[发明专利]一种基于深度学习的人群统计方法

说明书

本方法公开了一种基于深度学习的人群统计方法，该方法通过对视频提取运动前景，使用人体区域模型保证摄像头视角和透视不变性，通过预处理、提取、检测，最终确定人体区域统计人数。该方法不仅可以减少滑动窗口搜索区域提高搜索效率，也克服了监控视频由于视角、距监控场景距离等原因引起的形变且系统安装部署简单，基于深度学习卷积神经网络的检测模型提高人体检测准确率，使用非极大值抑制方法排除冗余子区域减少重复计数，使得检测人体，定位人体和统计人群数量的结果更加精确。

所属技术领域

本方法属于视频智能监控领域，具体涉及一种基于深度学习的人群统计方法。

背景技术

随着视频监控系统的普及，摄像头已遍布城市各个角落。首先，面对如此海量的摄像头和监控视频，使用人工方式去甄别监控场景中的人群行为和属性是不现实的。其次，面对雨天、雪天、夜景或者人群超密集等复杂场景，单纯凭借肉眼来识别其中的人尚且困难，更不用说统计其中人数。

目前，应用于视频监控系统的人群统计方法主要分为三类：第一类利用检测器在图像中滑动逐个判定并统计人体；第二类对图像提取人群运动轨迹特征并聚类，聚类结果为人群计数结果；第三类利用统计学方法估计人群的分布以计算人群的密度，计算得到人群数量。然而以上几种方法均采用手工提取特征的方式，不适用于较复杂场景，要么未引入透视和观察角度不变性使得方法不能处理由于视角和透视原因引起的物体形变，不能很好适用于视野开阔的场景，要么采用了解决透视和观察角度不变性的方法但精确度过于依赖用户手动测量摄像头拍摄角度、观测距离等参数，使得系统的安装配置复杂化。而单纯采用检测器处理图像则取决于检测器的好坏，且采用滑动窗口对全图进行遍历计算量巨大，实时性难以保证。

发明内容

本发明提供一种方法，不但可以最大限度减少滑动窗口的搜索区域来提高检测效率和降低复杂场景对人体检测的干扰，而且只需简单配置即可实现透视和观察角度不变性。

为了达到上述目的，本发明提出的一种基于深度学习的人群统计方法包括以下步骤：

步骤1，采用灰度世界算法对预处理图像进行白平衡预处理；

步骤2，采用K近邻算法的背景分割方法提取预处理后的图像；

步骤3，采用保证视角和透视不变性的方法遍历提取出的图像像素，将其坐标(x，y)输入训练好的线性模型得到人体区域的尺寸；

步骤4，采用卷积神经网络作为人体,检测模型；

步骤5，统计最终人体数量。

进一步地，步骤1所述灰度世界算法对图像进行白平衡预处理，进一步包括以下步骤：

1)对预处理图像三个通道取平均值；

2)求取各个通道的增益并将增益值叠加到原图；

3)对结果做规划处理；

公式如下：

I_out＝(R_new，G_new，B_new)