[发明专利]基于目标检测算法和聚类算法的目标队伍长度统计方法

权利要求书

1.基于目标检测算法和聚类算法的目标队伍长度统计方法，本方法采用基于深度学习的目标检测算法，用以检测目标的位置坐标和所属类别，其特征在于，

S1、目标检测；

对检测素材中出现的目标通过目标检测算法进行实时检测，获得目标的具体位置坐标和所属类别；

S2、目标队伍位置聚类统计；

通过聚类方法获得目标所述队伍的位置，并统计队伍长度；

其中，所述S1中，目标检测算法包括，在输入图像上划分网格，通过多层卷积网络抽取图像的多层特征，采用最高层特征推断原始图像上每个网格是否与一个目标关联，并推断该目标所在的精确位置；

其中，所述目标位置坐标是包含单个目标的方框，选取目标方框的上边中点作为该目标的位置坐标；每个目标的属性数据中仅包含位置坐标；

其中，所述S2中，聚类的具体算法为：

A1、将S1获取的目标位置矢量化，将目标位置坐标与空间内的任一点相减得到矢量化的目标位置；

A2、所有目标矢量投影到单位矢量e，其中e为所寻找的队伍位置直线的垂线矢量；

A3、将A2所得的目标投影点进行KMeans聚类，得到每个类的类心位置和每个目标的所属类别；在得到聚类结果之后，进一步计算所有目标投影点与类心距离的总和D；

A4、循环进行步骤A2和A3，寻找e的最优方向角度，D值最小的方向即为e的最优方向，从0°到180°遍历e的所有方向，返回所述步骤A2，得到每个方向的目标位置投影点坐标；再进行所述步骤A3，得到该方向的聚类结果和D值，即对在所有方向上的目标点进行KMeans聚类，选取D值最小的聚类结果作为最优的e，同时统计每个类中的目标数量，即为该目标队伍的长度；

A5、以A4得到的最优矢量e的角度+90°或-90°作为目标队伍直线方程的方向，以聚类中心作为目标队伍经过的点，由该点的位置和目标队伍的方向即可完全确定目标队伍的位置。

2.根据权利要求1所述的基于目标检测算法和聚类算法的目标队伍长度统计方法，其特征在于，所述A1中，具体操作时将所有的目标位置坐标与空间内的任一固定点C相减，从而得到与点C相关的目标矢量σ。

3.基于权利要求2所述的基于目标检测算法和聚类算法的目标队伍长度统计方法，其特征在于，所述任一固定点C选取为图像中心点。

4.基于权利要求1所述的基于目标检测算法和聚类算法的目标队伍长度统计方法，其特征在于，所述步骤A2中，e的表达式为：

e＝(cos(θ),sin(θ))

其中θ为方向角度，初始值设为0°；e表示与待聚类的目标队伍中心线相垂直的方向，其角度范围为0°到180°；所述A2中得到的目标矢量σ在e上的投影按照如下余弦点积的方式：

d＝σ·e

其中，d为目标矢量σ在e上的投影长度；

进而得到目标位置的投影点坐标(x,y)：

(x,y)＝d×e。

5.基于权利要求1-4任一项所述的基于目标检测算法和聚类算法的目标队伍长度统计方法，其特征在于，所述S1中，检测素材为视频或图片。