[发明专利]一种基于深度学习的客流检测方法、系统及装置

说明书

本发明提出了一种基于深度学习的客流检测方法、系统及装置，涉及客流量监控的技术领域。包括采无行人时的图像信息和行人经过的图像信息；将采集的图像进行图像相减获得对应的特征图像样本；将预设人体动作图像样本与特征图像样本导入分类器模型中获得决策模型；采集待测环境实时的视频信息，将视频信息对应测试样本基于决策模型进行匹配；在测试样本上执行决策模型；当测试样本内的特征图像样本基于决策模型得出的结果符合预设第一范围内时，将对应特征图像进行位置对比，位置相同，则客流量数值不变；位置不同，则将客流量数值加一。其能够区别一个高度和轮廓和人类似物体，避免将物体误判为人，提高了监测的精度，扩大摄像头的监测范围。

技术领域

本发明涉及客流量监控的技术领域，具体而言，涉及一种基于深度学习的客流检测方法、系统及装置。

背景技术

现代社会，商场、连锁店等零售企业间的竞争不断加剧，而零售企业竞争的核心是客流量，以及客流量的购买转化率。如何对商场的客流量进行实时、动态监测统计，对数据进行分析并依据企业实际经营状况输出各种分析结果，为企业经营决策提供参考依据，成为了众多零售企业日益关注的问题。同时随着经济社会的发展，零售商业模式经过多年演化，已从传统的被动营销、广泛营销向主动营销、精准营销转变，日常客流规律分析日益受到企业管理决策层面的重视。

目前很多企业采用的客流计数器通过识别物体的轮廓和高度来判断该物体是否为一个人等方式对客流量进行统计，这些方式的弊端准确率不高、统计误差较大，如果一个物体高度和轮廓和人类似，则极有可能会误判为一个人。

发明内容

本发明的目的在于提供一种基于深度学习的客流检测方法，其能够区别一个高度和轮廓和人类似物体，避免将物体误判为人，提高了监测的精度。

本发明的另一目的在于提供一种基于深度学习的客流检测装置，其能够扩大摄像头的监测范围。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种基于深度学习的客流检测方法，其包括：

采集待测环境中无行人时的图像信息作为背景样本；采集待测环境中多个时刻行人经过的图像信息作为训练样本；

将任一训练样本与背景样本进行图像相减获得对应的特征图像样本；

预设人体动作图像样本；

定义筛选模型，筛选模型包括分类器模型；将预设人体动作图像样本与特征图像样本导入分类器模型中获得决策模型；

采集待测环境实时的视频信息，视频信息的每一帧转换为实时图像信息作为测试样本，并基于决策模型进行匹配；

在测试样本上执行决策模型；当测试样本内的特征图像样本基于决策模型得出的结果符合预设第一范围内时，锁定特征图像，在预设时间内将任意两帧图像信息上对应特征图像进行位置对比，如果对比结果为位置相同，则客流量数值不变；如果对比结果为位置不同，则将客流量数值加一。

基于第一方面，在本发明的一些实施例中，在预设时间内将任意两帧图像信息上对应特征图像进行位置对比的步骤中还包括：如果对比结果为位置不同，对特征图像采用人脸识别方法进行识别，若特征图像识别出人脸，则将客流量数值加一，若未能识别则客流量数值不变。

基于第一方面，在本发明的一些实施例中，人脸识别方法采用人脸规则法。

基于第一方面，在本发明的一些实施例中，图像相减的方法采用帧间差分法。

第二方面，本申请实施例提供一种基于深度学习的客流检测系统，其包括：

图像采集模块，用于采集待测环境中无行人时的图像信息作为背景样本；采集待测环境中多个时刻行人经过的图像信息作为训练样本；