具体实施方式

下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

图1是本公开一种实施例提供的人流量统计系统10的交互示意图。人流量统计系统10可以包括云服务器100以及与所述云服务器100通信连接的监控终端200。图1所示的人流量统计系统10仅为一种可行的示例，在其它可行的实施例中，该人流量统计系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。

本实施例中，监控终端200可以包括移动设备、平板计算机、膝上型计算机等或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理、游戏设备等，或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。

本实施例中，人流量统计系统10中的云服务器100和监控终端200可以通过配合执行以下方法实施例所描述的人流量统计方法，具体云服务器100和监控终端200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述背景技术中的技术问题，图2为本公开实施例提供的人流量统计方法的流程示意图，本实施例提供的人流量统计方法可以由图1中所示的云服务器100执行，下面对该人流量统计方法进行详细介绍。

步骤S110，使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型；

步骤S120，读取不属于样本集合的的输入视频流；

步骤S130，将所述输入视频流进行解构，得到与行人相关的帧图像；

步骤S140，通过所述支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。

在一个可能的实施例中，步骤S110还包括：

步骤S111，将所述样本集合中的行人检测样本和非行人检测样本分别进行解构，得到帧图像；

步骤S112，对所述帧图像进行类别标记；

步骤S113，通过支持向量机输入进行类别标记的帧图像，构建支持向量机样本模型。

在一个可能的实施例中，步骤S112还包括：

步骤S1121，当所述行人检测样本中包含行人时，则读取对应正向标记；

步骤S1122，当所述非行人检测样本中包含非行人时，则读取对应反向标记。

在一个可能的实施例中，步骤S140还包括：

步骤S141，对得到与行人相关的帧图像后的输入视频流通过支持向量机样本模型获取计算结果；

步骤S142，根据计算结果输出输入视频流中的行人数量，以此得到人流量。

在一个可能的实施例中，步骤S130还包括：

步骤S131，对所述输入视频流按照第一预设时间进行解构，得到拆分后的帧图像；

步骤S132，对所述拆分后的帧图像中的目标进行人体部位检测，得到不同人体部位的检测结果；

步骤S133，若所述检测结果中包含具备人体部位关联性的结果，则认为所述目标为行人。

在一个可能的实施例中，步骤S141还包括：

步骤S1411，判定帧图像中的目标人物在第二预设时间内是否重复出现；

步骤S1412，若所述目标人物在所述第二预设时间内重复出现，则对结果进行去重处理。

图3为本公开实施例提供的人流量统计装置300的功能模块示意图，本实施例可以根据上述云服务器100执行的方法实施例对该人流量统计装置300进行功能模块的划分，也即该人流量统计装置300所对应的以下各个功能模块可以用于执行上述云服务器100执行的各个方法实施例。其中，该人流量统计装置300可以包括训练单元310、输入单元320、解构单元330以及统计单元340，下面分别对该人流量统计装置300的各个功能模块的功能进行详细阐述。

训练单元310可以用于执行上述的步骤S110，即用于使用行人检测样本和非行人检测样本组成的样本集合构建支持向量机样本模型。

输入单元320可以用于执行上述的步骤S120，即用于读取不属于样本集合的的输入视频流。

解构单元330可以用于执行上述的步骤S130，即用于将所述输入视频流进行解构，得到与行人相关的帧图像。

统计单元340可以用于执行上述的步骤S140，即用于通过所述支持向量机样本模型对与行人相关的帧图像进行检测，并对输入视频流进行人流量统计。

需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，训练单元310可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上训练单元310的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所描述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(applicationspecificintegratedcircuit，ASIC)，或，一个或多个微处理器(digitalsignalprocessor，DSP)，或，一个或者多个现场可编程门阵列(fieldprogrammablegatearray，FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(centralprocessingunit，CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。

图4示出了本公开实施例提供的用于实现上述的控制设备的云服务器100的硬件结构示意图，如图4所示，云服务器100可包括处理器110、机器可读存储介质120、总线130以及收发器140。

在具体实现过程中，至少一个处理器110执行所述机器可读存储介质120存储的计算机执行指令（例如图3中所示的人流量统计装置300包括的），使得处理器110可以执行如上方法实施例的人流量统计方法，其中，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的监控终端200进行数据收发。

处理器110的具体实现过程可参见上述云服务器100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

在上述的图4所示的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignalProcessor，DSP)、专用集成电路(英文：ApplicationSpecificIntegratedCircuit，ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

机器可读存储介质120可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。

总线130可以是工业标准体系结构(IndustryStandardArchitecture，ISA)总线、外部设备互连(PeripheralComponentInterconnect，PCI)总线或扩展工业标准体系结构(ExtendedIndustryStandardArchitecture，EISA)总线等。总线130可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

此外，本公开实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上人流量统计方法。

上述的可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。