一种基于单目摄像机的高精度行人流量统计方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082862A(43)申请公布日2022.09.20(21)申请号202210792081.8G06N3/04(2006.01)(22)申请日2022.07.07(71)申请人南京杰迈视讯科技有限公司地址210014江苏省南京市白下高新技术产业园区永智路6号中国云计算创新基地B幢6层(72)发明人冯国进胡茂福陈军辉穆科明(74)专利代理机构北京神州信德知识产权代理事务所(普通合伙)11814专利代理师朱俊杰(51)Int.Cl.G06V20/52(2022.01)G06V40/10(2022.01)G06V10/82(2022.01)G06N3/08(2006.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于单目摄像机的高精度行人流量统计方法(57)摘要本发明公开了一种基于单目摄像机的高精度行人流量统计方法，属于行人流量统计技术领域。针对现有单目行人流量统计方法的问题，本发明采用深度学习目标检测与传统目标跟踪相结合的方法，先根据不同场景使用不同的模型检测人体目标，然后利用二级目标跟踪方法对目标进行精准跟踪，并将检测目标与跟踪目标进行融合处理，极大地提升流量统计的准确率，并减少对处理器与GPU算力的要求，尽可能地降低成本。本发明设计了一种二级目标跟踪方法，第一阶段采用边缘特征、平均灰度特征过滤掉不相关的区域，留下最相关区域；第二阶段利用模板匹配在最相关区域求得目标的最终位置，使目标跟踪更加稳定可靠，抗干扰性更强。CN115082862ACN115082862A权利要求书1/1页1.一种基于单目摄像机的高精度行人流量统计方法，其特征在于：包含如下步骤：S1、预先训练好俯视人体、人头人脸、通用人体三种Yolov4模型；S2、根据场景选择对应的Yolov4模型进行目标检测，得到的目标作为初始的跟踪目标；S3、利用二级目标跟踪方法对目标进行精准跟踪；S4、每过一定时间需要重新检测视频中的目标，并对检测目标与跟踪目标进行融合处理，更新目标模板与位置，增加新目标；S5、当目标达到边界或目标跟踪丢失，可以删除跟踪目标，并更新人数；S6、重复S3到S5的过程。2.根据权利要求1所述的基于单目摄像机的高精度行人流量统计方法，其特征在于：所述S3中的二级目标跟踪方法包含两个阶段，第一阶段求取目标最相关区，第二阶段在目标最相关区内使用模板匹配法找到目标位置；二级目标跟踪的第一阶段，选取水平垂直边缘、斜方向边缘和图像平均灰度三种特征，分别求取水平垂直边缘、斜方向边缘和图像平均灰度的相关矩阵；对上述矩阵做截断操作并求和，得到目标最相关区矩阵。3.根据权利要求1所述的基于单目摄像机的高精度行人流量统计方法，其特征在于：所述S4中对检测目标与跟踪目标进行双向映射的融合处理，解决目标尺度变化、旋转导致的跟踪效果差问题。2CN115082862A说明书1/5页一种基于单目摄像机的高精度行人流量统计方法技术领域[0001]本发明涉及行人流量统计技术领域，更具体地说，涉及一种基于单目摄像机的高精度行人流量统计方法。背景技术[0002]行人流量统计广泛应用在各类功能场所，通过统计人们出现在相应场所的流量，从而为用户在作商业决策或者社会管理决策时，提供更加可靠和有价值的参考数据，随着图像识别和处理技术的发展，摄像机在行人流量统计领域中得到了广泛的应用。现有的行人流量统计有单目摄像机方案、双目摄像机方案、深度摄像机方案。单目摄像机方案在成本上具有很大优势，可以不用新装设备，直接利用已有监控摄像机实现行人流量统计，但在精度方面不如双目摄像机与深度摄像机方案。[0003]在人体目标检测方面，一般有背景差法、HOG特征结合SVM分类器方法、深度学习方法。由于需要对不同出入方向的人流量进行独立统计，所以需要对行人目标进行跟踪，以判断行进方向。在目标跟踪方面一般利用相关滤波的跟踪算法（如MOSSE、CSK、KCF等）、MeanShift、卡尔曼滤波、深度学习方法等。相关滤波方法适用于单一背景和无遮挡情况的场景，Meanshift方法适用于目标的色彩模型和背景差异比较大的场景，卡尔曼滤波是一种线性滤波器，适用于线性运动且图像噪声服从高斯分布的场景，纯深度学习方法在目标检测、跟踪方面具有较大的优势，但需要的很高的算力支持。发明内容[0004]1．要解决的技术问题目前的基于单目摄像机的行人流量精确统计方法存在难以适应各种应用场景与安装方式、漏检率高、成本偏高等问题。[0005]2．技术方案为解决上述问题，本发明采用如下的技术方案。[0006]本发明的总体思路是采用深度学习目标检测与传统目标跟踪相结合，将检测目标与跟踪目标进行融合处理的方式，提升行人流量统计的准确率，同时减少对处理器与GPU算力的要求，降低