一种流量统计方法、装置、电子设备及存储介质制造方法及图纸

本公开涉及数据处理技术领域，尤其涉及一种流量统计方法、装置、电子设备及存储介质，解决由于摄像头拍摄存在的视角失真问题所造成的无法准确进行客流量统计的问题，方法为：获取待处理图像，采用完成训练的图像处理模型，对所述待处理图像进行处理，得到映射有各个目标对象各自对应的元素区域的密度矩阵，所述密度矩阵中表征不同目标对象的不同元素区域的元素值之和相同，再计算所述密度矩阵中各个元素值之和，并基于所述各个元素值之和确定所述待处理图像中目标对象的流量。这样，借助于完成训练的图像处理模型，能够解决图像的视角失真问题对流量分析造成的影响，保证了对目标对象流量的准确分析，提高了流量分析的统计精度。度。度。

【技术实现步骤摘要】
一种流量统计方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种流量统计方法、装置、电子设备及存储介质。

技术介绍

[0002]公交车客流量是进行公交车资源调度，以及智能公交系统的建立中的重要指标，对公交客流量的准确统计对于现今城市交通的发展而言至关重要。
[0003]目前可以采用超快速神经网络(Faster Region-based Convolutional Neural Network，Faster RCNN)模型，对于公交车客流量进行统计。但此种方式对于拍摄图像的环境条件十分敏感，对于公交车上部署位置固定的摄像头来说，所捕获的图像中，乘客距离摄像头距离的远近极大程度上影响了乘客在拍摄的图像帧中的成像面积，进而为后续的客流量统计带来不便，影响了对客流量统计的准确性，而且，在客流量大的情况下，不同乘客间存在相互遮挡，使得成像面积小的乘客无法被有效识别，进而造成了统计的客流量与真实情况不符，使得客流量数据丧失可分析性。

技术实现思路

[0004]本专利技术实施例提供一种流量统计方法、装置、电子设备及存储介质，用以解决现有技术中存在的由于摄像头拍摄存在的视角失真问题所造成的无法准确进行客流量统计的问题。
[0005]本专利技术实施例提供的具体技术方案如下：
[0006]第一方面，提出一种流量统计方法，包括：
[0007]获取待处理图像，其中，所述待处理图像由固定安装的图像采集设备采集；
[0008]采用完成训练的图像处理模型，对所述待处理图像进行透视变换处理和目标对象识别处理，得到所述图像处理模型输出的，映射有各个目标对象各自对应的元素区域的密度矩阵，所述图像处理模型是基于卷积神经网络VGG架构搭建的，所述密度矩阵中表征不同目标对象的不同元素区域的元素值之和相同；
[0009]计算所述密度矩阵中各个元素值之和，并基于所述各个元素值之和确定所述待处理图像中目标对象的流量。
[0010]可选的，所述采用完成训练的图像处理模型，对待处理图像进行透视变换处理和目标对象识别处理之前，进一步包括：获得用于进行图像处理模型的训练的样本数据，具体包括：
[0011]获取多个原始图像，针对各个原始图像分别执行以下操作，直至全部原始图像处理完成：
[0012]确定并标注一个原始图像中包含的各个目标对象的中心点，并确定所述一个原始图像中的预先设置的用于进行客流量统计的样本处理区域，以及采用透视变换的处理方式，将所述样本处理区域校正为正投影的样本处理图像，其中，所述一个原始图像是由固定
安装的图像采集设备采集的；
[0013]对应所述样本处理图像中的各个像素点，设置对应的元素值，并生成包含有各个元素值的样本矩阵，其中，所述样本矩阵中各个目标对象中心点所对应的元素取值相同，各个目标对象中心点所对应的元素取值相同；
[0014]采用高斯滤波处理方式，基于取值固定的高斯核函数的宽度参数，对所述样本矩阵进行处理，得到对应的样本密度矩阵，并将所述原始图像，以及对应的样本密度矩阵，作为一条样本数据。
[0015]可选的，所述获得用于进行图像处理模型的训练的样本数据之后，所述将所述待处理图像输入完成训练的图像处理模型中之前，进一步包括，对图像处理模型进行训练，具体包括：
[0016]获取样本数据，并针对各个样本数据分别执行以下操作，直至图像处理模型的训练轮数达到设定阈值：
[0017]将一个样本数据中的原始图像输入图像处理模型，获得所述图像处理模型输出的密度矩阵，所述密度矩阵中的各个元素对应所述原始图像中的各个像素点，所述密度矩阵中的不同元素区域对应所述原始图像中的不同目标对象且不同元素区域的元素之和固定相同；
[0018]获得所述图像处理模型输出的密度矩阵，并采用最小二乘损失函数，根据所述密度矩阵与所述一个样本数据中的样本密度矩阵之间相对位置相同的各个元素的取值差异，确定所述图像处理模型的损失值；
[0019]基于所述损失值调整所述图像处理模型中参与生成所述密度矩阵的影响参数。
[0020]可选的，搭建所述图像处理模型的过程中，将VGG网络架构中的全连接层替换为反卷积层。
[0021]可选的，所述获取多个原始图像之前，进一步包括：
[0022]获取固定安装的图像采集设备采集的至少一个视频流，确定所述视频流的帧率；
[0023]降低所述视频流的帧率至预设值后，按照调整后的帧率获取所述至少一个视频流中的图像帧，并将获取的各个图像帧作为原始图像。
[0024]第二方面，提出一种流量统计装置，包括：
[0025]获取单元，获取待处理图像，其中，所述待处理图像由固定安装的图像采集设备采集；
[0026]处理单元，采用完成训练的图像处理模型，对所述待处理图像进行透视变换处理和目标对象识别处理，得到所述图像处理模型输出的，映射有各个目标对象各自对应的元素区域的密度矩阵，所述图像处理模型是基于卷积神经网络VGG架构搭建的，所述密度矩阵中表征不同目标对象的不同元素区域的元素值之和相同；
[0027]计算单元，计算所述密度矩阵中各个元素值之和，并基于所述各个元素值之和确定所述待处理图像中目标对象的流量。
[0028]可选的，所述采用完成训练的图像处理模型，对待处理图像进行透视变换处理和目标对象识别处理之前，所述处理单元进一步用于：获得用于进行图像处理模型的训练的样本数据，具体用于：
[0029]获取多个原始图像，针对各个原始图像分别执行以下操作，直至全部原始图像处
理完成：
[0030]确定并标注一个原始图像中包含的各个目标对象的中心点，并确定所述一个原始图像中的预先设置的用于进行客流量统计的样本处理区域，以及采用透视变换的处理方式，将所述样本处理区域校正为正投影的样本处理图像，其中，所述一个原始图像是由固定安装的图像采集设备采集的；
[0031]对应所述样本处理图像中的各个像素点，设置对应的元素值，并生成包含有各个元素值的样本矩阵，其中，所述样本矩阵中各个目标对象中心点所对应的元素取值相同，各个目标对象中心点所对应的元素取值相同；
[0032]采用高斯滤波处理方式，基于取值固定的高斯核函数的宽度参数，对所述样本矩阵进行处理，得到对应的样本密度矩阵，并将所述原始图像，以及对应的样本密度矩阵，作为一条样本数据。
[0033]可选的，所述获得用于进行图像处理模型的训练的样本数据之后，所述将所述待处理图像输入完成训练的图像处理模型中之前，所述处理单元进一步用于，对图像处理模型进行训练，具体用于：
[0034]获取样本数据，并针对各个样本数据分别执行以下操作，直至图像处理模型的训练轮数达到设定阈值：
[0035]将一个样本数据中的原始图像输入图像处理模型，获得所述图像处理模型输出的密度矩阵，所述密度矩阵中的各个元素对应所述原始图像中的各个像素点，所述密度矩阵中的不同元素区域对应所述原始图像中的不同目标对象本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流量统计方法，其特征在于，包括：获取待处理图像，其中，所述待处理图像由固定安装的图像采集设备采集；采用完成训练的图像处理模型，对所述待处理图像进行透视变换处理和目标对象识别处理，得到所述图像处理模型输出的，映射有各个目标对象各自对应的元素区域的密度矩阵，所述图像处理模型是基于卷积神经网络VGG架构搭建的，所述密度矩阵中表征不同目标对象的不同元素区域的元素值之和相同；计算所述密度矩阵中各个元素值之和，并基于所述各个元素值之和确定所述待处理图像中目标对象的流量。2.如权利要求1所述的方法，其特征在于，所述采用完成训练的图像处理模型，对待处理图像进行透视变换处理和目标对象识别处理之前，进一步包括：获得用于进行图像处理模型的训练的样本数据，具体包括：获取多个原始图像，针对各个原始图像分别执行以下操作，直至全部原始图像处理完成：确定并标注一个原始图像中包含的各个目标对象的中心点，并确定所述一个原始图像中的预先设置的用于进行客流量统计的样本处理区域，以及采用透视变换的处理方式，将所述样本处理区域校正为正投影的样本处理图像，其中，所述一个原始图像是由固定安装的图像采集设备采集的；对应所述样本处理图像中的各个像素点，设置对应的元素值，并生成包含有各个元素值的样本矩阵，其中，所述样本矩阵中各个目标对象中心点所对应的元素取值相同，各个目标对象中心点所对应的元素取值相同；采用高斯滤波处理方式，基于取值固定的高斯核函数的宽度参数，对所述样本矩阵进行处理，得到对应的样本密度矩阵，并将所述原始图像，以及对应的样本密度矩阵，作为一条样本数据。3.如权利要求2所述的方法，其特征在于，所述获得用于进行图像处理模型的训练的样本数据之后，所述将所述待处理图像输入完成训练的图像处理模型中之前，进一步包括，对图像处理模型进行训练，具体包括：获取样本数据，并针对各个样本数据分别执行以下操作，直至图像处理模型的训练轮数达到设定阈值：将一个样本数据中的原始图像输入图像处理模型，获得所述图像处理模型输出的密度矩阵，所述密度矩阵中的各个元素对应所述原始图像中的各个像素点，所述密度矩阵中的不同元素区域对应所述原始图像中的不同目标对象且不同元素区域的元素之和固定相同；获得所述图像处理模型输出的密度矩阵，并采用最小二乘损失函数，根据所述密度矩阵与所述一个样本数据中的样本密度矩阵之间相对位置相同的各个元素的取值差异，确定所述图像处理模型的损失值；基于所述损失值调整所述图像处理模型中参与生成所述密度矩阵的影响参数。4.如权利要求1-3任一项所述的方法，其特征在于，搭建所述图像处理模型的过程中，将VGG网络架构中的全连接层替换为反卷积层。5.如权利要求2所述的方法，其特征在于，所述获取多个原始图像之前，进一步包括：获取固定安装的图像采集设备采集的至少一个视频流，确定所述视频流的帧率；
降低所述视频流的帧率至预设值后，按照调整后的帧率获取所述至少一个视频流中的图像帧，并将获取的各个图像帧作为原始图像。6.一种流量统计装置，其特征在于，包括：获取单元，获取待处理图像，其中，所述待处理图像由固定安装的图像采集设备采集；处理单元，采用完成训练的图像处理模型，对所述待处理图像进行透视变换处理和目标对象识...

【专利技术属性】
技术研发人员：邓玉婧，杨海峰，潘竞旭，任钦正，李萌，鲁龙，宋颖，
申请(专利权)人：航天信息股份有限公司，
类型：发明
国别省市：