(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211186051.9 (22)申请日 2022.09.28 (71)申请人 汇纳科技股份有限公司 地址 201203 上海市浦东 新区中国 （上海） 自由贸易试验区川和路5 5弄6号 (72)发明人 崔龙　陈宏锐　游浩泉　刘耀文　 成西锋　袁德胜　王海涛　林志强　 马卫民　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 庞红芳 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/40(2022.01)G06V 10/75(2022.01) G06V 10/762(2022.01) G06V 10/80(2022.01) H04N 7/18(2006.01) (54)发明名称 基于行人重识别的客流量统计方法、 系统、 设备及介质 (57)摘要 本发明提供一种基于行人重识别的客流量 统计方法、 系统、 设备及介质。 包括： 获取不同探 头于目标区域内实时视频流， 于实时视频流中提 取监控画面； 对监控画面进行行人检测， 获取行 人躯干框候选框； 将当前时刻的行人躯干框候选 框与上一时刻的行人躯干框候选框进行匹配， 以 形成同探头下的行人轨迹； 对同探头下的行人轨 迹进行跟踪与行人特征提取； 基于同探头下的行 人轨迹的高维度行人特征， 进行同探头的特征融 合， 以获取所有的行人融合特征； 对所有的行人 轨迹进行跨探头的聚类， 获取当前目标区域内的 客流数据。 本发 明可以计算出当天零售店铺的人 次、 人数等的客流变化情况， 帮助商家更好地评 估店铺营业的真实情况， 能够针对性发掘潜在客 户， 提升营业 额。 权利要求书2页 说明书14页 附图5页 CN 115272982 A 2022.11.01 CN 115272982 A 1.一种基于行 人重识别的客 流统计方法， 其特 征在于， 包括： 获取不同探 头于目标区域内实时视频流， 于实时视频流中提取监控画面； 对所述监控画面进行 行人检测， 以获取 行人躯干框候选框； 将当前时刻的行人躯干框候选框与 上一时刻的行人躯干框候选框进行匹配， 以形成同 探头下的行人轨迹； 其中， 从所述行人躯干框候选框对应的图像中提取高维度行人特征和 低维度行人特征； 所述高维度行人特征用于对行人特征进行特征融合； 所述低 维度行人特 征用于对同探 头下的行 人躯干框图像的分辨； 对同探头下的行人轨迹进行跟踪与 行人特征提取， 得到同探头下的行人轨迹的高维度 行人特征； 基于同探头下的行人轨迹的高维度行人特征， 进行同探头的特征融合， 以获取所有的 行人融合特 征； 在获取所有的行人融合特征后， 对所有的行人轨迹进行跨探头的聚类， 以获取当前目 标区域内的客 流数据。 2.根据权利要求1所述的基于行人重识别的客流统计方法， 其特征在于， 所述的对所述 监控画面进行 行人检测， 以获取 行人躯干框候选图像的步骤 包括： 对所述监控画面进行画面预处 理， 形成预处 理后的监控画面； 基于目标检测网络对预处理后的监控画面进行行人检测， 以获取所述行人躯干框候选 图像。 3.根据权利要求1所述的基于行人重识别的客流统计方法， 其特征在于， 所述将当前时 刻的行人躯干框候选框与上一时刻的行人躯干框候选框进 行匹配， 以形成同探头下的行人 轨迹的步骤 包括： 将当前时刻的行人躯干框候选框与上一时刻的行人躯干框候选框的中心点像素位移 进行比较， 以判断该位移是否超过 预设位移阈值； 计算行人躯干框候选框的高维度行人特征之间的距离， 以判断该距离是否小于预设距 离阈值； 将满足所述位移未超过所述预设位移阈值， 且所述距离小于所述预设距离 阈值的行人 躯干框候选框形成同探 头下同一行 人的行人轨迹。 4.根据权利要求3所述的基于行人重识别的客流统计方法， 其特征在于， 所述对同探头 下的行人轨迹进 行跟踪与行人特征提取， 得到同探头下的行人轨迹的高维度行人特征的步 骤包括： 对所述同探 头下的同一行 人的行人轨迹进行轨 迹采样， 获取采样的行 人躯干； 对采样的行人躯干进行低维度 行人特征提取， 得到同探头下的行人轨迹的高维度 行人 特征。 5.根据权利要求3所述的基于行人重识别的客流统计方法， 其特征在于， 所述基于同探 头下的行人轨迹的高维度行人特征， 进行同探头的特征融合， 以获取所有的行人融合特征 的步骤包括： 对提取到的同一行 人在同探 头下的高维度行 人特征， 进行维度累加； 计算累加后的维度的均值， 得到同一行 人在同探 头下的行 人融合特 征。 6.根据权利要求5所述的基于行人重识别的客流统计方法， 其特征在于， 所述在获取所权　利　要　求　书 1/2 页 2 CN 115272982 A 2有的行人融合特征后， 对所有的行人轨迹进行跨探头的聚类， 以获取当前目标区域内的客 流数据的步骤 包括： 将不同探 头下的所有的行 人融合特 征作为检测数据集； 对检测数据集中的数据进行分类， 获取若干个不同的数据密集区域； 其中， 所述数据密 集区域为同一行人在目标区域内不同探头下 的完整轨迹； 统计所述数据密集区域的数量； 所述密集区域的数量 为总有效客 流数。 7.根据权利要求6所述的基于行人重识别的客流统计方法， 其特征在于， 所述对检测数 据集中的数据进行分类， 获取若干个不同的数据密集区域的步骤 包括： 从所述检测数据集中随机 选取一个数据； 以该数据为中心， 以预设长度为预设邻域半径， 设定该 数据的邻域区域； 当数据的邻域区域内数据点数大于等于预设点数阈值时， 将该数据定义为核心点； 当 数据的邻域区域内数据点数小于预设点数阈值时， 将该数据定义为边界点； 其余数据定义 为噪声点； 若核心点之间的距离小于所述邻域半径时， 将距离小于邻域半径的两个核心点归为同 一个密集区域； 循环执行上述步骤， 直至选取完毕检测数据集中所有数据后形成若干个不同的数据密 集区域。 8.一种基于行 人重识别的客 流统计系统， 其特 征在于， 包括： 获取模块， 用于获取不同探头于目标区域内实时视频流， 于实时视频流中提取监控画 面； 检测模块， 用于对所述 监控画面进行 行人检测， 以获取 行人躯干框候选框； 轨迹形成模块， 用于将当前时刻的行人躯干框候选框与 上一时刻的行人躯干框候选框 进行匹配， 以形成同探头下的行人轨迹； 其中， 从所述行人躯干框候选框对应的图像中提取 高维度行人特征和低 维度行人特征； 所述高维度行人特征用于对行人特征进行特征融合； 所述低维度行 人特征用于对同探 头下的行 人躯干框图像的分辨； 特征提取模块， 用于对 同探头下的行人轨迹进行跟踪与行人特征提取， 得到同探头下 的行人轨迹的高维度行 人特征； 特征融合模块， 用于基于同探头下的行人轨迹的高维度行人特征， 进行同探头的特征 融合， 以获取 所有的行 人融合特 征； 聚类模块， 用于在获取所有的行人融合特征后， 对所有的行人轨迹进行跨探头的聚类， 以获取当前目标区域内的客 流数据。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现权利要求1至7中任一项所述基于行 人重识别的客 流统计方法。 10.一种基于行 人重识别的客 流统计设备， 其特 征在于， 包括： 处 理器及存 储器； 所述存储器用于存 储计算机程序； 所述处理器与所述存储器相连， 用于执行所述存储器存储的计算机程序， 以使所述基 于行人重识别的客流统计设备执行权利要求1至7中任一项所述基于行人重识别的客流统 计方法。权　利　要　求　书 2/2 页 3 CN 115272982 A 3