[发明专利]一种视频监控中人流量检测与处理方法

说明书

本发明公开了一种视频监控中人流量检测与处理方法。首先是人流量检测，训练深度学习模型，对视频监控中的人头数量进行检测和统计；其次是推荐阈值计算，从视频监控设备中截取图像，根据场景面积、人均占地面积等进行关系映射计算推荐阈值；若人流量超过阈值，则运用元胞自动机针对该场景的平面图建立疏散模型。本方法经过预训练的深度学习模型统计人流量，并依据实际应用场景设计阈值，适用于人流量变化较大的公共场所，例如商场、学校等。

【技术领域】

本发明涉及一种视频监控中人流量的检测与处理方法，属于深度学习，计算机视觉领域。

【技术背景】

在国外对人流量监控的分析已经成为一项非常重要的市场研究手段，特别是在一些发达的国家更是普遍应用到了各种商业场所，例如购物中心、商场百货、连锁店铺等场所，人流量分析是能够决定企业运营决策各项目的数据依据，结合客流与消费系统能够有效提高销售率，增加了经营效益。

而在国内，自动人流量统计系统是从国外引入，而人流量统计投入的市场也是在观望，已有不少的商业采用了人流量统计系统应用于商场，而且采集数据的准确性给商场的发展带来了决策运营的作用。特别是在节假日人流量爆满的时候，根据人流量数据数据的统计和分析，能够做好促销宣传，吸引更多的顾客消费。不过由于国内的起步比较晚，如今依然较多采用红外计数器或者人工统计的方式来实现对目标区域的数据采集和统计，这种做法的效率较低，而且容易导致数据不准对规划有着严重的影响性的。

【发明内容】

基于以上考虑，本发明提出了一种视频监控中人流量的检测与处理方法，该方法采用的算法简单，易于实现，系统结构简洁，易于部署并运用到实际场景中。

本发明具体实现的方法，包括以下步骤：

步骤1：人流量检测，基于预训练的深度学习模型，通过人头数量统计获取人流量数值；

步骤2：推荐阈值计算，利用叉乘法计算图像中可供人行走的区域面积再根据摄像头放置的高度以及摄像头拍摄图像的缩放参数计算实际面积，与拥挤人群密度相乘得到推荐阈值；

步骤3：疏散模型建立，若人流量超过阈值则利用元胞自动机建立疏散模型。

具体的，步骤1中人流量检测运用专门用于人头检测的深度学习模型FCHD(快速且精准的人头检测器)，包括以下步骤：

步骤2-1：图像预处理，输入摄像头拍摄的场景图像，将其缩放并转换为640×480的RGB图像，再进行归一化；

步骤2-2：模型初始化，对FCHD进行初始化，读取参数文件，解析FCHD模型，加载模型权重；

步骤2-3：特征提取，对预处理过的图像进行特征提取(在特征提取中使用的是VGG16网络的Feature层，即特征层)，并输出特征向量；

步骤2-4：生成多尺寸的锚，在预处理过的图像上以16为步长在每个位置生成多种的尺寸的锚。在输出特征向量之后，与原图像相映射使得在特征向量相应位置上也生成多种锚；

步骤2-5：信息编码，多种尺寸的锚生成后，再通过一层512*512的卷积层对前层信息进行编码；

步骤2-6：进行检测，得到各个锚的分类和经回归后的位置后，最后经非极大值抑制得到结果；

步骤2-7：输出结果，将结果绘制在原图像上，并显示。

具体的，步骤2所述的根据场景多个条件计算推荐阈值，其原理是通过叉乘法计算图像中人为勾画出的可供行人站立的区域面积，再与摄像头拍摄的相关参数以及放置高度进行映射计算，得出的该区域的实际面积，最后与相关文献资料中记录的拥挤人群密度(一般为9人/平方米)相乘，得到推荐阈值。

具体的，步骤3所述的运用元胞自动机建立疏散模型，包括以下步骤：