行人流量漏斗生成方法及装置、存储介质、电子设备制造方法及图纸

本公开涉及数据处理技术领域，尤其涉及一种行人流量漏斗生成方法及装置、存储介质、电子设备。该方法可以包括获取当前帧图像，根据多目标跟踪算法在所述当前帧图像中对跟踪序列集合中的头肩区域进行跟踪和更新；根据头肩识别模型获取所述当前帧图像中的头肩区域，并根据所述当前帧图像中的头肩区域对所述跟踪序列集合进行更新；分析所述跟踪序列集合中各头肩区域的运动轨迹以对所述行人进行计数，并在所述当前帧图像为最后一帧图像时，基于所述行人的计数结果生成一行人流量漏斗。本公开提高了检测头肩区域的准确率，避免了头肩区域的漏检，进而提高了行人计数的准确率，从而提高了行人流量漏斗的准确率。

Pedestrian Flow Funnel Generation Method and Device, Storage Media and Electronic Equipment

【技术实现步骤摘要】
行人流量漏斗生成方法及装置、存储介质、电子设备
本公开涉及数据处理
，尤其涉及一种行人流量漏斗生成方法及装置、存储介质、电子设备。
技术介绍
随着社会的不断进步，视频监控系统的应用范围越来越广。在超市、商场、体育馆以及机场车站等场所的出入口常安装有监控摄像机，以便保安人员和管理者对这些场所的出入口进行监控。另一方面，超市、商场、体育馆以及机场车站等场所进出的人流量对于上述场所的经营者或管理者来说有着重要的意义，其中，人流量是指按一定方向流动的人数，本文中特指按进入/离开两个方向流动的人数。现有的视频监控中，人流量统计主要是通过监控人员人工清点来实现。这种人工统计人流量的方法在监控时间短、人流量稀疏的情况下比较可靠，但由于人眼生物特性的限制，当监控时间较长，人流量密集时，统计的准确性将大大下降(即出现漏检)，而且人工统计的方式需要耗费大量的人力成本。在此基础上，若要统计人流量的性别和年龄，会更进一步的降低统计的效率和准确率，且增加成了本。此外，由于人流量和性别年龄的统计准确率低，因此，基于不准确的人流量和性别年龄的统计数据得到的流量漏斗的准确度也不高，从而使得统计人员通过该流量漏斗无法得到到更加准确的分析数据。因此，需要提供一种行人流量漏斗生成方法，以更加快速且准确的获取人流量数据和性别年龄统计数据，进而基于准确的人流量数据和性别年龄统计数据生成更加准确的行人流量漏斗。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种行人流量漏斗生成方法及装置、存储介质、电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。根据本公开的一个方面，提供一种行人流量漏斗生成方法，包括：获取当前帧图像，根据多目标跟踪算法在所述当前帧图像中对跟踪序列集合中的头肩区域进行跟踪和更新；根据头肩识别模型获取所述当前帧图像中的头肩区域，并根据所述当前帧图像中的头肩区域对所述跟踪序列集合进行更新；分析所述跟踪序列集合中各头肩区域的运动轨迹以对所述行人进行计数，并在所述当前帧图像为最后一帧图像时，基于所述行人的计数结果生成一行人流量漏斗。在本公开的一种示例性实施例中，在所述获取当前帧图像之前还包括：获取第一帧图像，并根据所述头肩识别模型获取所述第一帧图像中的头肩区域，并通过所述头肩区域对所述跟踪序列集合进行初始化。在本公开的一种示例性实施例中，所述方法还包括：根据一性别年龄识别模型识别所述跟踪序列集合中的各头肩区域的年龄段和性别。在本公开的一种示例性实施例中，所述基于所述行人的计数结果生成一行人流量漏斗包括：基于所述行人的计数结果并结合所述跟踪序列集合中的各头肩区域的年龄段和性别生成所述行人流量漏斗。在本公开的一种示例性实施例中，所述根据多目标跟踪算法在所述当前帧图像中对跟踪序列集合中的头肩区域进行跟踪和更新包括：根据核相关滤波跟踪算法在所述当前帧图像中分别对所述跟踪序列集合中的头肩区域进行跟踪和更新。在本公开的一种示例性实施例中，所述根据核相关滤波跟踪算法在所述当前帧图像中分别对所述跟踪序列集合中的头肩区域进行跟踪和更新包括：分别基于所述跟踪序列集合中的各头肩区域在上一帧图像中的位置在所述当前帧图像中获取与所述跟踪序列集合中的各头肩区域对应的候选跟踪目标；分别根据与各所述头肩区域对应的跟踪器对应的计算与各所述头肩区域对应的候选跟踪目标的响应值；将各所述头肩区域对应的候选跟踪目标中的响应值最大的候选跟踪目标确定为对应的头肩区域在所述当前帧图像中的跟踪目标；以及根据各所述头肩区域在所述当前帧图像中的跟踪目标对应的更新所述跟踪序列集合中的各头肩区域。在本公开的一种示例性实施例中，所述方法还包括：计算各所述头肩区域对应的跟踪器，包括：分别基于所述跟踪序列集合中的各头肩区域在所述上一帧图像中的位置在所述上一帧图像中获取与所述跟踪序列集合中的各头肩区域对应的第一训练样本集；分别根据与各所述头肩区域对应的第一训练样本集训练一回归模型，以得到与各所述头肩区域对应的跟踪器。在本公开的一种示例性实施例中，所述方法还包括根据卷积神经网络生成所述头肩识别模型，包括：根据ImageNet分类数据集训练MobileNet网络，以得到所述MobileNet网络的权重值；在所述MobileNet网络之上增加一预设层数的卷基层以得到头肩检测网络，其中，所述卷基层的大小逐层递减；获取标记出所述头肩区域的第二训练样本集，并根据所述第二训练样本集对保留有所述MobileNet网络的权重值的所述头肩检测网络进行训练，以得到所述头肩识别模型。在本公开的一种示例性实施例中，所述根据所述当前帧图像中的头肩区域对所述跟踪序列集合进行更新包括：计算所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域的相似度；根据所述相似度对所述跟踪序列集合进行更新。在本公开的一种示例性实施例中，所述计算所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域的相似度包括：根据下式计算所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域的相似度：其中，sim(Qi,Qj)为所述当前帧图像中的第i个头肩区域Qi与所述跟踪目标集合中的第j个头肩区域Qj的相似度，Qiarea为所述当前帧图像中的第i个头肩区域Qi的面积，Qjarea为所述跟踪序列集合中的第j个头肩区域Qj的的面积。在本公开的一种示例性实施例中，所述根据所述相似度对所述跟踪序列集合进行更新包括：根据所述相似度与一相似度阈值，分别将所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域进行匹配；若匹配成功，用所述当前帧图像中的匹配成功的头肩区域对应的替换所述跟踪序列集合中的头肩区域；若匹配失败，将所述当前帧图像中的匹配失败的头肩区域添加至所述跟踪序列集合中。在本公开的一种示例性实施例中，所述用所述当前帧图像中的匹配成功的头肩区域对应的替换所述跟踪序列集合中的头肩区域包括：分别计算所述当前帧图像中的匹配成功的头肩区域和对应的所述跟踪序列集合中的头肩区域的置信度；在所述当前帧图像中的匹配成功的头肩区域的置信度大于对应的所述跟踪序列集合中的头肩区域的置信度时，用所述当前帧图像中的匹配成功的头肩区域对应的替换所述跟踪序列集合中的头肩区域。在本公开的一种示例性实施例中，所述置信度的计算公式为：其中：conf(obj)为obj的置信度，obj为所述当前帧图像中的头肩区域或所述跟踪序列集合中的头肩区域，area(obj)为obj的面积，Score(obj)为所述头肩识别模型计算的obj的类别归属概率，α取0.5，B取1000。在本公开的一种示例性实施例中，在所述分析所述跟踪序列集合中各头肩区域的运动轨迹以对所述行人进行计数之前还包括：在所述跟踪序列集合中存在在第一预设帧数的图像中均未被从每帧图像中获取的头肩区域更新的处于跟踪状态的头肩区域时，将在第一预设帧数的图像中均未被从每帧图像中获取的头肩区域更新头肩区域从跟踪状态改为非正常状态；在所述跟踪序列集合中存在在第二预设帧数的图像中均未被从每帧图像中获取的头肩区域更新的处于非正常状态的头肩区域时，在跟踪序列集合中删除在第二本文档来自技高网...

【技术保护点】
1.一种行人流量漏斗生成方法，其特征在于，包括：获取当前帧图像，根据多目标跟踪算法在所述当前帧图像中对跟踪序列集合中的头肩区域进行跟踪和更新；根据头肩识别模型获取所述当前帧图像中的头肩区域，并根据所述当前帧图像中的头肩区域对所述跟踪序列集合进行更新；分析所述跟踪序列集合中各头肩区域的运动轨迹以对所述行人进行计数，并在所述当前帧图像为最后一帧图像时，基于所述行人的计数结果生成一行人流量漏斗。

【技术特征摘要】
1.一种行人流量漏斗生成方法，其特征在于，包括：获取当前帧图像，根据多目标跟踪算法在所述当前帧图像中对跟踪序列集合中的头肩区域进行跟踪和更新；根据头肩识别模型获取所述当前帧图像中的头肩区域，并根据所述当前帧图像中的头肩区域对所述跟踪序列集合进行更新；分析所述跟踪序列集合中各头肩区域的运动轨迹以对所述行人进行计数，并在所述当前帧图像为最后一帧图像时，基于所述行人的计数结果生成一行人流量漏斗。2.根据权利要求1所述的行人流量漏斗生成方法，其特征在于，在所述获取当前帧图像之前还包括：获取第一帧图像，并根据所述头肩识别模型获取所述第一帧图像中的头肩区域，并通过所述头肩区域对所述跟踪序列集合进行初始化。3.根据权利要求1所述的行人流量漏斗生成方法，其特征在于，所述方法还包括：根据一性别年龄识别模型识别所述跟踪序列集合中的各头肩区域的年龄段和性别。4.根据权利要求2所述的行人流量漏斗生成方法，其特征在于，所述基于所述行人的计数结果生成一行人流量漏斗包括：基于所述行人的计数结果并结合所述跟踪序列集合中的各头肩区域的年龄段和性别生成所述行人流量漏斗。5.根据权利要求1所述的行人流量漏斗生成方法，其特征在于，所述根据多目标跟踪算法在所述当前帧图像中对跟踪序列集合中的头肩区域进行跟踪和更新包括：根据核相关滤波跟踪算法在所述当前帧图像中分别对所述跟踪序列集合中的头肩区域进行跟踪和更新。6.根据权利要求5中的行人流量漏斗生成方法，其特征在于，所述根据核相关滤波跟踪算法在所述当前帧图像中分别对所述跟踪序列集合中的头肩区域进行跟踪和更新包括：分别基于所述跟踪序列集合中的各头肩区域在上一帧图像中的位置在所述当前帧图像中获取与所述跟踪序列集合中的各头肩区域对应的候选跟踪目标；分别根据与各所述头肩区域对应的跟踪器对应的计算与各所述头肩区域对应的候选跟踪目标的响应值；将各所述头肩区域对应的候选跟踪目标中的响应值最大的候选跟踪目标确定为对应的头肩区域在所述当前帧图像中的跟踪目标；以及根据各所述头肩区域在所述当前帧图像中的跟踪目标对应的更新所述跟踪序列集合中的各头肩区域。7.根据权利要求6中的行人流量漏斗生成方法，其特征在于，所述方法还包括：计算各所述头肩区域对应的跟踪器，包括：分别基于所述跟踪序列集合中的各头肩区域在所述上一帧图像中的位置在所述上一帧图像中获取与所述跟踪序列集合中的各头肩区域对应的第一训练样本集；分别根据与各所述头肩区域对应的第一训练样本集训练一回归模型，以得到与各所述头肩区域对应的跟踪器。8.根据权利要求1所述的行人流量漏斗生成方法，其特征在于，所述方法还包括根据卷积神经网络生成所述头肩识别模型，包括：根据ImageNet分类数据集训练MobileNet网络，以得到所述MobileNet网络的权重值；在所述MobileNet网络之上增加一预设层数的卷基层以得到头肩检测网络，其中，所述卷基层的大小逐层递减；获取标记出所述头肩区域的第二训练样本集，并根据所述第二训练样本集对保留有所述MobileNet网络的权重值的所述头肩检测网络进行训练，以得到所述头肩识别模型。9.根据权利要求1所述的行人流量漏斗生成方法，其特征在于，所述根据所述当前帧图像中的头肩区域对所述跟踪序列集合进行更新包括：计算所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域的相似度；根据所述相似度对所述跟踪序列集合进行更新。10.根据权利要求9所述的行人流量漏斗生成方法，其特征在于，所述计算所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域的相似度包括：根据下式计算所述当前帧图像中的各头肩区域与所述跟踪序列集合中的各头肩区域的相似度：其中，sim(Qi,Qj)为所述当前帧图像中的第i个头肩区域Qi与所述跟踪目标集合中的第j个...

【专利技术属性】
技术研发人员：车广富，陈宇，安山，刘强，翁志，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11