一种基于深度学习的计算城市街道小区人流量的方法、装置、系统及存储介质制造方法及图纸

本发明专利技术提供了一种基于深度学习的计算城市街道小区人流量的方法，包括搭建数据采集装置；搭建配置包括差分GPS、惯性测量单元、多线激光雷达及广角双目摄像头的数据采集装置；该方法还包括执行如下步骤：步骤1：广角双目摄像头采集数据，利用深度学习的行人识别算法识别行人，并输出在图像画面的位置和长宽（u，v，w,h）；步骤2：通过粒子滤波算法跟踪步骤1识别的行人；步骤3：利用激光雷达实现行人位置的精确测量；步骤4：通过差分GPS结合惯性测量单元实现在地图上的精确定位。本发明专利技术的有益效果是：能得出精确的城市街道，小区人流量统计，其显示结果能精确到每平方米上有多少个人，比当前流行的热力图热流统计更精确，更直观。

A method, device, system and storage medium for calculating the flow of people in Urban Street Based on deep learning

【技术实现步骤摘要】
一种基于深度学习的计算城市街道小区人流量的方法、装置、系统及存储介质
本专利技术涉及计算机软件领域，尤其涉及一种基于深度学习的计算城市街道小区人流量的方法、装置、系统及存储介质。
技术介绍
随着人们生活水平的提高和出行的便利，人们经常会选择在节假日等时间集中出行旅游等，因此在景区、火车站、汽车站、商场等常常会出现人流量爆满的情况，这给人们的出行带来很大的不便。百度地图发布了“景区热力图”，通过“景区热力图”，北上广深13座城市、118个商业区和景区的人流量以热力图的形式直观展示，并且在搜索结果中自动匹配。百度景区热力图基于百度搜索丰富的数据和技术积累以及百度地图实时数据采集、计算、反馈技术的强大优势，“热力图”的实时数据来自于百度地图用户手机网民的实时定位请求，百度通过复杂的算法对用户的定位请求和行动轨迹进行分析，最终以“热力图”的形式呈献给广大用户。但是，用户使用“景区热力图”必须下载百度地图，而且必须打开GPS定位服务和数据连接服务。然而百度热力图的缺点在于只能测算某一大范围地区的大概人流量，而且由于统计测算的方法是本文档来自技高网...

【技术保护点】
1.一种基于深度学习的计算城市街道小区人流量的方法，其特征在于，包括搭建数据采集装置；搭建配置包括差分GPS、惯性测量单元、多线激光雷达及广角双目摄像头的数据采集装置；/n该方法还包括执行如下步骤：/n步骤1：广角双目摄像头采集数据，利用深度学习的行人识别算法识别行人，并输出在图像画面的位置和长宽(u，v，w,h)，其中u,v表示在图像上的位置，w,h代表在图像上的宽和高；/n步骤2：通过粒子滤波算法跟踪步骤1识别的行人；/n步骤3：利用激光雷达实现行人位置的精确测量；/n步骤4：通过差分GPS结合惯性测量单元实现在地图上的精确定位。/n

【技术特征摘要】
1.一种基于深度学习的计算城市街道小区人流量的方法，其特征在于，包括搭建数据采集装置；搭建配置包括差分GPS、惯性测量单元、多线激光雷达及广角双目摄像头的数据采集装置；
该方法还包括执行如下步骤：
步骤1：广角双目摄像头采集数据，利用深度学习的行人识别算法识别行人，并输出在图像画面的位置和长宽(u，v，w,h)，其中u,v表示在图像上的位置，w,h代表在图像上的宽和高；
步骤2：通过粒子滤波算法跟踪步骤1识别的行人；
步骤3：利用激光雷达实现行人位置的精确测量；
步骤4：通过差分GPS结合惯性测量单元实现在地图上的精确定位。


2.根据权利要求1所述的方法，其特征在于：在所述步骤3中，所述精确测量为通过多线激光雷达，产生采集装置周围环境数据的点云，每个点云的坐标记为x,y,z，然后通过公式进行图像坐标(u,v)和激光点云坐标(x,y,z)的转换。


3.根据权利要求2所述的方法，其特征在于，在所述步骤3中，所述图像坐标(u,v)和激光点云坐标(x,y,z)的转换公式具体如下：



其中，S为标量，fx为x轴焦距，fy为y轴焦距，Cx为镜头光心在图像中心的x轴偏移，Cy为镜头光心在图像中心的y轴偏移，r为旋转矩阵，t为平移矩阵。


4.根据权利要求1所述的方法，其特征在于，在所述步骤4中，还包括执行如下步骤：
第1步骤：数据采集装置在工作过程中每时刻产生高精度的经纬度,相对应的笛卡...

【专利技术属性】
技术研发人员：林芳莹，冯威潮，曾国坤，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东;44