[發明專利]一種基于多目標跟蹤的人流量統計方法

在審

• 申請號: 202211058097.2
• 申請日: 2022-08-31
• 公開（公告）號: CN115410155A
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 劉振鋒
• 申請（專利權）人: 珠海數字動力科技股份有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V20/40;G06V10/82;G06V10/75;G06N3/04;G06N3/08
• 代理公司: 廣州市時代知識產權代理事務所(普通合伙) 44438
• 代理人: 林鎮鑫

1.一種基于多目標跟蹤的人流量統計方法，其特征在于，包括：

S1，獲取當前場景的視頻，并在每個視頻幀中劃出分界線；

S2，利用訓練好的多目標跟蹤器對視頻中的行人進行定位檢測以及特征提取，多目標跟蹤器輸出行人邊界框的坐標以及行人的特征信息；

S3，基于行人的特征信息和邊界框進行級聯，以實現行人匹配；

S4，根據匹配成功后行人邊界框的下邊線的坐標生成行人的軌跡；

S5，判斷行人的軌跡是否穿越分界線，若是，則執行步驟S6；

S6，判斷行人的穿越方向，若穿越方向為進，則人數加一；若穿越方向為出，人數減一，實現人流量的統計。

2.根據權利要求1所述的基于多目標跟蹤的人流量統計方法，其特征在于，步驟S3包括：

S31，計算當前幀的行人的特征信息和上一幀的行人歷史特征信息的余弦距離；若所述余弦距離小于第一預設閾值，則將當前幀的行人邊界框與上一幀中的行人邊界框進行關聯；若所述余弦距離大于第一預設閾值，則執行步驟S32；

S32，利用卡爾曼濾波器通過上一幀的邊界框坐標預測出當前幀的邊界框坐標；

S33，計算由多目標跟蹤器檢測出的當前幀的邊界框以及所述預測出的當前幀的邊界框坐標的交并比IoU；若交并比IoU大于第二預設閾值，則將檢測出的當前幀的邊界框與上一幀的行人邊界框進行關聯；

S34，重復執行步驟S31-步驟S33，直至所有行人都關聯完畢，完成行人匹配。

3.根據權利要求2所述的基于多目標跟蹤的人流量統計方法，其特征在于，步驟S33之后包括：若交并比IoU小于第二預設閾值，則判斷檢測出的當前幀的邊界框的置信度是否大于預設的新目標閾值；若是，則創建一個新目標行人，其中，置信度為多目標跟蹤器輸出的特征圖經過sigmoid函數的輸出概率。

4.根據權利要求1所述的基于多目標跟蹤的人流量統計方法，其特征在于，步驟S6包括：計算行人的軌跡向量v₁與劃出的分界線v₂的夾角θ′；若所述夾角θ′小于180度，則判斷穿越方向為出；若所述夾角θ′大于180度，則穿越方向為進，其中，行人的軌跡向量v₁為行人穿越分界線時，兩幀或者多幀的坐標點連成的線。

5.根據權利要求4所述的基于多目標跟蹤的人流量統計方法，其特征在于，夾角θ′的計算公式為：

行人的軌跡向量v₁與分界線v₂的叉積v₁×v₂＜0，則θ′＝arccosθ；如果v₁×v₂＞0，則θ′＝360°-arccosθ。

6.根據權利要求1所述的基于多目標跟蹤的人流量統計方法，其特征在于，步驟S4包括：

根據匹配成功后行人邊界框坐標得到行人邊界框的下邊線中點坐標，根據每一幀的下邊線中點坐標連線，組成行人的軌跡；

其中，行人邊界框坐標為[x，y，w，h]，行人邊界框的下邊線中點坐標為(x+w/2，y)；x，y為邊界框的左下角坐標，w和h分別為邊界框的寬和高。

7.根據權利要求1所述的基于多目標跟蹤的人流量統計方法，其特征在于，進行行人匹配前，判斷當前目標是否因為遮擋或者離開監控畫面而丟失軌跡超過預設幀數，則丟棄掉當前目標的邊界框。

8.根據權利要求3所述的基于多目標跟蹤的人流量統計方法，其特征在于，若檢測出的當前幀的邊界框的置信度小于預設的新目標閾值，則丟棄當前的行人邊界框。

9.根據權利要求1所述的基于多目標跟蹤的人流量統計方法，其特征在于，多目標跟蹤器為輕量化模型yolov5s的21層結構，輕量化模型yolov5s的21層結構分別連接一個檢測頭分支及一個特征提取頭分支，其中提取的特征維度設置為64。

10.根據權利要求1所述的基于多目標跟蹤的人流量統計方法，其特征在于，多目標跟蹤器在訓練過程中采用Adam優化器，優化器超參數beta1、beta2分別為0.99和0.999；設置初始學習率為1e-4，在訓練集上使用批大小設置為16訓練30個輪次，在最后的10個輪次學習率衰減為1e-5。