[发明专利]一种基于卷积神经网络的人流量统计方法

权利要求书

1.一种基于卷积神经网络的人流量统计方法，其特征在于，该方法包括以下步骤：

步骤1，获取监控场景的监控视频，获取视频帧图像，对帧图像中的行人目标进行打标，获取标注图像及对应的行人目标标注信息，将行人目标标注信息数据集按照一定比例分成训练数据集和测试数据集；

步骤2，构建基于改进的快速消化的卷积层IRDCL和多尺度卷积层MSCL的行人目标检测和比对网络模型PersonBoxes；

步骤3，将步骤1获得的标注图像及训练数据集放入PersonBoxes中进行训练，通过迭代训练，利用反传播算法，逐步更新该网络模型的训练参数，直至该网络模型收敛；训练过程中，将测试数据集送入PersonBoxes网络模型中验证模型的定位、分类和比对性能；

步骤4，在步骤3训练出的行人目标检测和比对网络模型PersonBoxes的基础上，输入视频流数据，生成行人目标移动轨迹，根据生成的移动轨迹数量，输出视频流在对应时间段内人流量信息，实现人流量统计；

其中，步骤2中，行人目标检测和比对网络模型PersonBoxes包括：

改进的快速消化卷积层IRDCL，由Conv1_1、Conv1_2、Pooling_1、Conv2_1、Conv2_2和Pooling_2组成，卷积层Conv1_1、Conv1_2、Conv2_1和Conv2_2的步长分别为2、2、1和2，卷积层之后均连接BN和激活函数ReLU，池化层Pooling_1和Pooling_2的步长分别为2和2，Conv1_1和Conv1_2的卷积核大小设置为5×5，Pooling_1的卷积核大小设置为3×3，Conv2_1和Conv2_2的卷积核大小设置为3×3，Pooling_2的卷积核大小设置为3×3；

多尺度卷积层MSCL，由Inception1、Inception2、Inception3、Conv3_1、Conv3_2、Conv4_1和Conv4_2组成，Inception1、Inception2和Inception3输出的特征尺度为32×32，Conv3_2输出的特征尺度为16×16，Conv4_2输出的特征尺度为8×8，通过锚框(Anchor)可以关联多尺度的特征图，Inception1、Inception2和Inception3的Anchor尺度分别为32×32、64×64和128×128，Conv3-2和Conv4-2的Anchor尺度分别为256×256和512×512；

ROI Pooling Layers，由ROI Pooling_1、ROI Pooling_2和ROI Pooling_3组成，ROIPooling把不同尺度的行人目标输出为7×7的特征信息；

Mutil-task Loss多任务损失函数计算，由SoftMaxLoss、SmothL1Loss和AAMLoss组成，SoftMaxLoss是一个2分类器，用于区分是否为行人目标，SmothL1Loss是一个回归损失函数，用来做边框回归，AAMLoss是增加间隔的角度损失函数，用于对帧之间的行人目标的相似度进行评估，SoftMaxLoss和SmothL1Loss计算Inception3、Conv3-2和Conv4-2连接后的损失，AAMLoss计算Inception3、Conv3-2和Conv4-2中行人目标经过对应ROI Pooling输出相同维度特征的损失；

其中，所述步骤4中，利用训练出的行人目标检测和比对网络模型PersonBoxes提取视频流中每帧图像的行人目标和对应的特征信息，通过获取的每帧图像的行人目标和对应的特征信息，利用余弦相似度算法对行人目标特征信息相似度进行计算，选取最大相似度，且大于最小相似度0.5为匹配成功，生成行人目标移动轨迹，根据生成的行人目标移动轨迹数量，输出视频流在对应时间段内人流量信息，实现人流量统计；

其中，所述方法还包括：在进行余弦相似度计算之前，利用当前帧行人目标对应的特征信息，与前一帧检测到的行人目标进行特征比对，特征比对区域为以当前帧的目标中心点为中心且宽和高为该目标区域宽高的1.5倍的矩形区域，以该矩形区域对前一帧进行候选目标过滤，在前一帧中，提取中心点落入与当前帧对应的所述矩形区域范围内的目标，作为比对的候选目标。