[发明专利]一种基于多目标跟踪的人流量统计方法

权利要求书

1.一种基于多目标跟踪的人流量统计方法，其特征在于，包括：

S1，获取当前场景的视频，并在每个视频帧中划出分界线；

S2，利用训练好的多目标跟踪器对视频中的行人进行定位检测以及特征提取，多目标跟踪器输出行人边界框的坐标以及行人的特征信息；

S3，基于行人的特征信息和边界框进行级联，以实现行人匹配；

S4，根据匹配成功后行人边界框的下边线的坐标生成行人的轨迹；

S5，判断行人的轨迹是否穿越分界线，若是，则执行步骤S6；

S6，判断行人的穿越方向，若穿越方向为进，则人数加一；若穿越方向为出，人数减一，实现人流量的统计。

2.根据权利要求1所述的基于多目标跟踪的人流量统计方法，其特征在于，步骤S3包括：

S31，计算当前帧的行人的特征信息和上一帧的行人历史特征信息的余弦距离；若所述余弦距离小于第一预设阈值，则将当前帧的行人边界框与上一帧中的行人边界框进行关联；若所述余弦距离大于第一预设阈值，则执行步骤S32；

S32，利用卡尔曼滤波器通过上一帧的边界框坐标预测出当前帧的边界框坐标；

S33，计算由多目标跟踪器检测出的当前帧的边界框以及所述预测出的当前帧的边界框坐标的交并比IoU；若交并比IoU大于第二预设阈值，则将检测出的当前帧的边界框与上一帧的行人边界框进行关联；

S34，重复执行步骤S31-步骤S33，直至所有行人都关联完毕，完成行人匹配。

3.根据权利要求2所述的基于多目标跟踪的人流量统计方法，其特征在于，步骤S33之后包括：若交并比IoU小于第二预设阈值，则判断检测出的当前帧的边界框的置信度是否大于预设的新目标阈值；若是，则创建一个新目标行人，其中，置信度为多目标跟踪器输出的特征图经过sigmoid函数的输出概率。

4.根据权利要求1所述的基于多目标跟踪的人流量统计方法，其特征在于，步骤S6包括：计算行人的轨迹向量v₁与划出的分界线v₂的夹角θ′；若所述夹角θ′小于180度，则判断穿越方向为出；若所述夹角θ′大于180度，则穿越方向为进，其中，行人的轨迹向量v₁为行人穿越分界线时，两帧或者多帧的坐标点连成的线。

5.根据权利要求4所述的基于多目标跟踪的人流量统计方法，其特征在于，夹角θ′的计算公式为：

行人的轨迹向量v₁与分界线v₂的叉积v₁×v₂＜0，则θ′＝arccosθ；如果v₁×v₂＞0，则θ′＝360°-arccosθ。

6.根据权利要求1所述的基于多目标跟踪的人流量统计方法，其特征在于，步骤S4包括：

根据匹配成功后行人边界框坐标得到行人边界框的下边线中点坐标，根据每一帧的下边线中点坐标连线，组成行人的轨迹；

其中，行人边界框坐标为[x，y，w，h]，行人边界框的下边线中点坐标为(x+w/2，y)；x，y为边界框的左下角坐标，w和h分别为边界框的宽和高。

7.根据权利要求1所述的基于多目标跟踪的人流量统计方法，其特征在于，进行行人匹配前，判断当前目标是否因为遮挡或者离开监控画面而丢失轨迹超过预设帧数，则丢弃掉当前目标的边界框。

8.根据权利要求3所述的基于多目标跟踪的人流量统计方法，其特征在于，若检测出的当前帧的边界框的置信度小于预设的新目标阈值，则丢弃当前的行人边界框。

9.根据权利要求1所述的基于多目标跟踪的人流量统计方法，其特征在于，多目标跟踪器为轻量化模型yolov5s的21层结构，轻量化模型yolov5s的21层结构分别连接一个检测头分支及一个特征提取头分支，其中提取的特征维度设置为64。

10.根据权利要求1所述的基于多目标跟踪的人流量统计方法，其特征在于，多目标跟踪器在训练过程中采用Adam优化器，优化器超参数beta1、beta2分别为0.99和0.999；设置初始学习率为1e-4，在训练集上使用批大小设置为16训练30个轮次，在最后的10个轮次学习率衰减为1e-5。