本發(fā)明涉及信息統(tǒng)計，具體是一種應(yīng)用于卡口場景的人員進出多維度信息統(tǒng)計方法。

背景技術(shù)：

1、在技術(shù)高速發(fā)展的科技時代，人工智能已經(jīng)應(yīng)用于社會的各個層面和各個領(lǐng)域，例如安防、醫(yī)療、政務(wù)、交通等等，人員進出統(tǒng)計算法在社會生活場景中的廣泛運用，為實現(xiàn)更好的管理和民生便利做出了重大貢獻，例如在車站、地鐵站等城市重要交通樞紐，人員進出統(tǒng)計算法的應(yīng)用可以更準確地實時掌控各個時間段的人流量，以便調(diào)整相應(yīng)的策略，避免客流堵塞造成更加嚴重的后果；

2、現(xiàn)階段在對卡口信息進行統(tǒng)計時，通過人工智能領(lǐng)域與嵌入式設(shè)備相結(jié)合的方法，消費成本和維護成本高，而且在進行人員檢測的過程中出現(xiàn)誤檢、漏檢等情況，影響統(tǒng)計結(jié)果；

3、為此，本發(fā)明提出一種應(yīng)用于卡口場景的人員進出多維度信息統(tǒng)計方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：提出一種應(yīng)用于卡口場景的人員進出多維度信息統(tǒng)計方法，以解決上述背景技術(shù)中提出的卡口場景中人員統(tǒng)計結(jié)果不準確的問題。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種應(yīng)用于卡口場景的人員進出多維度信息統(tǒng)計方法，方法包括：

4、步驟s1，下發(fā)卡口場景對應(yīng)目標人員的人員進出統(tǒng)計任務(wù)，設(shè)定監(jiān)測區(qū)域以及監(jiān)測區(qū)域內(nèi)的計數(shù)線位置和計數(shù)方向；

5、步驟s2，采集監(jiān)測區(qū)域內(nèi)的視頻數(shù)據(jù)，并對視頻數(shù)據(jù)進行分析得到監(jiān)測區(qū)域內(nèi)目標人員的人員邊框信息與多維度人員數(shù)據(jù)；

6、步驟s3，追蹤視頻幀中的目標人員，為多個視頻幀中同一目標人員進行人員關(guān)聯(lián)，并識別目標人員的運動軌跡；

7、步驟s4，判斷目標人員對應(yīng)運動軌跡的運動擬合函數(shù)與計數(shù)線函數(shù)的撞線情況，并得到目標人員對應(yīng)的行為狀態(tài)；

8、步驟s5，獲取行為狀態(tài)發(fā)生變化的目標人員對應(yīng)的行為狀態(tài)與多維度人員數(shù)據(jù)并上報至服務(wù)器與顯示終端。

9、進一步地，監(jiān)測區(qū)域是指需要執(zhí)行人員進出統(tǒng)計的區(qū)域，進行進出結(jié)果統(tǒng)計時僅統(tǒng)計區(qū)域內(nèi)的對象，區(qū)域外的對象不計入統(tǒng)計；

10、計數(shù)線設(shè)置于檢測區(qū)域內(nèi)，當目標人員跨越計數(shù)線，則表示目標人員的行為狀態(tài)發(fā)生改變；

11、計數(shù)方向用于確認目標人員的行為狀態(tài)，若目標人員的運動軌跡與設(shè)定的計數(shù)方向相同，則表示目標人員處于進入狀態(tài)，若目標人員對應(yīng)的運動軌跡與設(shè)定的計數(shù)方向相反，則表示目標人員處于離開狀態(tài)；

12、人員邊框信息為人員邊框?qū)?yīng)的邊框高度、邊框?qū)挾纫约斑吙蛑行奈恢茫?/p>

13、多維度人員數(shù)據(jù)為目標人員對應(yīng)的年齡、性別以及對應(yīng)的置信度。

14、進一步地，所述步驟s2具體包括如下子步驟：

15、步驟s21，獲取檢測區(qū)域內(nèi)的視頻數(shù)據(jù)，并將視頻數(shù)據(jù)按照時刻劃分為多個視頻幀；

16、步驟s22，將多個視頻幀導入至訓練好的目標檢測模型，目標檢測模型識別視頻幀中目標人員的多維度人員數(shù)據(jù)；

17、步驟s23，對目標人員進行框選處理，得到目標人員對應(yīng)的人員邊框，而后記錄人員邊框信息；

18、步驟s24，依據(jù)監(jiān)測區(qū)域建立區(qū)域坐標系，依據(jù)計數(shù)線在區(qū)域坐標系內(nèi)的位置得到計數(shù)線函數(shù)對應(yīng)的函數(shù)表達式；

19、步驟s25，將人員邊框?qū)?yīng)邊框中心位置在區(qū)域坐標系內(nèi)繪出，得到行人中心坐標。

20、進一步地，所述步驟s3具體包括如下子步驟：

21、步驟s301，獲取當前時刻對應(yīng)的視頻幀編號j，獲取當前時刻對應(yīng)前c時刻的視頻幀編號j-c；其中，j＞c，j=1,2，……，z，z?為正整數(shù)；

22、步驟s302，獲取時刻j-c至時刻j之間多個視頻幀內(nèi)目標人員的人員邊框與行人中心坐標；

23、步驟s303，創(chuàng)建相鄰視頻幀對應(yīng)的關(guān)聯(lián)矩陣，若前一視頻幀包含的人員邊框為m個，后一視頻幀包含的人員邊框為n個，則創(chuàng)建的關(guān)聯(lián)矩陣為：

24、；其中jlm,n表示前一視頻幀中第m個人員邊框與后一視頻中第n個人員邊框之間的歐氏距離，jlm,n的計算公式具體如下：

25、。

26、進一步地，所述步驟s3還包括如下子步驟：

27、步驟s304，為行1進行關(guān)聯(lián)，選取行1中數(shù)值最大的作為行1的關(guān)聯(lián)結(jié)果；

28、步驟s305，為行2進行關(guān)聯(lián)，選取行2數(shù)值最大的作為行2的關(guān)聯(lián)結(jié)果，依此類推，直到行m完成關(guān)聯(lián)；

29、步驟s306，重復執(zhí)行步驟s303-步驟s305，直至將時刻j-n至時刻j之間所有的視頻幀完成人員關(guān)聯(lián)。

30、進一步地，所述步驟s3還包括如下子步驟：

31、步驟s307，獲取目標人員在多個視頻幀中的行人中心坐標（xi，yi）；其中i表示目標人員在任意時刻對應(yīng)視頻幀的編號，i=j-c,j-c+1，……，j；

32、步驟s308，按照視頻幀的順序連接行人中心坐標，得到目標人員的運動軌跡；

33、步驟s309，計算目標人員的運動軌跡與常見函數(shù)圖像的相似度；

34、步驟s310，選取相似度最高的常見函數(shù)作為目標人員對應(yīng)運動軌跡的運動擬合函數(shù)，將運動擬合函數(shù)的函數(shù)表達式記為y=f（x）。

35、進一步地，若所述運動擬合函數(shù)的函數(shù)表達式為y=f（x）=a1*x；其中，a1為一次項系數(shù)，則計算的值，并對a1求偏導數(shù)得到：

36、；

37、化簡得到，式中ex表示xi的均值，ey表示yi的均值。

38、進一步地，若所述運動擬合函數(shù)的函數(shù)表達式為y=f（x）=a0+a1*x，其中，a0為常數(shù)項，a1為一次性系數(shù)，則計算的值，并分別對a0和a1求偏導數(shù)得到：

39、對a0求偏導數(shù)得到：

40、對a1求偏導數(shù)得到：

41、聯(lián)立得到：a0=ey-a1×ex，。

42、進一步地，若所述運動擬合函數(shù)的函數(shù)表達式為y=f（x）=a0+a1*x+a3×x3；其中，a0為常數(shù)項，a1為一次性系數(shù)，a3為三次項系數(shù)；

43、則計算的值，并分別對a0、a1以及a3求偏導數(shù)得到：

44、對a0求偏導數(shù)得到：；

45、對a1求偏導數(shù)得到：；

46、對a3求偏導數(shù)得到：；

47、聯(lián)立得到：a0=ey-a1*ex-a3*ex3；其中ex3為xi3的均值；

48、；

49、。

50、進一步地，所述步驟s4具體包括如下子步驟：

51、步驟s41，獲取目標人員對應(yīng)運動軌跡的運動擬合函數(shù)的函數(shù)表達式與計數(shù)線函數(shù)的函數(shù)表達式；

52、其中，計數(shù)線函數(shù)定義為y=ax+b的形式，a與b均為常數(shù)；

53、步驟s42，聯(lián)立運動擬合函數(shù)與計數(shù)線函數(shù)，若不存在實數(shù)解，不進行任何操作；

54、步驟s43，若存在實數(shù)解，則認定目標人員的行為狀態(tài)發(fā)生改變；

55、步驟s44，獲取交點對應(yīng)前一時刻與后一時刻對應(yīng)的行人中心坐標，若交點前一時刻的行人中心坐標位于計數(shù)線下方，交點后一時刻的行人中心坐標位于計數(shù)線上方，則認定目標人員的行為狀態(tài)發(fā)生變化，并將目標人員的行為狀態(tài)記為離開狀態(tài)；

56、步驟s45，若交點前一時刻的行人中心坐標位于計數(shù)線上方，交點后一時刻的行人中心坐標位于計數(shù)線下方，則認定目標人員的行為狀態(tài)發(fā)生變化，并將目標人員的行為狀態(tài)記為進入狀態(tài)。

57、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

58、本發(fā)明首先下發(fā)卡口場景對應(yīng)目標人員的人員進出統(tǒng)計任務(wù)，設(shè)定監(jiān)測區(qū)域以及監(jiān)測區(qū)域內(nèi)的計數(shù)線位置和計數(shù)方向，而后采集監(jiān)測區(qū)域內(nèi)的視頻數(shù)據(jù)，并對視頻數(shù)據(jù)進行分析得到監(jiān)測區(qū)域內(nèi)目標人員的人員邊框信息與多維度人員數(shù)據(jù)，再追蹤視頻幀中的目標人員，為多個視頻幀中同一目標人員進行人員關(guān)聯(lián)，并識別目標人員的運動軌跡，進而判斷目標人員對應(yīng)運動軌跡的運動擬合函數(shù)與計數(shù)線函數(shù)的撞線情況，并得到目標人員對應(yīng)的行為狀態(tài)，最終獲取行為狀態(tài)發(fā)生變化的目標人員對應(yīng)的行為狀態(tài)與多維度人員數(shù)據(jù)并上報至服務(wù)器與顯示終端，本發(fā)明實現(xiàn)對人員檢測成本的降低，同時還實現(xiàn)對人員檢測結(jié)果準確率的提高。