人流量统计方法及装置制造方法及图纸

本发明专利技术实施例提供一种人流量统计方法及装置，在一个实施例中，人流量统计方法，所述人流量统计方法包括：建立多个小网络作为神经网络主体；在每个小网络中输入预存的训练图像集合进行训练得到网络模型；以及将待识别图像输入训练好的网络模型进行人流量识别，得到人流量统计结果。

Method and device for statistics of human flow

The embodiment of the invention provides a device and a traffic statistical method, in one embodiment, the flow of people statistical methods, including the flow of statistical methods: the establishment of a number of small network as neural network input training image subject; pre stored aggregate network model was trained in each small network and network; the model will be trained to identify the image input traffic identification, get traffic statistics.

【技术实现步骤摘要】
人流量统计方法及装置
本专利技术涉及图像处理领域，具体而言，涉及一种人流量统计方法及装置。
技术介绍
现有技术中，通常采用红外感应的电气接触式、或者非接触式的信号个数统计来进行人流量统计。该方式对应的系统安装复杂、维护麻烦，而且存在对象难以追溯、容易误识等问题。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种人流量统计方法及装置。本专利技术实施例提供的一种人流量统计方法，所述人流量统计方法包括：建立多个小网络作为神经网络主体；在每个小网络中输入预存的训练图像集合进行训练得到网络模型；以及将待识别图像输入训练好的网络模型进行人流量识别，得到人流量统计结果。本专利技术实施例还提供一种人流量统计装置，所述人流量统计装置包括：建立模块，用于建立多个小网络作为神经网络主体；训练模块，用于在每个所述多个小网络中输入预存的训练图像集合进行训练得到网络模型；以及识别模块，用于将待识别图像输入训练好的网络模型进行人流量识别，得到人流量统计结果。与现有技术相比，本专利技术实施例的人流量统计方法及装置，利用集成学习思想，训练多个小网络，快速完成人流数量回归任务；另外，多网络互信息传递方法，加速训练网络收敛，提高人流量统计的准确性。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术较佳实施例提供的电子终端的方框示意图。图2为本专利技术较佳实施例提供的人流量统计方法的流程图。图3为本专利技术较佳实施例提供的人流量统计方法的步骤S102的详细流程图。图4为本专利技术较佳实施例提供的人流量统计方法中的模型训练的流程图。图5为本专利技术较佳实施例提供的人流量统计方法的步骤S1022的详细流程图。图6为本专利技术较佳实施例提供的人流量统计方法的步骤S103的详细流程图。图7为本专利技术较佳实施例提供的人流量统计装置的功能模块示意图。图8为本专利技术较佳实施例提供的人流量统计装置的训练模块的详细模块示意图。图9为本专利技术较佳实施例提供的人流量统计装置的识别模块的详细模块示意图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。如图1所示，是一电子终端100的方框示意图。所述电子终端100包括人流量统计装置110、存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115、显示单元116。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对电子终端100的结构造成限定。例如，电子终端100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。本实施例所述的电子终端100可以是个人计算机、图像处理服务器、或者移动电子设备等具有图像处理能力的计算设备。所述存储器111、存储控制器112、处理器113、外设接口114、输入输出单元115及显示单元116各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述人流量统计装置110包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述电子终端100的操作系统(OperatingSystem，OS)中的软件功能模块。所述处理器113用于执行存储器中存储的可执行模块，例如所述人流量统计装置110包括的软件功能模块或计算机程序。其中，所述存储器111可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。其中，存储器111用于存储程序，所述处理器113在接收到执行指令后，执行所述程序，本专利技术实施例任一实施例揭示的过程定义的电子终端100所执行的方法可以应用于处理器113中，或者由处理器113实现。所述处理器113可能是一种集成电路芯片，具有信号的处理能力。上述的处理器113可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本专利技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述外设接口114将各种输入/输入装置耦合至处理器113以及存储器111。在一些实施例中，外设接口114，处理器113以及存储控制器112可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。所述输入输出单元115用于提供给用户输入数据。所述输入输出单元115可以是，但不限于，鼠标和键盘等。所述显示单元116在所述电子终端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。随着以神经网络为代表的深度学习快速发展，图像处理有了新的提升。本申请专利技术人研究得到可以使用神经网络训练进行人流量的统计，鉴于网络的复杂程度以及运算的复杂性，直接使用单个多层的神经网络还会存在以下问题：1.传统图像处理不够稳定，难以适应复杂场景；2.一般的神经网络方法训练复杂；3.一般的神经网络方法运算成本太高，运算时间太慢。基于上述研究本申请专利技术人进一步提出一种新的神经网络结构进行人流量统计，具体通过以下几个实施例进行描述。请参阅图2，是本专利技术较佳实施例提供的应用本文档来自技高网...

【技术保护点】
一种人流量统计方法，其特征在于，所述人流量统计方法包括：建立多个小网络作为神经网络主体；在每个小网络中输入预存的训练图像集合进行训练得到网络模型；以及将待识别图像输入训练好的网络模型进行人流量识别，得到人流量统计结果。

【技术特征摘要】
1.一种人流量统计方法，其特征在于，所述人流量统计方法包括：建立多个小网络作为神经网络主体；在每个小网络中输入预存的训练图像集合进行训练得到网络模型；以及将待识别图像输入训练好的网络模型进行人流量识别，得到人流量统计结果。2.如权利要求1所述的人流量统计方法，其特征在于，所述在每个小网络中输入预存的训练图像集合进行训练得到网络模型的步骤包括：在所述预存的训练图像集合中分别获取多组指定数量的样本图像；将多组指定数量的样本图像分别输入所述小网络进行训练；重复前两个步骤指定次数，以得到所述网络模型。3.如权利要求2所述的人流量统计方法，其特征在于，所述在所述预存的训练图像集合中获取多组指定数量的样本图像的步骤包括：在所述预存的训练图像集合中有放回地选取多组指定数量的样本图像。4.如权利要求2所述的人流量统计方法，其特征在于，所述将多组指定数量的样本图像分别输入所述小网络进行训练的步骤包括：获取每个小网络的网络损失函数；将所述损失函数作为目标函数进行最优化计算得到所述损失函数为最优解时对应的参数，作为所述网络模型的模型参数。5.如权利要求2所述的人流量统计方法，其特征在于，所述将待识别图像输入训练好的网络模型进行人流量识别，得到人流量统计结果的步骤包括：将待识别图像输入所述网络模型计算得到网络回归值；当所有小网络中的回归值对应识别人数相同的比例达到...

【专利技术属性】
技术研发人员：孙晓刚，王曦，滕龙，解至煊，林云，蒋勇，胡城，李泽原，万磊，李相宇，谢文吉，周宗成，杨杰，张合安，
申请(专利权)人：深圳市中钞信达金融科技有限公司，沈阳中钞信达金融设备有限公司，
类型：发明
国别省市：广东,44