一种基于YOLOV5的Deepsort工地人流统计方法技术

本发明专利技术涉及行人跟踪技术领域，具体地涉及一种基于YOLOV5的Deepsort工地人流统计方法，所述方法采用YOLOV5作为检测器获取视频场景内的目标检测结果，通过密集卷积网络替换Deepsort原生的表观特征提取网络，实现行人运动特征与表观特征提取，基于相似度计算更新目标轨迹，通过匈牙利匹配与卡尔曼滤波对目标之间的关联程度进行比较，得到连续帧之间目标的正确匹配，DIOU阈值与马氏距离阈值的阶梯性筛选用于实现持续跟踪。其中，人流统计利用单虚拟线结合多帧判向方式实现工地上下行行人计数。本发明专利技术在提高跟准精准度的同时降低模型参数量，通过更窄的网络实现更强的表观特征提取能力，改善了现有技术中由于外观特征提取能力不足造成的跟丢、ID跳变问题，提高了跟踪效果。提高了跟踪效果。提高了跟踪效果。

【技术实现步骤摘要】
一种基于YOLOV5的Deepsort工地人流统计方法


[0001]本专利技术涉及行人跟踪
，具体地涉及一种基于YOLOV5的Deepsort工地人流统计方法。

技术介绍

[0002]建筑业是高风险、监管薄弱、信息化程度较低的传统行业，在复杂的施工环境下，行人如果未佩戴安全设备或未经过相关培训很容易导致安全事故，威胁行人生命安全。因此，建筑工地一般设有围板、铁丝网或围墙，限制人员及车辆进出，且有专门物业管理员把守，出入需要等级身份并佩戴安全设备。但人工把守方式无法对建筑工地的人流出入进行实时检测，且易造成非法人员驻留、混入等现象。
[0003]近年来，随着计算机视觉技术的不断发展，目标检测及跟踪领域在工业生产中具有广泛应用。早期的人流统计方法主要采用背景差、帧差、光流法、HOG等对行人进行检测，利用颜色、形状等特征对行人进行再识别。随着卷积神经网络的发展，目标检测及跟踪算法也转向了基于深度神经网络的检测算法。目前常用的目标检测及跟踪算法主要包含SSD、YOLO、RCNN、FASTRCNN、Sort、Deepsort、Fairmot本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOV5的Deepsort工地人流统计方法，其特征在于，包括：步骤1、输入包含行人目标的视频流进行逐帧处理，产生视频帧；步骤2、将步骤1中生成的连续帧输入到YOLOV5主干网络中提取特征，获得不同尺度特征图；步骤3、将步骤2获取的不同尺度特征图送入YOLOV5特征融合网络融合不同尺度的强语义信息与强定位信息；步骤4、收敛模型获得行人目标的预测位置与置信度信息；步骤5、将步骤4获取的目标信息作为输入，针对检测框分配跟踪器；步骤6、初始化卡尔曼滤波器，通过卡尔曼滤波预测目标在当前帧的位置；步骤7、将步骤4获取的行人目标信息与步骤6预测的目标信息进行匹配计算；步骤8、更新跟踪器与卡尔曼滤波器，输出匹配结果。2.如权利要求1所述的一种基于YOLOV5的Deepsort工地人流统计方法，其特征在于，所述视频流为实时拉流的工地视频监控数据，所述YOLOV5负责处理采集到的视频监控数据，输出相应的目标检测结果，利用Deepsort跟踪所述目标检测结果，并根据ID结果对人流信息统计。3.根据权利要求1所述的一种基于YOLOV5的Deepsort工地人流统计方法，其特征在于，所述主干网络为融合坐标注意力模块和4尺度输出的YOLOV5网络。4.根据权利要求3所述的一种基于YOLOV5的Deepsort工地人流统计方法，其特征在于，将步骤1中产生的视频帧输入到主干网络中提取特征过程中，所述坐标注意力用于捕获跨通道信息、方向感知信息和位置敏感信息，辅助模型精准定位并识别感兴趣对象；所述的4尺度输出融合更浅层强定位信息与深层强语义信息，增强模型的多尺度检测能力。5.如权利要求1所述的一种基于YOLOV5的Deepsort工地人流统计方法，其特征在于，步骤2输出的特征图输入特征金字塔FPN传递高层语义特征，FPN的输出送...

【专利技术属性】
技术研发人员：郑狄，李晶，姚涛，闫连山，蒲桂东，
申请(专利权)人：艾迪恩山东科技有限公司，
类型：发明
国别省市：