[發明專利]一種基于改進YOLOv3的人流檢測方法

有效

• 申請號: 202011236196.6
• 申請日: 2020-11-09
• 公開（公告）號: CN112347938B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 王議;袁佳
• 申請（專利權）人: 南京機電職業技術學院
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/762;G06V10/82;G06N3/0464;G06V10/764
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

一種基于改進YOLOv3的人流檢測方法。該方法包括以下步驟：步驟1，獲取人流監測的實驗數據；步驟2，對人流監測問題進行建模；步驟3，利用kNN算法先區分交通視頻監控圖像的類型；步驟4，改進YOLOv3模型的錨框和感受野機制來監測目標；步驟5，求解人流監測模型。本發明在交通監控視頻圖像的基礎上對人流量和車流量進行監測，為了減少模型檢測框的回歸難度結合K?means算法改進了YOLOv3模型的錨框，同時為了能提取能反映更深層次的圖像特征，在主干模塊中加入了感受野機制，提高模型的特征提取能力。

技術領域

本發明涉及人流量監測領域，特別是涉及一種基于改進YOLOv3的人流檢測方法。

背景技術

隨著城市的快速發展，城市中人流的管理與移動模式挖掘變得越發重要。同時，隨著以群智感知為代表的各種感知技術的發展，提出了智慧城市的概念，智慧城市中的大量感知數據為人流的分析提供了可能性。區域人群流量預測對于交通管理和公共安全具有重要的戰略意義如果能夠提前預測人群的流動情況，相關部門就可以提前預警，啟動應急機制，避免事故的發生。智慧城市領域囊括了很多前沿的研宄方向。例如交通路口的速度檢測，流量預估等。同時，也有研究人員針對個體的歷史軌跡來進行個體未來軌跡的預測。但是如果需要對整個區域的流量進行預測，這些針對個體的研宄方案，不能滿足現有的需求。城市路網復雜，個體移動眾多，不可能全部監測到，但政府等有關部門對于整個區域的人員流動情況同樣很關心。因此提前探知區域流量的變化，能夠給有關部門提供指導，更早的采取干預措施，避免危險的發生。

發明內容

為解決上述問題，本發明在YOLOv3算法的基礎上，提出了一種基于改進YOLOv3的人流檢測方法。為減小檢測框的回歸難度，本發明通過調整網絡的錨框，獲得檢測目標的先驗知識。另外，為了增強所提特征的重要性，在主干塊中加入多感受野機制來提取監控圖像的高級特征。為達此目的，本發明提供一種基于改進YOLOv3的人流檢測方法，具體步驟如下，其特征在于：

步驟1，獲取實驗數據：對不同區域進行劃分，通過交通視頻監控不同區域的行人和車輛照片；

步驟2，人流監測問題建模：某區域的人流量為進入該區域的人流減去流出該區域的人流，人流分為人流量和車流量兩種；

步驟3，區分交通視頻監控圖像類型：將交通視頻監控圖像分別劃分為三類：車輛、行人和既包含行人又包含車輛，如果一張照片同時包含車輛和行人，可將該圖片同時歸類于車輛圖片和行人圖片；

步驟4，改進YOLOv3網絡監測目標：改進YOLOv3網絡的錨框和感受野機制分別對行人和車輛進行檢測；

步驟5，求解人流監測模型：將YOLOv3檢測的結果回帶至人流監測問題，求解人流監測結果。

進一步，步驟1中對不同區域劃分可以表示為：

對城市的不同區域進行劃分，將不同的區域表示為R＝{r₁,r₂,r₃,...,r_n}，分別將各個區域采集到圖像建立訓練樣本集D_Ri和測試樣本集T_Ri。

進一步，步驟2中人流監測問題建模可以表示為：

將人流監測問題劃分為：人流量監測和車流量監測，對某區域r_i的人流量可表示為當行人進入該區域，疊加至該區域該段時間的流量為當行人離開該區域，疊加至該區域該段時間的流量為對某區域r_i的車流量可表示為當車輛駛入該區域，疊加至該區域該段時間的流量為當車輛駛離該區域，疊加至該區域該段時間的流量為

進一步，步驟3中區分交通視頻監控圖像類型具體描述為：