[发明专利]一种基于卷积神经网络的人流量统计方法

摘要

一种基于卷积神经网络的人流量统计方法，包括采集视频中的行人目标，对视频中的行人目标进行打标，获取标注图像和行人目标标注信息数据集，将数据集分成训练数据集和测试数据集；设计基于改进的快速消化卷积层卷积层IRDCL和多尺度卷积层MSCL构成的行人目标检测和比对网络模型PersonBoxes；将标注图像和行人目标标注信息放入行人PersonBoxes中进行训练，输出行人目标检测和比对训练模型；在行人目标检测和比对训练模型基础上，输入视频流数据，生成行人目标移动轨迹，输出视频流在对应时间段内人流量信息，实现人流量统计。本发明能够实现行人目标的检测和跟踪，统计得到人流量情况，通过分析人流量情况，协助公安部门进行提前布控，把案件侦查由事后向事前转化。

主权项

1.一种基于卷积神经网络的人流量统计方法，其特征在于，该方法包括以下步骤：步骤1，获取监控场景的监控视频，获取视频帧图像，对帧图像中的行人目标进行打标，获取标注图像及对应的行人目标标注信息，将行人目标标注信息数据集按照一定比例分成训练数据集和测试数据集；步骤2，构建基于改进的快速消化的卷积层IRDCL和多尺度卷积层MSCL的行人目标检测和比对网络模型PersonBoxes；步骤3，将步骤1获得的标注图像及训练数据集放入PersonBoxes中进行训练，通过迭代训练，利用反传播算法，逐步更新该网络模型的训练参数，直至该网络模型收敛；训练过程中，将测试数据集送入PersonBoxes网络模型中验证模型的定位、分类和比对性能；步骤4，在步骤3训练出的行人目标检测和比对网络模型PersonBoxes的基础上，输入视频流数据，生成行人目标移动轨迹，根据生成的移动轨迹数量，输出视频流在对应时间段内人流量信息，实现人流量统计。