一种人流量统计方法、装置及云服务器制造方法及图纸

本公开实施例提供一种人流量统计方法、装置及云服务器，其方法包括：使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型；读取不属于样本集合的的输入视频流；将输入视频流进行解构，得到与行人相关的帧图像；通过支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。本发明专利技术通过预先设定的行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型，通过构建的支持向量机样本模型对不属于样本集合的的输入视频流进行人流量统计，使用上述方法，可以提升人流量统计的统计效率。效率。效率。

【技术实现步骤摘要】
一种人流量统计方法、装置及云服务器


[0001]本公开涉及行人检测
，具体而言，涉及一种人流量统计方法、装置及云服务器。

技术介绍

[0002]行人检测( Pedestrian Detection)是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位。该技术可与行人跟踪，行人重识别等技术结合，应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。
[0003]现有技术中，通常是基于全局特征的方式，例如梯度方向直方图( Histogram of Oriented Gradients，HOG)。然而上述方式存在识别能力不足的问题，可能会将和行人具备类似轮廓的目标识别成行人，从而造成错误检测。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本公开的目的在于提供一种人流量统计方法、装置及云服务器。
[0005]第一方面，本公开提供一种人流量统计方法，包括以下步骤：使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型；读取不属于样本集合的的输入视频流；将所述输入视频流进行解构，得到与行人相关的帧图像；通过所述支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。
[0006]第二方面，本公开提供一种人流量统计装置，包括：训练单元，用于使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型；输入单元，用于读取不属于样本集合的的输入视频流；解构单元，用于将所述输入视频流进行解构，得到与行人相关的帧图像；统计单元，用于通过所述支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。
[0007]第三方面，本公开实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的人流量统计方法。
[0008]第四方面，本公开实施例还提供一种云服务器，所述云服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个监控终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或
代码，以执行第一方面或者第一方面中任意一个可能的设计中的人流量统计方法。
[0009]基于上述任意一个方面，本专利技术提出的一种人流量统计方法、装置及存储介质，通过预先设定的行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型，通过构建的支持向量机样本模型对不属于样本集合的的输入视频流进行人流量统计，使用上述方法，即可以有效去重，防止重复统计，也可以通过人体部位检测的方式提升检测准确性，有效提升了人流量统计的统计效率。
附图说明
[0010]为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
[0011]图1为本公开实施例提供的人流量统计系统的应用场景示意图；图2为本公开实施例提供的人流量统计方法的流程示意图；图3为本公开实施例提供的人流量统计装置的功能模块示意图；图4为本公开实施例提供的用于实现上述的人流量统计方法的云服务器的结构示意框图。
具体实施方式
[0012]下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
[0013]图1是本公开一种实施例提供的人流量统计系统10的交互示意图。人流量统计系统10可以包括云服务器100以及与所述云服务器100通信连接的监控终端200。图1所示的人流量统计系统10仅为一种可行的示例，在其它可行的实施例中，该人流量统计系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。
[0014]本实施例中，监控终端200可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。
[0015]本实施例中，人流量统计系统10中的云服务器100和监控终端200可以通过配合执行以下方法实施例所描述的人流量统计方法，具体云服务器100和监控终端200的执行步骤部分可以参照以下方法实施例的详细描述。
[0016]为了解决前述
技术介绍
中的技术问题，图2为本公开实施例提供的人流量统计方
法的流程示意图，本实施例提供的人流量统计方法可以由图1中所示的云服务器100执行，下面对该人流量统计方法进行详细介绍。
[0017]步骤S110，使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型；步骤S120，读取不属于样本集合的的输入视频流；步骤S130，将所述输入视频流进行解构，得到与行人相关的帧图像；步骤S140，通过所述支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。
[0018]在一个可能的实施例中，步骤S110还包括：步骤S111，将所述样本集合中的行人检测样本和非行人检测样本分别进行解构，得到帧图像；步骤S112，对所述帧图像进行类别标记；步骤S113，通过支持向量机输入进行类别标记的帧图像，构建支持向量机样本模型。
[0019]在一个可能的实施例中，步骤S112还包括：步骤S1121，当所述行人检测样本中包含行人时，则读取对应正向标记；步骤S1122，当所述非行人检测样本中包含非行人时，则读取对应反向标记。
[0020]在一个可能的实施例中，步骤S140还包括：步骤S141，对得到与行人相关的帧图像后的输入视频流通过支持向量机样本模型获取计算结果；步骤S142，根据计算结果输出输入视频流中的行人数量，以此得到人流量。
[0021]在一个可能的实施例中，步骤S130还包括：步骤S131，对所述输入视频流按照第一预设时间进行解构，得到拆分后的帧图像；步骤S132，对所述拆分后的帧图像中的目标进行人体部位检测，得到不同人体部位的检测结果；步骤S133，若本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人流量统计方法，其特征在于，包括以下步骤：使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型；读取不属于样本集合的的输入视频流；将所述输入视频流进行解构，得到与行人相关的帧图像；通过所述支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。2.根据权利要求1所述的方法，其特征在于，所述使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型的步骤包括：将所述样本集合中的行人检测样本和非行人检测样本分别进行解构，得到帧图像；对所述帧图像进行类别标记；通过支持向量机输入进行类别标记的帧图像，构建支持向量机样本模型。3.根据权利要求2所述的方法，其特征在于，所述对样本集合中行人检测样本和非行人检测样本的帧图像进行类别标记的步骤进一步还包括：当所述行人检测样本中包含行人时，则读取对应正向标记；当所述非行人检测样本中包含非行人时，则读取对应反向标记。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述通过支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计的步骤包括：对得到与行人相关的帧图像后的输入视频流通过支持向量机样本模型获取计算结果；根据计算结果输出输入视频流中的行人数量，以此得到人流量。5.根据权利要求4所述的方法，其特征在于，所述将所述输入视频流进行解构，得到与行人相关的帧图像，具体包括：对所述输入视频流按照第一预设时间进行解构，得到拆分后的帧图像；对所述拆分后的帧图像...

【专利技术属性】
技术研发人员：顾炜，
申请(专利权)人：常熟昊虞电子信息科技有限公司，
类型：发明
国别省市：