[发明专利]一种基于深度学习的人员计数方法及其系统

权利要求书

1.一种基于深度学习的人员计数方法，其特征在于，包括以下步骤：

S1：获取环境图像，并将所述环境图像输入到深度学习系统中；

S2：使用深度学习系统对所述环境图像进行分析，输出生成框，其中所述生成框包括人脸框和全身框；

S3：通过欧氏距离算法对所述生成框进行匹配计算，并输出人员数量；

所述S3包括以下步骤：

S31：对所述环境图像中每个人员的生成框进行匹配，筛选出某一全身框内有且仅有一个人脸框的情况，并且所述人脸框的中心位于所述全身框的上半部分，所述全身框也不与其他全身框重叠时，则判断其为同一目标的第一生成框，并输出所述第一生成框的数值为A；其中，所述人脸框和所述全身框之间的距离通过欧式距离计算；

S32：判断剩余生成框的状态，若某一人脸框的中心点不在欧式距离最近的全身框的边界内则所述人脸框判断为独立状态；若某一全身框内不包含任一人脸框的中心点，则所述全身框判断为独立状态；其余生成框的状态判断为重叠状态，输出所述重叠状态下的所述全身框的数值为B；

S33：根据预设的生成框阈值对独立状态下的所述人脸框和所述全身框进行筛选，并输出所述独立状态下的所述人脸框和所述全身框的数值为C；

S34：对所述S31、S32和S33分别输出的数字A、B和C进行累加，输出所述环境图像中的人员总数。

2.根据权利要求1所述的一种基于深度学习的人员计数方法，其特征在于，S1所述的深度学习系统为YOLO_V4系统，所述YOLO_V4系统是一种one-shot方式的目标检测系统，特征提取网络为CSP-Darknet53。

3.根据权利要求2所述的一种基于深度学习的人员计数方法，其特征在于，所述特征提取网络CSP-Darknet53采用的是输出值跨卷积连接的方式。

4.根据权利要求2所述的一种基于深度学习的人员计数方法，其特征在于，在所述YOLO_V4系统的结构的头部添加PAN结构，在所述YOLO_V4系统的结构的颈部添加SPP结构。

5.根据权利要求1所述的一种基于深度学习的人员计数方法，其特征在于，所述生成框共九种，包括：12mm×16mm,19mm×36mm,40mm×28mm,36mm×75mm,76mm×55mm,72mm×146mm,142mm×110mm,192mm×243mm,405mm×400mm。

6.根据权利要求1所述的一种基于深度学习的人员计数方法，其特征在于，所述S32所述的其余生成框的状态判断为重叠状态包括：判断重叠状态下的生成框的状态，先对重叠状态下的全身框进行姿态判定，当人员站立时，所述全身框的长宽比例大于1；当人员躺下时，所述全身框的长宽比例小于1；再对重叠状态下的人脸框的位置进行判定，当人员为站立姿态时，所述人脸框的位置在所述全身框的上半部分，所述全身框内的所述人脸框取中心点x值最小进行匹配，余下的人脸框在其他全身框中，则与其他全身框进行匹配；当人员为躺下姿态时，人脸框的位置在全身框的两侧，计算所述全身框与其内部的全部人脸框的欧式距离，取欧式距离最大的与所述全身框进行匹配，余下的人脸框在其他全身框中则与其他的全身框进行匹配，否则舍弃该人脸框。

7.根据权利要求1所述的一种基于深度学习的人员计数方法，其特征在于，所述S33所述的预设的生成框阈值包括：全身框像素分辨率大于人脸框像素分辨率时，设置全身框的阈值大于0.8；当人脸框像素分辨率大于12×18时，设置人脸框的阈值大于0.85。

8.一种基于深度学习的人员计数系统，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的方法。