李傲，宗峰

（山東英才學(xué)院工學(xué)院，山東濟南，250104）

0 引言

隨著科技進步和社會發(fā)展，計算機視覺技術(shù)應(yīng)運而生，通過計算機視覺技術(shù)對人流量大的區(qū)域所采集的信息進行相應(yīng)的處理與分析，可以給管理者們提供有效的數(shù)據(jù)支撐，做出更為合理的決策方案。

本研究旨在一定的區(qū)域內(nèi)可以根據(jù)視頻來統(tǒng)計人流量的情況。在一些人流密集的場所，如：景區(qū)、車站、商場等，監(jiān)測一定時間內(nèi)的人流情況，目的是為了保障公共安全，同時也具有潛在的商業(yè)價值[1]?，F(xiàn)如今公共場所都裝有攝像頭，易獲取實時的視頻情況，采用基于的視頻的深度學(xué)習(xí)與目標跟蹤、運動檢測的算法[2]，既能方便快速的獲取數(shù)據(jù)，又能實時的準確獲取相關(guān)的數(shù)據(jù)。系統(tǒng)整體結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)整體結(jié)構(gòu)框圖

1 使用Faster-RCNN進行目標檢測

R-CNN可以說是最早利用深度學(xué)習(xí)進行目標檢測的作品，傳統(tǒng)的目標檢測算法在目標檢測算法的檢測準確率一般在百分之30左右，自從R-CNN算法出現(xiàn)之后，目標檢測的準確率被大幅提高到百分之五十以上。Faster-RCNN則是在RCNN的基礎(chǔ)上進行改進，速度更快的目標檢測算法。

Faster-RCNN常常用來解決CV領(lǐng)域里目標檢測的相關(guān)問題。過去常常使用selective search產(chǎn)生proposal，再使用SVM之類的分類器進行分類，以此得到目標。這種方法的弊端就是耗時且效果不佳。而神經(jīng)網(wǎng)絡(luò)（NN）具有強大的特征提取的功能，可以用NN來解決此類目標檢測的問題，由此變誕生了Faster-RCNN。

Faster可以通過神經(jīng)網(wǎng)絡(luò)來做region proposal，在fast-RCNN的基礎(chǔ)上使用共享卷積層的方式。卷積后的特征圖也可以用來生成region proposals。通過增加兩個卷積層來實現(xiàn)Region Proposals Networks，一個用來將每個特征圖的位置編碼成一個向量，另一個則是對每一個位置輸出一個objectness score和regressed bounds for k region proposals[3]。

■1.1 傳統(tǒng)的 RCNN算法流程

首先利用Selective Search算法使用圖像分割的手段得到一些原始區(qū)域，然后使用各種合并策略將這些區(qū)域合并，從而可以得到一個層次化的區(qū)域結(jié)構(gòu)，我們所需要的物體可能就存在于則和諧結(jié)構(gòu)中。其次，對于每個候選的區(qū)域，使用深度網(wǎng)絡(luò)提取其特征將2000候選區(qū)縮放到227×227pixel，然后將候選區(qū)輸入實現(xiàn)訓(xùn)練好的AlexNet CNN網(wǎng)絡(luò)后去4096維的特征得到2000×4096維的矩陣。其次，將這些特征送入每一類的SVM分類器當中，從而判定類別。將這2000×4096維特征與SVM分類器所形成的這20個SVM組成的權(quán)值矩陣4096×20進行相乘，獲得2000×20維的平分矩陣。對上述2000×20維度矩陣的每一列（即每個類別）執(zhí)行非最大抑制，建議重復(fù)的建議框，并獲得該列中得分最高的建議框。最后使用回歸器精細的修正候選框的位置。對NMS處理后剩余的建議框進一步篩選。接著分別用20個回歸器對上述20個類別中剩余的建議框進行回歸操作，最終得到每個類型的修正后的得分最高的bounding box。如圖2所示，黃色框口表示建議框Region Proposal，綠色窗口表示實際框Ground Truth，紅色窗口表示Region Proposal進行回歸后的預(yù)測窗口，可以用最小二乘法解決的線性回歸問題。

圖2 傳統(tǒng)RCNN算法流程

■1.2 Faster-RCNN算法流程

Faster-RCNN在RCNN的基礎(chǔ)上獲得了更大的性能上的優(yōu)化。Faster-RCNN算法的實現(xiàn)的基本流程是首先將獲取到的圖像輸入到神經(jīng)網(wǎng)絡(luò)中從而得到相應(yīng)的特征圖，然后使用RPN結(jié)構(gòu)生成候選框，從而可以將RPN生成的候選框投影到神經(jīng)網(wǎng)絡(luò)所得到的特性圖上獲得相應(yīng)的特征矩陣。將得到的特征矩陣通過ROI pooling層縮放到7×7大小的特征圖，接著將所得到的這些特性圖展平通過一系列全連接層的得到預(yù)測的結(jié)果（RPN+Fast R-CNN）。Faster-RCNN與其前身Fast-RCNN算法十分類似，最大的特點便是用Region Proposal Network來替代SS算法來實現(xiàn)。

2 使用Meanshift跟蹤器進行多目標跟蹤

聚類算法是一種非監(jiān)督學(xué)習(xí)算法。聚類是在沒有給定分類的情況下，需要去挖掘數(shù)據(jù)的相似性從而對樣本進行分組的一種方法。從理論上來說，相同的數(shù)據(jù)組中數(shù)據(jù)具有相同的屬性或特征，不同的數(shù)據(jù)組中的數(shù)據(jù)則不然。聚類算法一般有五種分類：劃分方法（KMeans），層次方法（SAHN），基于密度的方法（MeanShift），基于網(wǎng)格的方法（STING），基于模型的方法（GMM）。本文所使用的方法是基于密度的方法（MeanShift），它是基于密度的方法從密度的角度構(gòu)造簇類。

MeanShift算法是一種核密度估計法，它不需要任何先驗知識，并且完全依賴于特征空間中采樣點的密度函數(shù)值的計算。對于一組采樣數(shù)據(jù)，直方圖方法通常將數(shù)據(jù)的值范圍劃分為幾個相等的間隔，并且根據(jù)間隔將數(shù)據(jù)劃分為幾組。每組中數(shù)據(jù)數(shù)量與總參數(shù)數(shù)量之比是每個單位的概率值；核密度估計方法的原理與直方圖方法相似[4]，但是使用了附加的核函數(shù)來平滑數(shù)據(jù)。使用核函數(shù)估計方法，在充分采樣的條件下，可以逐漸收斂到任何密度函數(shù)，即可以估計服從任何分布的數(shù)據(jù)的密度[5]。

Meanshitf向量基本形式定義如下：

由于均值漂移算法的快速收斂性，利用mean-shift對已經(jīng)標記的人進行目標跟蹤，中間通過不斷迭代更新行人目標位置并實時標記。

■2.1 Meanshift算法實現(xiàn)流程

首先，從未標記的數(shù)據(jù)點中隨機選擇一個點作為起始中心點center，以找到以該中心點為半徑的區(qū)域顯示在該區(qū)域中的所有數(shù)據(jù)點。我們認為這些點屬于同一群集C，并且也是該群集中記錄的數(shù)據(jù)點的數(shù)量加1。以center為中心，計算從center到集合M的每個元素的向量，并將這些向量相加以獲得向量位移。center=center+shift，重復(fù)上述步驟，直到shift迭代收斂并且迭代的所有點都歸為C。當當前群集C的中心與另一個現(xiàn)有群集C2的中心之間的距離時，C2和C合并在收斂時設(shè)置閾值。否則，將C用作新的群集類。重復(fù)直到所有點都標記為已訪問。最后，將具有最高訪問評分的類別用作當前積分集的類別。

■2.2 基于sklearn算法庫實現(xiàn)創(chuàng)建MeanShift對象

■2.3 Mean Shift算法優(yōu)缺點

Meanshift算法可以自動的決定類別的數(shù)目，不受離異值的影響，沒有局部最小值。但是它在高維空間數(shù)據(jù)下表現(xiàn)不佳，無法指定聚類的數(shù)量。

3 實驗結(jié)果與分析

通過樣例視頻人流量監(jiān)測效果。首先，在道路上拍攝一段視頻，然后運行程序進行分析，對于人體的正面，背面，側(cè)面以及戴口罩的人體都能正確檢測并對目標進行跟蹤。對一小段視頻進行分析以及目標跟蹤，最終得出正確的結(jié)果，人流量監(jiān)測如圖3所示。

圖3 人流量監(jiān)測

通過視頻，我們可以根據(jù)對目標監(jiān)測與跟蹤預(yù)測，最終經(jīng)過代碼根據(jù)視頻數(shù)據(jù)分析得出折線圖和柱狀圖，從而直觀的了解到此時的人流量情況。此系統(tǒng)可在如商場、景區(qū)等人流量較多的公共場所使用，以便于管理人員及時作出決策，防止意外事故的發(fā)生，人流量分析折線圖如圖4所示。

圖4 人流量分析折線圖

4 結(jié)束語

本文針對人流量監(jiān)測所用到的主要技術(shù)進行闡述，基于深度學(xué)習(xí)，通過Faster-RCNN模型進行目標監(jiān)測，用meanshift算法對人進行標記，并用跟蹤器對行人進行多目標跟蹤，并使用CamShift進行目標跟蹤并利用卡爾曼濾波器進行預(yù)測，以達到對人流量實時監(jiān)測的效果。