[发明专利]地铁断面客流量统计和行人逆行检测方法及系统

权利要求书

1.一种基于多目标跟踪算法的地铁断面客流量统计和行人逆行检测方法，其特征在于：包括以下步骤

S01.目标检测模型训练，采用地铁站监控视频制作样本集，对目标跟踪算法进行训练，得到目标检测模型；

S02.外观特征描述模型训练，采用行人再识别数据集训练表观特征抽取网络，得到特征提取模型，用于提取检测目标外观特征向量；

S03.绊线设置，根据实际场景设置用于判断行人跨越的绊线，作为判断行人跨越行为的依据；

S04.目标追踪，获取地铁站内监控视频，将视频解码抽帧，输入目标检测模型，目标检测模型获取初始的行人检测框，特征提取模型根据检测框内的目标得到外观特征向量；依据检测框的位置信息和提取出的外观特征向量进行目标跟踪匹配，循环迭代确定跟踪目标的目标ID号并返回；

S05.行为判断，对于同一目标ID号的行人目标，判断其检测框坐标与绊线的位置关系；根据检测框是否在一定时期内出现在绊线两侧，来判断其是否存在跨越绊线行为；

S06.客流量和逆行计算，根据行人目标的跨越行为，统计计算出视频区域内的断面客流量，同时判断特定区域是否存在行人逆行行为，并给出报警信号。

2.根据权利要求1所述的一种基于多目标跟踪算法的地铁断面客流量统计和行人逆行检测方法，其特征在于：所述步骤S01中，采用YOLO V3检测算法作为目标跟踪算法的检测器，以darknet53为基础的特征提取网络作为检测器的backbone，对样本集进行迭代训练。

3.根据权利要求2所述的一种基于多目标跟踪算法的地铁断面客流量统计和行人逆行检测方法，其特征在于：所述步骤S02中，使用darknet深度学习框架搭建CNN外观特征抽取网络，离线训练得到特征提取模型。

4.根据权利要求3所述的种基于多目标跟踪算法的地铁断面客流量统计和行人逆行检测方法，其特征在于：所述CNN外观特征抽取网络为10层，分别为2个卷积层，1个最大值池化层，6个残差层，1个全连接层；其中，对样本数据进行三次下采样，最后批归一化得到128维向量作为外观特征度量向量。

5.根据权利要求1所述的种基于多目标跟踪算法的地铁断面客流量统计和行人逆行检测方法，其特征在于：所述步骤S03中绊线垂直于客流行进方向，设置于地铁站内楼梯口、扶梯口、闸机口区域。

6.根据权利要求4所述的一种基于多目标跟踪算法的地铁断面客流量统计和行人逆行检测方法，其特征在于：所述步骤S04具体为：接入地铁监控视频，解码抽帧后输入YOLOV3检测算法中获取当前帧内的检测目标的检测框，YOLOV3检测算法采用非极大值抑制和置信度对检测框进行筛选，然后再采用10层的CNN外观特征抽取网络对检测框内检测目标分别计算其外观特征的128维向量。