【技术实现步骤摘要】
本专利技术涉及计算机视觉和人工智能，具体涉及一种人流量计数方法和一种人流量计数装置。
技术介绍
1、传统的人流量计算通常基于图像处理技术，即通过分析图像中的人体轮廓来实现人数的统计，然而，传统的人流量统计方式存在准确性和实时性方面的局限，另一方买，传统的人流量统计方式对人的运行特征的跟踪效果较差。
技术实现思路
1、本专利技术为解决上述技术问题，提供了一种人流量计数方法和装置，能够实时对人流量进行计数，且准确率较高。
2、本专利技术采用的技术方案如下：
3、一种人流量计数方法，包括以下步骤：获取行人数据集，并对所述行人数据集的目标种类和目标位置进行标注和分类；构建目标检测模型，并通过所述行人数据集对所述目标检测模型进行训练；获取行人运动轨迹数据集，并对所述行人运行轨迹数据集进行分类；构建运动特征提取模型，并通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练；获取待检测区域的目标图像数据，并对所述目标图像数据进行预处理；通过训练后的目标检测模型对预处理后的目标图像数据进行检测，以获取目标位置；根据所述目标位置获取位置框图像数据，并通过训练后的运动特征提取模型对所述位置框图像数据进行特征提取，以获取运动特征值；根据所述目标位置和所述运动特征值进行目标跟踪并计算目标跟踪结果；在所述待检测区域中选择有效统计区域，并根据所述目标跟踪结果对人流量进行计数。
4、在本专利技术的一个实施例中，通过所述行人数据集对所述目标检测模型进行训练，具体包括：将所述行
5、在本专利技术的一个实施例中，通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练，具体包括：将所述行人运动轨迹数据集按照比例分为训练集、验证集和测试集；通过所述训练集对所述运动特征提取模型进行训练；根据训练结果调整训练次数和所述运动特征提取模型的超参数；对训练过程进行多次迭代以选取最优训练结果。
6、在本专利技术的一个实施例中，对所述目标图像数据进行预处理，具体包括：将所述目标图像数据的原始图像调整到所需输入尺寸的大小；将所述目标图像数据的原始图像进行归一化处理；对归一化处理后的原始图像进行格式转换。
7、在本专利技术的一个实施例中，通过tracking-by-detecton策略算法对目标进行跟踪，具体包括：通过所述目标检测模型获取bbox，并生成目标；通过卡尔曼滤波算法对所述目标进行预测；通过匈牙利算法将所述目标的预测结果和当前目标进行匹配；通过所述卡尔曼滤波算法根据匹配结果对所述预测结果和所述当前目标进行更新。
8、一种人流量计数装置，包括：第一获取模块，所述第一获取模块用于获取行人数据集，并对所述行人数据集的目标种类和目标位置进行标注和分类；第一训练模块，所述第一构建模块用于构建目标检测模型，并通过所述行人数据集对所述目标检测模型进行训练；第二获取模块，所述第二获取模块用于获取行人运动轨迹数据集，并对所述行人运行轨迹数据集进行分类；第二训练模块，所述第二构建模块用于构建运动特征提取模型，并通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练；预处理模块，所述第三获取模块用于获取待检测区域的目标图像数据，并对所述目标图像数据进行预处理；检测模块，所述检测模块用于通过训练后的目标检测模型对预处理后的目标图像数据进行检测，以获取目标位置；特征提取模块，所述特征提取模块用于根据所述目标位置获取位置框图像数据，并通过训练后的运动特征提取模型对所述位置框图像数据进行特征提取，以获取运动特征值；跟踪模块，所述跟踪模块用于根据所述目标位置和所述运动特征值进行目标跟踪并计算目标跟踪结果；计数模块，所述计数模块用于在所述待检测区域中选择有效统计区域，并根据所述目标跟踪结果对人流量进行计数。
9、在本专利技术的一个实施例中，所述第一训练模块通过所述行人数据集对所述目标检测模型进行训练，具体包括：将所述行人数据集按照比例分为训练集、验证集和测试集；通过所述训练集对所述目标检测模型进行训练；根据训练结果调整训练次数和所述目标检测模型的超参数；对训练过程进行多次迭代以选取最优训练结果。
10、在本专利技术的一个实施例中，所述第二训练模块通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练，具体包括：将所述行人运动轨迹数据集按照比例分为训练集、验证集和测试集；通过所述训练集对所述运动特征提取模型进行训练；根据训练结果调整训练次数和所述运动特征提取模型的超参数；对训练过程进行多次迭代以选取最优训练结果。
11、在本专利技术的一个实施例中，所述预处理模块对所述目标图像数据进行预处理，具体包括：将所述目标图像数据的原始图像调整到所需输入尺寸的大小；将所述目标图像数据的原始图像进行归一化处理；对归一化处理后的原始图像进行格式转换。
12、在本专利技术的一个实施例中，所述跟踪模块通过tracking-by-detecton策略算法对目标进行跟踪，具体包括：通过所述目标检测模型获取bbox，并生成目标；通过卡尔曼滤波算法对所述目标进行预测；通过匈牙利算法将所述目标的预测结果和当前目标进行匹配；通过所述卡尔曼滤波算法根据匹配结果对所述预测结果和所述当前目标进行更新。
13、本专利技术的有益效果：
14、本专利技术通过获取行人数据集和行人运动轨迹数据集并分别进行分类，并构建目标检测模型和运动特征特征提取模型，分别通过行人数据集和行人运动轨迹数据集对模型进行训练，然后获取待检测区域的目标图像数据并进行预处理，将训练后的目标检测模型对预处理后的目标图像数据进行检测，以获取目标位置，然后根据目标位置获取位置框图像数据，并通过训练后的运动特征提取模型获取运动特征值，最后根据目标位置和运动特征值对目标进行跟踪和计算，并根据计算结果对人流量进行计数，由此，能够实时对人流量进行计数，且准确率较高。
本文档来自技高网...【技术保护点】
1.一种人流量计数方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人流量计数方法，其特征在于，通过所述行人数据集对所述目标检测模型进行训练，具体包括：
3.根据权利要求1所述的人流量计数方法，其特征在于，通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练，具体包括：
4.根据权利要求1所述的人流量计数方法，其特征在于，对所述目标图像数据进行预处理，具体包括：
5.根据权利要求1所述的人流量计数方法，其特征在于，通过Tracking-by-Detecton策略算法对目标进行跟踪，具体包括：
6.一种人流量计数装置，其特征在于，包括：
7.根据权利要求6所述的人流量计数装置，其特征在于，所述第一训练模块通过所述行人数据集对所述目标检测模型进行训练，具体包括：
8.根据权利要求6所述的人流量计数装置，其特征在于，所述第二训练模块通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练，具体包括：
9.根据权利要求6所述的人流量计数装置，其特征在于，所述预处理模块对所述目标图像
10.根据权利要求6所述的人流量计数装置，其特征在于，所述跟踪模块通过Tracking-by-Detecton策略算法对目标进行跟踪，具体包括：
...【技术特征摘要】
1.一种人流量计数方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人流量计数方法，其特征在于，通过所述行人数据集对所述目标检测模型进行训练，具体包括：
3.根据权利要求1所述的人流量计数方法，其特征在于，通过所述行人运动轨迹数据集对所述运动特征提取模型进行训练，具体包括：
4.根据权利要求1所述的人流量计数方法，其特征在于，对所述目标图像数据进行预处理，具体包括：
5.根据权利要求1所述的人流量计数方法，其特征在于，通过tracking-by-detecton策略算法对目标进行跟踪，具体包括：
6.一种人流量计数装...
【专利技术属性】
技术研发人员：万涛，张耀，沈甦，袁飞跃，
申请(专利权)人：上海阿法迪智能数字科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。