[發(fā)明專(zhuān)利]一種人流量統(tǒng)計(jì)系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011634286.0
• 申請(qǐng)日: 2020-12-31
• 公開(kāi)（公告）號(hào): CN112733677B
• 公開(kāi)（公告）日: 2021-11-30
• 發(fā)明（設(shè)計(jì)）人: 莫家佳;周明;資明祥;張志斌;覃琨;王建衛(wèi)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 桂林海威科技股份有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11212
• 代理人: 朱曉彤

本發(fā)明涉及一種人流量統(tǒng)計(jì)系統(tǒng)及方法，包括圖像采集模塊通過(guò)魚(yú)眼攝像頭采集封閉區(qū)域內(nèi)人流量的視頻數(shù)據(jù)，將視頻數(shù)據(jù)進(jìn)行抽幀獲得圖像集；模型訓(xùn)練模塊導(dǎo)入圖像集，在圖像的外圈區(qū)域內(nèi)標(biāo)記出人體的五官及頭部，獲得人體標(biāo)記數(shù)據(jù)對(duì)第一人頭檢測(cè)模型進(jìn)行訓(xùn)練，獲得第一目標(biāo)檢測(cè)模型；在圖像的內(nèi)圈區(qū)域內(nèi)標(biāo)記出人體的頭部，獲得人體標(biāo)記數(shù)據(jù)對(duì)第二人頭檢測(cè)模型進(jìn)行訓(xùn)練，獲得第二目標(biāo)檢測(cè)模型；人流量統(tǒng)計(jì)模塊導(dǎo)入待識(shí)別的圖像集，將圖像導(dǎo)入第一目標(biāo)檢測(cè)模型和第二目標(biāo)檢測(cè)模型，對(duì)圖像進(jìn)行推理，獲得當(dāng)前圖像中的人員數(shù)據(jù)；將圖像集的人員數(shù)量進(jìn)行滑動(dòng)平均值向上取整得到封閉區(qū)域內(nèi)的人流量數(shù)據(jù)。相對(duì)現(xiàn)有技術(shù)，本發(fā)明能提升人數(shù)統(tǒng)計(jì)效率及精準(zhǔn)度。

技術(shù)領(lǐng)域

本發(fā)明涉及軌道交通技術(shù)領(lǐng)域，具體而言，特別涉及一種人流量統(tǒng)計(jì)系統(tǒng)及方法。

背景技術(shù)

當(dāng)前人數(shù)作為封閉空間如地鐵車(chē)廂，電梯，公交車(chē)等設(shè)備正常運(yùn)行的一個(gè)重要基礎(chǔ)數(shù)據(jù)，是軌道交通配置、市場(chǎng)決策和安全防范等領(lǐng)域不可或缺的重要指標(biāo)?；隰~(yú)眼成像的視頻圖像分析技術(shù)的總?cè)藬?shù)統(tǒng)計(jì)方法具有統(tǒng)計(jì)精度高、實(shí)施便利等優(yōu)勢(shì)，因此得到廣泛應(yīng)用。

傳統(tǒng)的軌道交通人數(shù)統(tǒng)計(jì)方法有，1，通過(guò)人眼辨別視頻中具體人數(shù)；2，通過(guò)進(jìn)出車(chē)門(mén)統(tǒng)計(jì)當(dāng)前車(chē)廂人次；3，通過(guò)車(chē)廂負(fù)重估算當(dāng)前車(chē)廂人數(shù)。

現(xiàn)有技術(shù)中，在車(chē)廂人數(shù)較少，人形重疊率低時(shí)，采用傳統(tǒng)筒式攝像頭能夠效為精準(zhǔn)的標(biāo)識(shí)目標(biāo)；但是早晚高峰，車(chē)廂人數(shù)擁擠，人形重疊率高，在筒式攝像頭成像時(shí)并會(huì)出現(xiàn)邊界無(wú)規(guī)律，人物完全被遮擋的情況，導(dǎo)致傳統(tǒng)視頻識(shí)別方法失效。所以有必要對(duì)這些問(wèn)題進(jìn)行解決。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決現(xiàn)有技術(shù)中的上述技術(shù)問(wèn)題之一。為此，本發(fā)明的一個(gè)目的在于提出一種能提升人數(shù)統(tǒng)計(jì)效率及精準(zhǔn)度的人流量統(tǒng)計(jì)系統(tǒng)及方法。

本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：一種人流量統(tǒng)計(jì)系統(tǒng)，包括：

圖像采集模塊，所述圖像采集模塊用于通過(guò)魚(yú)眼攝像頭采集封閉區(qū)域內(nèi)人流量的視頻數(shù)據(jù)，將所述視頻數(shù)據(jù)進(jìn)行抽幀，獲得圖像集；

模型訓(xùn)練模塊，所述模型訓(xùn)練模塊用于導(dǎo)入圖像集，將圖像集中的圖像劃分外圈區(qū)域和內(nèi)圈區(qū)域；在圖像的外圈區(qū)域內(nèi)標(biāo)記出人體的五官及頭部，獲得第一人體標(biāo)記數(shù)據(jù)；利用第一人體標(biāo)記數(shù)據(jù)對(duì)第一人頭檢測(cè)模型進(jìn)行訓(xùn)練，獲得第一目標(biāo)檢測(cè)模型；在圖像的內(nèi)圈區(qū)域內(nèi)標(biāo)記出人體的頭部，獲得第二人體標(biāo)記數(shù)據(jù)；利用第二人體標(biāo)記數(shù)據(jù)對(duì)第二人頭檢測(cè)模型進(jìn)行訓(xùn)練，獲得第二目標(biāo)檢測(cè)模型；

人流量統(tǒng)計(jì)模塊，所述人流量統(tǒng)計(jì)模塊用于導(dǎo)入待識(shí)別的圖像集，將待識(shí)別圖像集中的圖像劃分外圈區(qū)域和內(nèi)圈區(qū)域；將圖像導(dǎo)入第一目標(biāo)檢測(cè)模型，利用第一目標(biāo)檢測(cè)模型對(duì)圖像進(jìn)行推理，統(tǒng)計(jì)外圈區(qū)域內(nèi)的人員數(shù)量，獲得外圈區(qū)域人員數(shù)量；將圖像導(dǎo)入第二目標(biāo)檢測(cè)模型，利用第二目標(biāo)檢測(cè)模型對(duì)圖像進(jìn)行推理，統(tǒng)計(jì)內(nèi)圈區(qū)域內(nèi)的人員數(shù)量，獲得內(nèi)圈區(qū)域人員數(shù)量；修正外圈區(qū)域人員數(shù)量和內(nèi)圈區(qū)域人員數(shù)量之間的重疊人數(shù)，獲得當(dāng)前圖像中的人員數(shù)據(jù)；將圖像集的人員數(shù)量進(jìn)行滑動(dòng)平均值向上取整得到封閉區(qū)域內(nèi)的人流量數(shù)據(jù)。

本發(fā)明的有益效果是：通過(guò)抽幀處理降低數(shù)據(jù)運(yùn)算量，節(jié)省資源開(kāi)銷(xiāo)；通過(guò)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)人頭檢測(cè)模型以及多幀關(guān)聯(lián)分析合并有效降低復(fù)雜環(huán)境下特征提取的難度，提升了人頭檢測(cè)的準(zhǔn)確率和召回率，解決了視頻人頭檢測(cè)突然消失而導(dǎo)致的檢測(cè)人頭階躍的問(wèn)題；還利用第一目標(biāo)檢測(cè)模型和第二目標(biāo)檢測(cè)模型進(jìn)行人頭識(shí)別及檢測(cè)，進(jìn)而統(tǒng)計(jì)封閉區(qū)域的人數(shù)，避免傳統(tǒng)人形檢測(cè)失效；能精確的統(tǒng)計(jì)出當(dāng)前區(qū)域具體人數(shù)。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

進(jìn)一步，所述圖像采集模塊獲得視頻數(shù)據(jù)后，將視頻的幀率降低至5fps；抽取視頻流中I幀以及I幀前后兩張P幀，將I幀和兩張P幀合成全景圖像，獲得人物清晰的圖像集。

采用上述進(jìn)一步方案的有益效果是：通過(guò)抽幀檢測(cè)減少計(jì)算量，縮短處理時(shí)間，使用前置幀的檢測(cè)結(jié)果影響當(dāng)前幀的結(jié)果，增強(qiáng)關(guān)聯(lián)性。