[发明专利]一种客流统计方法、电子设备及存储介质

权利要求书

1.一种客流统计方法，其特征在于，包括以下步骤：

S1)采集客流统计场景下的视频，对所述客流统计场景下的视频进行逐帧提取、并对提取出的含有行人的图像进行标注，获得标注后的客流统计数据集；

S2)对所述客流统计场景图像数据集进行数据增强，获得数据增强后的客流统计数据集；构建目标检测模型，所述目标检测模型为YOLOv3模型，利用数据增强后的客流统计数据集训练所述YOLOv3模型，获得训练完成的YOLOv3模型；

S3)所述训练完成的YOLOv3模型输出含有行人的图像中的行人目标检测框；

S4)利用Deep-SORT算法、并根据所述行人目标检测框确定跟踪目标，进行多目标行人跟踪，输出各个跟踪目标的行动轨迹和ID，根据所述ID获得客流统计数量。

2.根据权利要求1所述的客流统计方法，其特征在于，在步骤S2)中，对所述客流统计场景图像数据集进行数据增强，所述数据增强包括图像裁剪、图像翻转和/或Mosaic数据增强方式。

3.根据权利要求1或2所述的客流统计方法，其特征在于，在步骤S3)中，所述训练完成的YOLOv3模型输出含有行人的图像的行人目标检测框,包括利用训练完成的YOLOv3模型检测出含有行人的图像中的所有行人目标检测框，提取行人目标检测框在含有行人的图像中所对应区域的特征，所述行人目标检测框包括行人目标的置信度和边界框信息；设定置信度阈值，当置信度大于所述置信度阈值时,认为是行人目标,保留确定为行人目标的行人目标检测框；利用非极大值抑制算法去除确定为行人目标的行人目标检测框中的冗余框,得到最终检测得到的行人目标以及与所述最终检测得到的行人目标相对应的行人目标检测框。

4.根据权利要求3所述的客流统计方法，其特征在于，在步骤S4)中，利用Deep-SORT算法、并根据所述行人目标检测框确定跟踪目标，进行多目标行人跟踪，输出各个跟踪目标的行动轨迹和ID，根据所述ID获得客流统计数量，包括以下步骤：

S41)将所述最终检测得到的行人目标作为跟踪目标，初始化各个跟踪目标的行动轨迹和ID，利用卡尔曼滤波算法计算卡尔曼预测的每个跟踪目标的行动轨迹的平均坐标位置和行人目标检测框之间的距离；距离越小的区域为跟踪目标的预测位置区域,得到各个跟踪目标的预测位置；

S42)使用匈牙利算法对含有行人的图像中的跟踪目标进行匹配，获得含有行人的图像中匹配到的若干目标检测框，利用所述含有行人的图像中匹配到的目标检测框更新卡尔曼跟踪器，将含有行人的图像中匹配到的若干目标检测框作为含有行人的图像中的若干跟踪框，将所述若干跟踪框分别加入与各个跟踪目标相对应的行动轨迹中；

S43)对于含有行人的图像中未匹配到的跟踪目标重新初始化卡尔曼跟踪器；更新各个跟踪目标的跟踪状态，输出各个跟踪目标的行动轨迹；统计各个跟踪目标的ID，获得客流统计数量。

5.根据权利要求4所述的客流统计方法，其特征在于，在步骤S4)中，还包括若在连续帧含有行人的图像中均未匹配到同一个ID的跟踪目标，则将所述未匹配到同一个ID的跟踪目标认为是消失目标，删除所述消失目标的卡尔曼跟踪器以及行动轨迹。

6.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至5任一项所述的客流统计方法。

7.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至5任一项所述的客流统计方法。