【技术实现步骤摘要】
一种基于3D点云数据的客流统计视觉方法和系统
本专利技术涉及机器视觉
，尤其涉及一种基于3D点云数据的客流统计视觉方法和系统。
技术介绍
随着城市化的发展，诸如商城、高铁、机场、公交车等有人场所越来越多，安防领域中分析视频客流行为也越来越重要。3D点云数据技术也逐步应用于安防领域。点云数据技术是一种三维图像数据处理技术，与二维彩色图像数据不同的是，点云数据拥有深度信息，该深度信息能描述任意目标与传感器的距离值，这种深度信息在当前视觉传感器中有不可替代的作用。特别是对于激光雷达红外传感器，点云技术有巨大的技术提升空间和应用价值。随着技术的发展，二维图像的处理技术日趋成熟，尤其在深度学习技术的成熟应用后，例如人脸识别、字符识别等，与二维图像相关的技术应用也日趋广泛。然而，目前将三维图像技术应用于深度神经网络还存在许多挑战，这是因为，深度神经网络成功的关键是能利用数据中以网格形式密集表示的空间上的局部相关性。然而，3D点云数据是不规则和无序的非结构化数据(无网格)，因此在这些点所关联的特征上直接求核的卷积会导...
【技术保护点】
1.一种基于3D点云数据的客流统计视觉方法，包括以下步骤：/n对于获得的3D点云数据，选择数据中的相位、振幅、环境数据融合成三通道的图像数据；/n基于所述三通道的图像数据进行运动物体分割，提取出运动物体区域；/n利用深度神经网络判别所述运动物体区域中是否有人，进而统计指定的图像区域的客流情况。/n
【技术特征摘要】
1.一种基于3D点云数据的客流统计视觉方法，包括以下步骤：
对于获得的3D点云数据，选择数据中的相位、振幅、环境数据融合成三通道的图像数据；
基于所述三通道的图像数据进行运动物体分割，提取出运动物体区域；
利用深度神经网络判别所述运动物体区域中是否有人，进而统计指定的图像区域的客流情况。
2.根据权利要求1所述的基于3D点云数据的客流统计视觉方法，其特征在于，所述深度神经网络包括第一卷积层、第二卷积层、第三卷积层、第一反卷积层、第二反卷积层和输出层，其中，所述第一卷积层的输出分别连接到所述第二卷积层和所述第二反卷积层，所述第二卷积层的输出分别连接到所述第三卷积层和所述第一反卷积层，所述第三卷积层的输出连接到所述第一反卷积层，所述第一反卷积层的输出连接到所述第二反卷积层，所述第二反卷积层的输出连接到所述输出层。
3.根据权利要求1所述的基于3D点云数据的客流统计视觉方法，其特征在于，所述3D点云数据包含相位数据、振幅数据、环境数据以及对应数据是否饱和的标识数据。
4.根据权利要求1所述的基于3D点云数据的客流统计视觉方法，其特征在于，所述运动物体的分割包括以下步骤：对所述三通道的图像数据进行滤波预处...
【专利技术属性】
技术研发人员：朱平民，
申请(专利权)人：杭州中科先进技术研究院有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。