[发明专利]一种面向边缘端行人跟踪和人数精确统计的方法

说明书

一种面向边缘端行人跟踪和人数精确统计的方法，涉及边缘计算场景下基于人工智能部件的行人跟踪和人数统计领域。该方法初始时建立并实时维护行人动态跟踪列表。从边缘端的人工智能部件获取行人结果信息，并在其基础上建立行人静态检测列表。将行人静态检测列表和行人动态跟踪列表进行精确匹配。边缘端的成本及性能限制使得边缘端计算能力有限会导致行人精确匹配失败。此时，该方法将根据行人动态跟踪信息对行人进行智能模糊匹配。根据匹配后的结果实时更新行人动态跟踪列表，并对统计区域内的行人进行人数精确统计，若精确统计失败，所述方法对该行人使用延迟计数策略。

技术领域

本发明涉及边缘计算场景下基于人工智能部件的行人跟踪和人数统计领域。

背景技术

随着人们安全意识的普遍提高，监控摄像头已经遍布大街小巷，图像处理、机器视觉等技术的融入使计算机可以代替人脑分析视频中的信息，判断视频中的情况，使监控走向智能化。近些年边缘计算兴起，嵌入式系统以其功耗低、功能专一的特性成为边缘计算的最主要处理平台，使智能监控技术得以大量应用于实际生活中。

嵌入式专用芯片的效率远远高于PC，而成本和功耗又大大低于CPU，很多学者设计了嵌入式图像处理的专用芯片，并针对性地设计了行人跟踪和人数统计方法。行人跟踪策略包括利用专用芯片分析的行人颜色，姿态等特征信息进行相似性匹配，或是判断前后两帧检测框的重叠率。人数统计主要是通过跨越检测线触发。

现在人工智能技术正在快速落地，同样也在向边缘和终端领域扩展。近年来各大设计厂家针对人工智能算法专门设计了人工智能部件，然而人工智能部件对于部署平台的计算能力要求较高，边缘计算平台的处理能力可能会限制人工智能部件的处理性能，同时各厂大商也倾向于降低人工智能部件的处理性能以满足实际应用中成本和售价的平衡。

发明内容

鉴于此，本算法的目的是基于人工智能处理部件对实时视频及其相关信息进行智能分析后得出的行人结果信息，设计通用的行人跟踪和人数精确统计方法，使其应用于边缘计算场景时，在人工智能处理部件自身处理能力不足、边缘端处理平台计算能力有限和产品成本定价等资源限制下依旧能精确地进行行人跟踪和人数统计。

一种面向边缘端行人跟踪和人数精确统计的方法，其特征在于包括如下步骤：

步骤S1：建立并实时维护行人动态跟踪列表，用于动态记录跟踪区域内的行人信息。

步骤S2：获取边缘端人工智能处理部件的行人结果信息。

步骤S3：提取重要行人结果信息建立行人静态检测列表。

步骤S4：将行人静态检测列表和行人动态跟踪列表中的行人进行匹配。

步骤S5：根据匹配结果更新行人动态跟踪列表。

步骤S6：根据行人动态跟踪列表对统计区域的行人进行人数精确统计。

步骤S1中行人动态跟踪列表记录的信息应包括行人的跟踪id、方向、移动半径、丢帧信息。

步骤S3中行人静态检测列表记录的信息应包括行人的跟踪id、位置坐标、时间信息。

所述算法其特征还在于：边缘端的资源限制，包括人工智能处理部件的自身处理能力受限，边缘端处理平台的计算能力不足，产品成本限制等，都会使实时视频的智能分析过程出现丢帧问题从而导致行人结果信息产生偏差。故步骤S4中所述的匹配过程先进行精确匹配，若精确匹配失败则对精确匹配失败的行人进行智能模糊匹配。

步骤S41：精确匹配。

根据行人静态检测列表和动态跟踪列表中的跟踪id可判断两个列表中的行人是否为同一人，若跟踪id相同则为同一个人，精确匹配成功，否则精确匹配失败。

步骤S42：对精确匹配失败的行人进行智能模糊匹配。