申请/专利权人：成都华芯智云科技有限公司

申请日：2023-12-18

公开（公告）日：2024-03-12

公开（公告）号：CN117423067B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/26;G06V10/764;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本发明公开了一种基于TOF技术的客流统计终端，属于数据处理技术领域，融合了TOF技术以及深度学习技术，通过TOF深度相机作为数据源，能够保证目标轮廓的稳定性，从而提高检测精度，同时通过深度学习技术对TOF深度相机采集到深度图像进行识别，可以有效地检测出TOF深度相机视野中的目标，最后结合目标跟踪算法，能够有效地实现客流统计，并且为了保证目标的识别准确性，还提出了目标识别模型的获取方法，能够有效地对目标识别模型的超参数进行优化，从而提高目标识别模型的识别能力。

主权项：1.一种基于TOF技术的客流统计终端，其特征在于，包括数据采集模块、数据处理模块、目标识别模块以及客流统计模块；所述数据采集模块，用于获取设置于客流统计目标地点的TOF深度相机所采集的深度视频流，所述深度视频流包括多张深度图像，所述深度图像是由TOF深度相机面向地面方向所采集的图像；所述数据处理模块，用于对每张深度图像进行预处理，获取预处理之后的各个深度图像，并对预处理之后的各个深度图像进行分割，获取分割区域；所述目标识别模块，用于将分割区域缩放至统一尺寸，得到缩放之后的分割区域，并通过预先训练完成的目标识别模型对缩放之后的分割区域进行识别，确定深度图像中每个分割区域对应的目标识别结果；所述目标识别结果包括分割区域存在人或者分割区域不存在人；所述客流统计模块，用于根据深度视频流中每张深度图像对应的分割区域所对应的目标识别结果，进行客流统计，以获取客流统计结果；对每张深度图像进行预处理，获取预处理之后的深度图像，包括：对所述深度图像依次进行腐蚀操作、膨胀操作以及中值滤波操作，得到预处理之后的深度图像；对预处理之后的深度图像进行分割，获取分割区域，包括：采用最大稳定极值区域分割算法对预处理之后的深度图像进行分割，得到深度图像对应的至少一个分割区域；预先训练完成的目标识别模型的获取方法为：采用SVM深度学习模型构建目标识别模型，并初始化目标识别模型的超参数，得到超参数向量，重复获取多个超参数向量；获取预先存储的训练数据，所述训练数据包括统一尺寸的训练分割区域图像以及训练分割区域图像对应的目标识别结果；按预设比例将多个超参数向量进行划分为第一目标向量、第二目标向量以及第三目标向量；将训练分割区域图像作为目标识别模型的输入数据，将训练分割区域图像对应的目标识别结果作为目标识别模型的实际输出数据，获取每个超参数向量对应的适应度值，从而得到第一目标向量的适应度值、第二目标向量的适应度值以及第三目标向量的适应度值；根据第一目标向量的适应度值、第二目标向量的适应度值以及第三目标向量的适应度值，确定适应度值最大的目标向量作为全局最优值，确定适应度值最小的目标向量作为全局最劣值；针对第一目标向量，根据全局最优值，并采用全局探索策略在超参数解空间内对第一目标向量进行搜索，得到更新后的第一目标向量；针对第二目标向量，根据全局最优值或者全局最劣值，并采用跟随搜索策略在超参数解空间内对第二目标向量进行搜索，得到更新后的第二目标向量；针对第三目标向量，根据全局最优值，采用信息融合搜索策略在超参数解空间内对第三目标向量进行搜索，得到更新后的第三目标向量；根据更新后的第一目标向量、更新后的第二目标向量以及更新后的第三目标向量，重新确定全局最优值；判断是否满足搜索结束条件，若是，则输出重新确定的全局最优值，否则返回第一目标向量、第二目标向量以及第三目标向量划分的步骤；针对第一目标向量，根据全局最优值，并采用全局探索策略在超参数解空间内对第一目标向量进行搜索，包括：随机确定一个第一目标向量，并根据全局最优值，并采用全局探索策略在超参数解空间内对随机确定的第一目标向量更新为： 其中，表示第t次搜索过程中第i个第一目标向量中第j个超参数；i=1,2,…,I，I表示第一目标向量的总数；j=1,2,…,J，J表示超参数向量中超参数的总数；表示更新后的，表示第一更新步长因子，表示（0,1）之间的第一随机数，表示（0,1）之间的第二随机数，表示位于（0,1）之间的第一预设阈值，表示第t次搜索过程中全局最优值中第j个超参数；表示位于超参数上下限之间的随机向量，随机向量的维度与超参数向量的维度相同，且随机向量中参数按照（0,1）正态分布；表示第一更新步长因子的最大值，表示第一更新步长因子的最小值，表示圆周率，表示最大搜索次数；判断是否还有第一目标向量未更新，若是，则返回随机确定一个第一目标向量的步骤，否则得到更新后的第一目标向量；针对第二目标向量，根据全局最优值或者全局最劣值，并采用跟随搜索策略在超参数解空间内对第二目标向量进行搜索，包括：随机确定一个第二目标向量，根据全局最优值或者全局最劣值，并采用跟随搜索策略在超参数解空间内对随机确定的第二目标向量更新为： 其中，表示第t次搜索过程中第h个第二目标向量中的第j个超参数；h=1,2,…,H，H表示第二目标向量的总数，表示在第t次搜索过程中的更新量，表示第t+1次搜索过程中的更新量，表示第二更新步长因子，表示第一学习因子，表示第二学习因子，表示第t次搜索过程中第h个第二目标向量的历史最优值中的第j个超参数，表示（0,1）之间的第二随机数，表示（0,1）之间的第三随机数，表示更新后的，表示全局最劣值中第j个超参数；判断是否还有第二目标向量未更新，若是，则返回随机确定一个第二目标向量的步骤，否则得到更新后的第二目标向量；针对第三目标向量，根据全局最优值，采用信息融合搜索策略在超参数解空间内对第三目标向量进行搜索，包括：随机确定一个第三目标向量，根据全局最优值，采用信息融合搜索策略在超参数解空间内对该随机确定的第三目标向量更新为： 其中，表示第t次搜索过程中第k个第三目标向量，k=1,2,…,K，K表示第三目标向量的总数，表示第三目标向量的更新量，表示更新后的，表示与不同的随机第三目标向量，表示的下一状态，表示（0,1）之间的第四随机数，表示第t次搜索过程中的第三更新步长因子，表示第t-1次搜索过程中的第三更新步长因子，表示步长调节因子，表示第t次搜索过程中全局最优值，表示的适应度值，表示的适应度值。

全文数据：

权利要求：

百度查询： 成都华芯智云科技有限公司 一种基于TOF技术的客流统计终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD