一种客流量统计方法及系统技术方案

本发明专利技术提供一种客流量统计方法及系统，该方法包括：通过预训练的编解码模型，对待统计客流量的视频帧序列图像进行人体边界特征提取，得到视频帧序列图像对应的人体边界特征图；将人体边界特征图输入到训练好的客流量跟踪模型中，输出得到视频帧序列图像中目标人体的跟踪结果；根据跟踪结果，对目标区域内的客流量进行统计，获取目标区域内的客流量统计结果。本发明专利技术同时进行目标人体检测与身份嵌入，通过特征图共享训练跟踪模型，减少重复计算，避免了计算资源的浪费，提高了目标跟踪的效率和实时性。和实时性。和实时性。

【技术实现步骤摘要】
一种客流量统计方法及系统


[0001]本专利技术涉及人工智能及计算机视觉
，尤其涉及一种客流量统计方法及系统。

技术介绍

[0002]客流量统计技术可以为商场提供商业决策，通过统计商场内的总人数控制空调的开放，有利于开展节能减排，打造绿色环保商场；依据统计大型商超各个门口的人数，可以帮助管理者在某个门口客流量迅速上升的情况下，有效做好预警，采取分流措施，通过临时增加出入通道和维护人员，从而有效避免人员拥堵和踩踏事故的发生。
[0003]传统的客流量统计手段，往往采用机械式或人力统计方法，不仅效率低，干扰正常的人员行走以及人流速度，还不能满足实时性统计的需求。近年来，人工智能、计算机视觉和深度学习的高速发展，极大地促进了基于监控视频的客流量统计研究。基于监控视频的客流量统计，是通过图像处理和计算机视觉的理论与技术(特别是深度学习在图像处理和计算机视觉领域的应用)，并依靠云计算和深度学习加速芯片的高效运算能力，对监控区域的目标行人进行准确实时的检测识别和跟踪，完成客流量统计任务。
[0004]现有客流量统计方案中，多目标跟踪的两步方法，通常将目标检测和重识别视为两个单独的任务，虽然可以针对每个任务分别使用最合适的模型，也可以根据检测到的边界框裁剪图像补丁，并在预测重识别特征之前将其调整为相同大小。但是，这个过程通常非常慢，因为目标检测和重识别特征嵌入都需要大量计算，而不存在计算共享，导致无法执行高速率推理，无法满足视频播放的实际需要。而同时检测物体并重识别的单步方法，虽然有可能大大减少推理时间，但是其跟踪精度通常低于两步方法的跟踪精度。

技术实现思路

[0005]本专利技术提供一种客流量统计方法及系统，用以解决现有技术中客流量统计效率较低以及准确度较低的缺陷，实现了更加效率的客流量统计，并提高了人体目标跟踪精度。
[0006]第一方面，本专利技术提供一种客流量统计方法，包括：
[0007]通过预训练的编解码模型，对待统计客流量的视频帧序列图像进行人体边界特征提取，得到所述视频帧序列图像对应的人体边界特征图；
[0008]将所述人体边界特征图输入到训练好的客流量跟踪模型中，输出得到所述视频帧序列图像中目标人体的跟踪结果；其中，所述训练好的客流量跟踪模型是由标记有人体边界框及中心点位置的样本人体边界特征图，对神经网络和重识别模型进行训练得到的，所述训练好的客流量跟踪模型用于将人体目标和重识别特征进行融合；
[0009]根据所述跟踪结果，对目标区域内的客流量进行统计，获取所述目标区域内的客流量统计结果。
[0010]在一个实施例中，所述训练好的客流量跟踪模型通过以下步骤训练得到：
[0011]获取标记有人体边界框的样本人体边界特征图；
[0012]标记所述样本人体边界特征图每一帧中人体边界框的中心点位置和对应的中心点偏移值，并标记所述人体边界框的长度和宽度，构建训练样本集；
[0013]将所述训练样本集输入到重识别模型进行训练，得到训练好的重识别模型；
[0014]将所述训练样本集输入到神经网络进行训练，得到训练好的人体目标检测模型；
[0015]通过所述训练好的重识别模型和所述训练好的人体目标检测模型，构建得到训练好的客流量跟踪模型。
[0016]在一个实施例中，所述根据所述跟踪结果，对目标区域内的客流量进行统计，获取所述目标区域内的客流量统计结果，包括：
[0017]获取目标区域对应的视频帧序列图像；
[0018]基于视频帧序列图像中进出区域的方位，在所述视频帧序列图像中构建预设椭圆分界区域；
[0019]根据所述跟踪结果中每一帧人体边界框的中心点位置，统计进出所述预设椭圆分界区域的客流量。
[0020]在一个实施例中，在所述获取标记有人体边界框的样本人体边界特征图之后，所述方法还包括：
[0021]基于热力图，对所述样本人体边界特征图每一帧中人体边界框的中心点位置进行标记。
[0022]在一个实施例中，所述预训练的编解码模型为ResNet
‑
34网络。
[0023]在一个实施例中，所述训练好的客流量跟踪模型包含有4个相同的层级结构，每个层级结构是通过3
×
3卷积层、Relu层和1
×
1卷积层依次连接得到的。
[0024]在一个实施例中，所述将所述人体边界特征图输入到训练好的客流量跟踪模型中，输出得到所述视频帧序列图像中目标人体的跟踪结果，包括：
[0025]基于卡尔曼滤波，根据所述训练好的客流量跟踪模型预测得到的跟踪结果，计算得到跟踪结果中跟踪目标的预测均值和预测协方差矩阵；
[0026]根据所述预测均值和所述预测协方差矩阵，计算预测值和真实值之间的马氏距离，将马氏距离满足预设阈值距离的跟踪目标进行保留，以得到目标人体的跟踪结果。
[0027]第二方面，本专利技术提供一种客流量统计系统，包括：
[0028]编解码模块，用于通过预训练的编解码模型，对待统计客流量的视频帧序列图像进行人体边界特征提取，得到所述视频帧序列图像对应的人体边界特征图；
[0029]人体目标跟踪模块，用于将所述人体边界特征图输入到训练好的客流量跟踪模型中，输出得到所述视频帧序列图像中目标人体的跟踪结果；其中，所述训练好的客流量跟踪模型是由标记有人体边界框及中心点位置的样本人体边界特征图，对神经网络和重识别模型进行训练得到的，所述训练好的客流量跟踪模型用于将人体目标和重识别特征进行融合；
[0030]客流量统计模块，用于根据所述跟踪结果，对目标区域内的客流量进行统计，获取所述目标区域内的客流量统计结果。
[0031]第三方面，本专利技术提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述客流量统计方法的步骤。
[0032]第四方面，本专利技术提供一种处理器可读存储介质，所述处理器可读存储介质存储
有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述客流量统计方法的步骤。
[0033]本专利技术提供的一种客流量统计方法及系统，同时进行目标人体检测与身份嵌入，通过特征图共享训练跟踪模型，减少重复计算，避免了计算资源的浪费，提高了目标跟踪的效率和实时性。
附图说明
[0034]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术提供的客流量统计方法的流程示意图；
[0036]图2为本专利技术提供的客流量统计的整理流程图；
[0037]图3为本专利技术提供的客流量统计系统的结构示意图；
[0038]图4为本专利技术提供的客流量统计系统的整体框架示意图；
[0039]图5为本专利技术提供的电子设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客流量统计方法，其特征在于，包括：通过预训练的编解码模型，对待统计客流量的视频帧序列图像进行人体边界特征提取，得到所述视频帧序列图像对应的人体边界特征图；将所述人体边界特征图输入到训练好的客流量跟踪模型中，输出得到所述视频帧序列图像中目标人体的跟踪结果；其中，所述训练好的客流量跟踪模型是由标记有人体边界框及中心点位置的样本人体边界特征图，对神经网络和重识别模型进行训练得到的，所述训练好的客流量跟踪模型用于将人体目标和重识别特征进行融合；根据所述跟踪结果，对目标区域内的客流量进行统计，获取所述目标区域内的客流量统计结果。2.根据权利要求1所述的客流量统计方法，其特征在于，所述训练好的客流量跟踪模型通过以下步骤训练得到：获取标记有人体边界框的样本人体边界特征图；标记所述样本人体边界特征图每一帧中人体边界框的中心点位置和对应的中心点偏移值，并标记所述人体边界框的长度和宽度，构建训练样本集；将所述训练样本集输入到重识别模型进行训练，得到训练好的重识别模型；将所述训练样本集输入到神经网络进行训练，得到训练好的人体目标检测模型；通过所述训练好的重识别模型和所述训练好的人体目标检测模型，构建得到训练好的客流量跟踪模型。3.根据权利要求1所述的客流量统计方法，其特征在于，所述根据所述跟踪结果，对目标区域内的客流量进行统计，获取所述目标区域内的客流量统计结果，包括：获取目标区域对应的视频帧序列图像；基于视频帧序列图像中进出区域的方位，在所述视频帧序列图像中构建预设椭圆分界区域；根据所述跟踪结果中每一帧人体边界框的中心点位置，统计进出所述预设椭圆分界区域的客流量。4.根据权利要求2所述的客流量统计方法，其特征在于，在所述获取标记有人体边界框的样本人体边界特征图之后，所述方法还包括：基于热力图，对所述样本人体边界特征图每一帧中人体边界框的中心点位置进行标记。5.根据权利要求1所述的客流量统计方法，其特征在于，所述预训练的编解码模...

【专利技术属性】
技术研发人员：刘宏炜，
申请(专利权)人：中移系统集成有限公司中国移动通信集团有限公司，
类型：发明
国别省市：