[發明專利]基于改進型CNN網絡的旅游觀光車客流統計算法

有效

• 申請號: 202010115258.1
• 申請日: 2020-02-25
• 公開（公告）號: CN111382678B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 呂攀;楊國青;李夷奇;李紅;吳朝暉
• 申請（專利權）人: 浙江大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/26;G06V10/77;G06V10/82;G06Q50/14;G06N3/0464
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 王琛

本發明公開了一種基于改進型CNN網絡的旅游觀光車客流統計算法，通過對前沿的目標檢測模型YOLOv3進行改動，在特征提取模塊引入SENet結構，提出新的SE?Darknet53網絡結構，借助SENet結構的Squeeze、Excitation、Reweight三部分進一步提取圖像特征通道間的相互依賴關系，增強深度神經網絡的性能。此外，本發明針對旅游觀光車的特殊場景，對坐于不同排的乘客在視頻中對應的檢測框尺寸差異較大這一特征進行挖掘，提出了尺寸敏感的非極大值抑制，并對CNN網絡中特征圖的不同特征通道賦予不同的權重，進一步提升乘客之間相互遮擋情況下的檢測和識別精度，從而提升客流統計精度。

技術領域

本發明屬于視頻監控技術領域，具體涉及一種基于改進型CNN網絡的旅游觀光車客流統計算法。

背景技術

隨著人民生活的不斷改善，休閑度假意識的日益提高，旅游市場的蓬勃發展，旅游觀光車作為人們休閑、觀光的代步工具，越來越受到廣大游客的喜愛，同時由于蓄電池觀光車有環保無排放、噪音低、操作簡單、維護使用費用較低等特點，使用的范圍越來越廣。但目前在旅游領域的觀光車仍然存在監管難的問題，特別是在熱點旅游景區，觀光車路線、站點設置、價格等都不能做到透明、規范，這些問題存在的主要原因是沒有一個監管體系和有效的數據支撐路線的設計和站點的規劃。

為了解決目前在旅游領域的觀光車仍然存在監管難的問題，特別是在熱點旅游景區，觀光車路線、站點設置、價格等都不能做到透明、規范，需要一種用于景區乘坐觀光車輛的人數統計方法來解決上述問題。旅游觀光車作為便利游客的代步工具，是大型景區中不可缺少的一項，然而傳統的旅游觀光車客流統計方法都存在各自的缺點：

(1)人工統計方式：由司機進行客流統計與收費是比較常見的方式，但司機可能在疲倦的時候漏數乘客人數，也可能存在私下收費的違規行為，影響統計的準確性。

(2)紅外線感應統計方式：第一，由于紅外光極易受到外界因素干擾，使其統計數據產生較大誤差，觀光車空間開放性高，多人同時上車也容易產生漏數現象；第二，由于其本身技術原因，紅外方式無法很好地判斷乘客是上車還是下車。

(3)機械方式：即在觀光車上下車處設置三輥閘，乘客上下車時翻滾閘口，翻滾閘滾動一次，由此記錄一個上下車人員；該方式的缺點在于便利性不夠，無法快速進出，因此并不適用于觀光車的應用場景。

隨著深度學習的蓬勃發展，計算機視覺的目標檢測領域也取得了極大的進步，因此，將前沿的目標檢測模型結合觀光車客流統計任務的特殊性，可以更為準確地統計出觀光車的實時客流情況，如尚廣利等人在文獻《基于深度學習的公交車客流量統計方法和系統：中國，201910347705.3[P].2019-04-28》中提出了一種基于深度學習的公交車客流量統計方法和系統，對人頭進行識別與跟蹤，利用了連續多幀檢測到的人頭信息來緩解乘客之間相互遮擋的問題。

陳勁全等人在文獻《一種基于深度學習判斷視頻行為的監控系統和方法：中國，201810411723.9[P].2018-05-02》中提出了一種基于深度學習判斷視頻行為的監控系統，其算法部分基于GoogleNet模型進行改進，但并沒有對旅游觀光車上可能出現的乘客之間相互遮擋的問題提出專門的解決方法，因而降低了系統的精度。

發明內容

鑒于上述，本發明提供了一種基于改進型CNN網絡的旅游觀光車客流統計算法，能夠解決傳統的旅游觀光車客流統計方法的缺點。

一種基于改進型CNN網絡的旅游觀光車客流統計算法，包括如下步驟：

(1)離線采集觀光車平時運營條件下的客流視頻圖像，并制作樣本數據集；

(2)以YOLOv3模型為基礎構建改進型CNN網絡；

(3)利用樣本數據集對改進型CNN網絡進行訓練；

(4)利用訓練好的CNN網絡對旅游觀光車的實時視頻圖像進行檢測識別，得到乘客檢測框；