一种人流量统计方法、装置及计算机存储介质制造方法及图纸

本发明专利技术公开了一种人流量统计方法、装置及计算机存储介质，所述人流量统计方法包括：获取目标区域的目标检测图像；采用深度学习方法对所述目标检测图像进行人体目标检测；统计检测到的所述目标检测图像中的人体数量；根据所述目标检测图像中的人体数量统计所述目标区域的人流量。本发明专利技术提供的一种人流量统计方法、装置及计算机存储介质，通过获取目标区域的目标检测图像，采用深度学习方法对目标检测图像进行人体目标检测，然后统计检测到的目标检测图像中的人体数量，根据目标检测图像中的人体数量统计目标区域的人流量，能够在多功能智能杆复杂场景下通过静态人流统计方法实现动态人流统计功能，实时性强且效率高。实时性强且效率高。实时性强且效率高。

【技术实现步骤摘要】
一种人流量统计方法、装置及计算机存储介质


[0001]本专利技术涉及图像处理领域，特别是涉及一种人流量统计方法、装置及计算机存储介质。

技术介绍

[0002]目前，随着物联网、互联网、云计算等新一代信息技术的快速发展，多功能智能杆已成为建设智慧城市必不可少的产物。构建智慧城市系统平台复杂，城市路灯数量众多，是城市最密集的基础设施，便于信息的采集管理和发布，多功能智能杆是最佳的一个落脚点。人流量统计作为多功能智能杆应用的一部分也越来越受到人们的重视，而传统的人流量统计方法有以下不足：
[0003]1)传统的人流量统计方法往往通过简单的目标检测算法进行目标检测识别，如人头检测、人肩检测等。这些检测方法在多功能智能杆复杂场景下效果并不理想。
[0004]2)传统的人流量统计方法在多功能智能杆这样的边缘设备上实时性较差，会影响统计结果的准确性。
[0005]因此，需要寻找一种实时性强且效率高的人流量统计方法。

技术实现思路

[0006]本专利技术的目的在于提供一种人流量统计方法、装置及计算机存储介质，能够在多功能智能杆复杂场景下通过静态人流统计方法实现动态人流统计功能，实时性强且效率高。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]第一方面，本专利技术实施例提供了一种人流量统计方法，所述人流量统计方法包括：
[0009]获取目标区域的目标检测图像；
[0010]采用深度学习方法对所述目标检测图像进行人体目标检测；
[0011]统计检测到的所述目标检测图像中的人体数量；
[0012]根据所述目标检测图像中的人体数量统计所述目标区域的人流量。
[0013]作为其中一种实施方式，所述获取目标区域的目标检测图像，包括：
[0014]获取所述目标区域内人流量的图片和/或视频数据；
[0015]根据人流时间段，将所述图片和/或视频数据进行抽帧处理。
[0016]作为其中一种实施方式，所述采用深度学习方法对所述目标检测图像进行人体目标检测，包括：
[0017]获取预设的基于深度学习方法的人体检测模型；
[0018]输入所述目标检测图像，采用预设的目标检测算法调用所述人体检测模型，对所述目标检测图像进行检测。
[0019]作为其中一种实施方式，所述获取预设的基于深度学习方法的人体检测模型之前，包括：
[0020]根据所述目标区域内人流量的图片和/或视频数据，获取预设数量的图像样本信息；
[0021]根据人体特征标注所述图像样本信息；
[0022]采用预设的训练框架对所述图像样本信息进行训练，生成所述人体检测模型。
[0023]作为其中一种实施方式，所述根据人体特征标注所述图像样本信息，包括：
[0024]采用随机值替换所述图像样本信息中被遮挡的头像区域；以及
[0025]采用其他所述图像样本信息中的人体目标替换所述图像样本信息中重叠的人体区域。
[0026]作为其中一种实施方式，所述采用预设的训练框架对所述图像样本信息进行训练，生成所述人体检测模型，包括：
[0027]将YOLOv4神经网络的大目标特征提取层进行裁剪；以及
[0028]将YOLOv4神经网络的中小目标特征提取层进行压缩。
[0029]作为其中一种实施方式，所述统计检测到的所述目标检测图像中的人体数量，包括：
[0030]获取预设周期内目标帧数的所述目标检测图像中的人体数量的平均值。
[0031]作为其中一种实施方式，所述根据所述目标检测图像中的人体数量统计所述目标区域的人流量，包括：
[0032]获取相邻两个预设周期内所述目标检测图像中的人体数量的平均值的差值；
[0033]根据所述差值统计所述目标区域的人流量。
[0034]第二方面，本专利技术实施例提供了一种人流量统计装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述人流量统计方法的步骤。
[0035]第三方面，本专利技术实施例提供了一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述人流量统计方法的步骤。
[0036]本专利技术实施例提供的一种人流量统计方法、装置及计算机存储介质，所述人流量统计方法包括：获取目标区域的目标检测图像；采用深度学习方法对所述目标检测图像进行人体目标检测；统计检测到的所述目标检测图像中的人体数量；根据所述目标检测图像中的人体数量统计所述目标区域的人流量。如此，通过获取目标区域的目标检测图像，采用深度学习方法对目标检测图像进行人体目标检测，然后统计检测到的目标检测图像中的人体数量，根据目标检测图像中的人体数量统计目标区域的人流量，能够在多功能智能杆复杂场景下通过静态人流统计方法实现动态人流统计功能，实时性强且效率高。
附图说明
[0037]图1为本专利技术实施例提供的一种人流量统计方法的流程示意图；
[0038]图2为本专利技术实施例提供的一种人流量统计装置的结构示意图。
具体实施方式
[0039]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排
他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本专利技术不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
[0040]应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人流量统计方法，其特征在于，所述人流量统计方法包括：获取目标区域的目标检测图像；采用深度学习方法对所述目标检测图像进行人体目标检测；统计检测到的所述目标检测图像中的人体数量；根据所述目标检测图像中的人体数量统计所述目标区域的人流量。2.根据权利要求1所述的人流量统计方法，其特征在于，所述获取目标区域的目标检测图像，包括：获取所述目标区域内人流量的图片和/或视频数据；根据人流时间段，将所述图片和/或视频数据进行抽帧处理。3.根据权利要求1所述的人流量统计方法，其特征在于，所述采用深度学习方法对所述目标检测图像进行人体目标检测，包括：获取预设的基于深度学习方法的人体检测模型；输入所述目标检测图像，采用预设的目标检测算法调用所述人体检测模型，对所述目标检测图像进行检测。4.根据权利要求3所述的人流量统计方法，其特征在于，所述获取预设的基于深度学习方法的人体检测模型之前，包括：根据所述目标区域内人流量的图片和/或视频数据，获取预设数量的图像样本信息；根据人体特征标注所述图像样本信息；采用预设的训练框架对所述图像样本信息进行训练，生成所述人体检测模型。5.根据权利要求4所述的人流量统计方法，其特征在于，所述根据人体特征标注所述图像样本信息，包括：采用随机值替换所述图像样本信...

【专利技术属性】
技术研发人员：李立赛，
申请(专利权)人：深圳奇迹智慧网络有限公司，
类型：发明
国别省市：