[发明专利]一种客流统计方法、电子设备及存储介质

说明书

本发明涉及图像处理领域，公开了一种客流统计方法、电子设备及存储介质，包括对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；对客流统计场景图像数据集进行数据增强；利用数据增强后的客流统计数据集训练YOLOv3模型；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；利用Deep‑SORT算法、并根据行人目标检测框确定跟踪目标，进行多目标行人跟踪，根据ID获得客流统计数量。本发明结合先进的目标检测算法和目标跟踪算法提出了实时检测跟踪的客流量统计方法，本发明检测部分采用YOLOv3模型，跟踪算法采用Deep‑SORT算法，能实时进行检测行人及跟踪,提高了客流量统计的准确性及鲁棒性。

技术领域

本发明涉及图像处理领域，具体地涉及一种客流统计方法、电子设备及存储介质。

背景技术

现有客流统计算法采用单目摄像机斜向下拍摄的背景下设计并实现了客流量统计的系统,能够完成客流的实时检测、跟踪及计数。

比如，国家专利公开文献CN110516602A，公开了“一种基于单目相机和深度学习技术的公交客流统计方法”，该发明包括：S1、视频采集，使用录像机采集公交车上前后门处的视频并得到原始视频；S2、样本标注，对原始视频进行筛选、截图和标注并得到训练样本；S3、拟合模型，对训练样本进行训练并拟合模型，并得到深度学习模型；S4、轻量化处理，将步骤S3中的深度学习模型进行轻量化处理，然后再进行步骤S5；S5、运行深度学习模型并计数，从而对公交客流进行统计。该发明虽然能够完成客流的实时检测、跟踪及计数，但是在实际的场景中，效果并不是很理想，精度低，准确度差。

发明内容

本发明提供一种客流统计方法、电子设备及存储介质，从而解决现有技术的上述问题。

第一方面，本发明提供了一种客流统计方法，包括以下步骤：

一种客流统计方法，包括以下步骤：

S1)采集客流统计场景下的视频，对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，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YOLOv3模型，获得训练完成的YOLOv3模型；

S3)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ID获得客流统计数量。

进一步的，在步骤S2)中，对客流统计场景图像数据集进行数据增强，数据增强包括图像裁剪、图像翻转和/或Mosaic数据增强方式。

进一步的，在步骤S3)中，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，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最终检测得到的行人目标相对应的行人目标检测框。

进一步的，在步骤S4)中，利用Deep-SORT算法、并根据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ID获得客流统计数量，包括以下步骤：