒适性等方面起到了重要的作用，商业人流数据对商业的绩效考核、商品转化率、店铺选址、商品陈列、广告价值有着很重要的意义。另外，对于展览馆、体育馆、地铁站、公交站、机场等公共场所中，人流数据能够呈现实时精准的的区域人数和人群密度，管理者通过数据分析动态调整工作人员配置计划，控制区域人群数量，使资源更合理使用，同时也能加强安全防范。目前针对客流计数这个领域，现有技术中有提出了利用局部轮廓的方法去检测头部，他用椭圆模型去拟合头部本文档来自技高网...

【技术保护点】
一种在垂直视角下基于深度学习的客流计数方法，其特征在于，包括以下步骤：S1：在视频画面内绘制进出统计线；S2：利用深度学习方法在当前画面内进行行人头肩检测；S3：判断当前画面是否存在头肩，如果是则转到步骤S4；如果不是则转到步骤S2，对下一帧继续检测；S4：将当前帧检测到的头肩与跟踪列表里的头肩进行匹配更新；S5：判断跟踪目标起始点和终止点是否在进出线两侧，如果是则转到步骤S6；如果不是则转到步骤S2,对下一帧继续检测；S6：更新进出的人数信息，接着转到步骤S2,对下一帧继续检测。

【技术特征摘要】
1.一种在垂直视角下基于深度学习的客流计数方法，其特征在于，包括以下步骤：S1：在视频画面内绘制进出统计线；S2：利用深度学习方法在当前画面内进行行人头肩检测；S3：判断当前画面是否存在头肩，如果是则转到步骤S4；如果不是则转到步骤S2，对下一帧继续检测；S4：将当前帧检测到的头肩与跟踪列表里的头肩进行匹配更新；S5：判断跟踪目标起始点和终止点是否在进出线两侧，如果是则转到步骤S6；如果不是则转到步骤S2,对下一帧继续检测；S6：更新进出的人数信息，接着转到步骤S2,对下一帧继续检测。2.根据权利要求1所述的在垂直视角下基于深度学习的客流计数方法，其特征在于，所述步骤S1中当行人先经过进线再经过出线，表示离开状态，反之，当行人先经过出线再经过进线，表示进入状态。3.根据权利要求2所述的在垂直视角下基于深度学习的客流计数方法，其特征在于，所述步骤S2中使用SSD深度学习检测方法，先在应用场景进行数据学习训练，接着对采集的视频的每一帧进行头肩检测：其中N表示在多个深度卷积层匹配到的框的个数，如果N＝0，设置损失函数L()为0，是一个指示器，表示类别p上第i个检测框与第j个真实框匹配；定位损失Lloc使用的是预测框l与真实框g的L1范数损失：置信度损失Lconf采用的是头肩与背景置信度c的softmax损失：基于上述的损失函数训练出来的模型收敛后可用于行人的头肩检测，给模型输入一张图片后可得到图片中头肩框的坐标位置以及是否为头肩的置信度，接着对采集的视频的每一帧利用该模型进行行人头肩的检测，用深度学习的方法不需要对视频进行背景建模和前景提取，也不需要对前景进行行人切割，解决了...

【专利技术属性】
技术研发人员：赖剑煌，李传俊，谢晓华，
申请(专利权)人：广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44