一种基于深度光流跟踪的客流统计方法及系统技术方案

本发明专利技术的一种基于深度光流跟踪的客流统计方法及系统，包括：获取行人图像；使用事先设置好的基于深度光流跟踪的客流统计模型进行客流统计，即对于任意给出的一幅行人图像，经过深度神经网络模型前向运算后，分别输出行人头部区域的中心位置、行人头部区域的半径以及行人头部区域的运动位移量；进而获取当前帧行人头部区域的位置和相对于前帧的身份地址，更新跟踪列表；采用客流统计方法，完成客流统计。本发明专利技术采用深度学习基于一个深度神经网络模型，并行实现行人头部区域的位置检测和行人头部区域的跟踪；综合利用了图像的多尺度语义信息和帧间光流信息，客流统计更加的准确，鲁棒性更强；基于anchor‑free的策略设计深度神经网络模型，系统运行速度更快。

【技术实现步骤摘要】
一种基于深度光流跟踪的客流统计方法及系统
本专利技术涉及行人检测跟踪和客流统计
，具体涉及一种基于深度光流跟踪的客流统计方法及系统。
技术介绍
基于客流量是衡量公共场所繁忙程度的重要依据，准确的实时客流信息对于管理公共场所和调度公共设施具有重要指导意义。例如：对于公交车运输系统，掌握各个站点和时段的客流量，公交公司可以更加合理的调整线路和增减车辆，提升了资源的利用率。对于商场和超市，准确掌握实时客流量，可以动态调整工作人员数量和制定合理的营销策略。目前，客流统计主要有以下几类技术:(1)基于红外测距的统计技术，如“基于红外测距传感器的公交车客流统计系统”(中国专利申请号：CN201310731307)。该类技术虽然成本低，实现简单，但当出现密集以及拥挤的人群时，准确率会严重下降甚至失效。(2)基于视频图像处理的统计技术，如“一种基于自适应模板匹配的客流统计方法”(中国专利申请号：CN201010509217)，这是典型的基于二维图像检测和跟踪技术的，该类技术在一些特定场景，如光线稳定的室内入口处，能取得很好的统计结本文档来自技高网...

【技术保护点】
1.一种基于深度光流跟踪的客流统计方法，其特征在于：/n包括以下步骤：/n获取行人图像；/n使用事先训练好的基于深度光流跟踪的客流统计模型进行客流统计，即对于任意给出的一幅行人图像，经过深度神经网络模型前向运算后，分别输出行人头部区域的中心位置、行人头部区域的半径以及行人头部区域的运动位移量；/n根据当前帧中行人头部区域中心点位置和对应的运动位移量，进而获取当前帧行人头部区域相对于前帧的身份地址，更新跟踪列表完成当前帧中行人头部区域的跟踪过程；/n基于获取的行人头部区域的跟踪列表，采用客流统计方法，完成客流统计。/n

【技术特征摘要】
1.一种基于深度光流跟踪的客流统计方法，其特征在于：
包括以下步骤：
获取行人图像；
使用事先训练好的基于深度光流跟踪的客流统计模型进行客流统计，即对于任意给出的一幅行人图像，经过深度神经网络模型前向运算后，分别输出行人头部区域的中心位置、行人头部区域的半径以及行人头部区域的运动位移量；
根据当前帧中行人头部区域中心点位置和对应的运动位移量，进而获取当前帧行人头部区域相对于前帧的身份地址，更新跟踪列表完成当前帧中行人头部区域的跟踪过程；
基于获取的行人头部区域的跟踪列表，采用客流统计方法，完成客流统计。


2.根据权利要求1所述的基于深度光流跟踪的客流统计方法，其特征在于：所示基于深度光流跟踪的客流统计模型包括输入模块、主干模块、瓶颈模块、预测模块；
其中，
所述主干模块用来提取输入图像的多尺度深层语义融合特征；
所述瓶颈模块利用主干模块输出的多尺度深层语义特征和输入模块提供的行人头部区域位置图像，生成一幅具有全局信息、局部信息和空间位置信息的融合特征图；
所述预测模块基于瓶颈模块neck的输出特征图，预测当前帧图像中，行人头部区域的位置和相对于前帧图像的运行位移量。


3.根据权利要求2所述的基于深度光流跟踪的客流统计方法，其特征在于：所述输入模块的输入图像包括两幅3通道RGB图像和一幅灰度图像，其中，两幅3通道RGB图像分别表示当前帧图像和之前某帧图像，一幅灰度图像表示之前某帧图像中行人头部区域位置。


4.根据权利要求2所述的基于深度光流跟踪的客流统计方法，其特征在于：所述主干模块的网络结构包括conv0层是一个核尺寸为7×7，跨度为2×2的卷积层；maxpool0层是一个核尺寸为2×2，跨度为2×2的最大值池化层；conv0层和maxpool0层共同组成了一个特征图分辨率快速下降网络，作用是在保留更多图像细节的同时，快速降低特征图分辨率，减少后续操作的运算量；
resblock0、resblock1、resblock2、resblock3均是resnet网络的resblock残差模块，其中，resconv2层是一个核尺寸为1x1,跨度为2x2的卷积层；resconv0层是一个核尺寸为3x3,跨度为2x2的卷积层；resconv1层、resconv3层、resconv4层均是一个核尺寸为3x3,跨度为1x1的卷积层；eltsum0层和eltsum1层均是特征图相加运算层，其作用是把多个输入特征图按对应元素相加合并成一个输出特征图。


5.根据权利要求4所述的基于深度光流跟踪的客流统计方法，其特征在于：所述瓶颈模块的网络结构包括，
C2、C3、C4、C5分别表示主干模块中resblock0、resblock1、resblock2、resblock3模块对应的输出特征图；行人头部位置图像指的是输入模块中之前某帧图像中行人头部区域位置图像；upsample层是上采样率为2的上采样层；downsample层是下采样率为4的下采样层；sum-P2、sum-P3、sum-P4均是特征图相加运算层，用于把两个输入特征图按对应元素相加合并成一个输出特征图；concat层是合并层，其作用是把多个输入特征图按通道维度并成一个输出特征图；conv-p4、conv-p3、conv-p2均是一个核尺寸为3x3跨度为1x1的卷积层，其作用是融合输出的拼接特征图或相加特征图和调整输入特征图尺寸；conv-p5层...

【专利技术属性】
技术研发人员：张卡，何佳，戴亮亮，尼秀明，
申请(专利权)人：安徽清新互联信息科技有限公司，
类型：发明
国别省市：安徽;34