[发明专利]一种基于深度学习的客流检测方法、系统及装置

权利要求书

1.一种基于深度学习的客流检测方法，其特征在于，包括：

采集待测环境中无行人时的图像信息作为背景样本；采集待测环境中多个时刻行人经过的图像信息作为训练样本；

将任一所述训练样本与所述背景样本进行图像相减获得对应的特征图像样本；

预设人体动作图像样本；

定义筛选模型，所述筛选模型包括分类器模型；将预设人体动作图像样本与特征图像样本导入分类器模型中获得决策模型；

采集待测环境实时的视频信息，所述视频信息的每一帧转换为实时图像信息作为测试样本，并基于所述决策模型进行匹配；

在所述测试样本上执行所述决策模型；当所述测试样本内的特征图像样本基于所述决策模型得出的结果符合预设第一范围内时，锁定所述特征图像，在预设时间内将任意两帧图像信息上对应特征图像进行位置对比，如果对比结果为位置相同，则客流量数值不变；如果对比结果为位置不同，则将客流量数值加一。

2.如权利要求1所述的一种基于深度学习的客流检测方法，其特征在于，所述预设时间内将任意两帧图像信息上对应特征图像进行位置对比的步骤中还包括：

如果对比结果为位置不同，对所述特征图像采用人脸识别方法进行识别，若所述特征图像识别出人脸，则将客流量数值加一，若未能识别则客流量数值不变。

3.如权利要求2所述的一种基于深度学习的客流检测方法，其特征在于，所述人脸识别方法采用人脸规则法。

4.如权利要求1所述的一种基于深度学习的客流检测方法，其特征在于，所述图像相减的方法采用帧间差分法。

5.一种基于深度学习的客流检测系统，其特征在于，包括：

图像采集模块，用于采集待测环境中无行人时的图像信息作为背景样本；采集待测环境中多个时刻行人经过的图像信息作为训练样本；

比较模块，用于将任一所述训练样本与所述背景样本进行图像相减获得对应的特征图像样本；

预设输入模块，用于预设人体动作图像样本；

模型定义模块，用于定义筛选模型，所述筛选模型包括分类器模型；将预设人体动作图像样本与特征图像样本导入分类器模型中获得决策模型；

视频采集模块，用于采集待测环境实时的视频信息，所述视频信息的每一帧转换为实时图像信息作为测试样本，并基于所述决策模型进行匹配；

判断模块，用于在所述测试样本上执行所述决策模型；当所述测试样本内的特征图像样本基于所述决策模型得出的结果符合预设第一范围内时，锁定所述特征图像，在预设时间内将任意两帧图像信息上对应特征图像进行位置对比，如果对比结果为位置相同，则客流量数值不变；如果对比结果为位置不同，则将客流量数值加一。

6.一种基于深度学习的客流检测装置，其特征在于，应用于权利要求1-4任一项所述的基于深度学习的客流检测方法，所述装置包括连接件、万向传动器、摄像头以及设置于所述连接件上的火灾报警器，所述万向传动器的一端与所述连接件连接，所述万向传动器的另一端与所述摄像头连接。

7.如权利要求6所述的一种基于深度学习的客流检测装置，其特征在于，所述万向传动器包括第一电机、第一传动件、第二电机、第二传动件和第三电机；所述第一电机的主体与所述连接件连接，所述第一电机的输出轴与所述第一传动件的一端连接；所述第二电机的主体与所述第一传动件的另一端连接，所述第二电机的输出轴与所述第二传动件的一端连接，所述第二传动件的另一端与所述第三电机的主体连接，所述第三电机的输出轴与所述摄像头连接。

8.如权利要求7所述的一种基于深度学习的客流检测装置，其特征在于，所述第一传动件呈S形。

9.如权利要求7所述的一种基于深度学习的客流检测装置，其特征在于，所述第二传动件呈L形。

10.如权利要求6所述的一种基于深度学习的客流检测装置，其特征在于，还包括设置于所述连接件上的保护伞。