[发明专利]一种基于边界选择的人流统计的装置和方法

摘要

本发明公开了一种基于边界选择的人流统计的装置和方法，属于深度学习和图像处理领域。本发明通过对YOLO神经网络进行改进，即将YOLO单元的划分从7×7增加到9×9，每个单元的检测数量增加到3，再用SqueezeNet中的Fire模块分别替代YOLO‑PC神经网络中的第16个、第18个和第24个3×3的卷积层，并将Fire模块中的压缩部分的卷积核数量由128减少为96，重新训练网络，即可得到新的S‑YOLO‑PC神经网络，再利用S‑YOLO‑PC神经网络进行边界选择的人流统计，利用新的神经网络，使得其在模型大大缩小的情况下提高了其精确度，能够用于多种场合的人流检测。

主权项

1.一种基于边界选择的人流统计的方法，其特征在于，所述方法包括以下步骤：步骤1：设定摄像头的高度和角度使得采集的画面可以覆盖待测定人流的区域，通过摄像头采集人流画面；步骤2：通过含有GPU的设备设定S‑YOLO‑PC神经网络的检测置信度；步骤3：S‑YOLO‑PC神经网络读取摄像头采集到的图像；步骤4：通过含有GPU的设备设定S‑YOLO‑PC神经网络的边界并且检测行人行为；步骤5：S‑YOLO‑PC神经网络统计人流信息；步骤6：通过含有GPU的设备将人流统计的结果信息实时输出到电脑屏幕或摄像头自带的屏幕；所述S‑YOLO‑PC神经网络为改进的YOLO神经网络：将YOLO单元的划分从7×7增加到9×9，每个单元的检测数量增加到3，得到YOLO‑PC神经网络，再用SqueezeNet中的Fire模块分别替代YOLO‑PC神经网络中的第16个、第18个和第24个3×3的卷积层，并将Fire模块中的压缩部分的卷积核数量由128减少为96，重新训练网络，即可得到S‑YOLO‑PC神经网络。