基于OpenCV的人流量监测系统

王崇国　石刚　陈田希　刘丹妮　王志远　周司宇

摘要：针对人员密集场所人流量统计准确度较低，实时性较差的问题，提出采用基于OpenCV的算法实时进行人流量分析。首先，用Tensorflow中的视频分解为图像算法将采集到的视频分解为帧，对采集到的视频帧图像进行灰度化，去噪声等预处理增强前景物体边缘;其次，通过基于MobileNet V2的SSD算法进行模型训练，meanshift算法进行跟踪检测实现人流量计数;最后，将实时数据通过展示系统输出并实现数据的可视化。结果表明，算法具有较高准确性和实时性。

关键词：深度学习;OpenCV;SSD

中图分类号：TP212         文献标识码：A

文章编号：1009-3044（2021）07-0235-02

Abstract：Aiming at the low accuracy and poor real-time performance of pedestrian flow statistics in densely populated places， this paper proposes an algorithm based on OpenCV for real-time traffic analysis. Firstly， the video is decomposed into frames by using Tensorflow's video decomposition algorithm， and the collected video frame images are grayed and denoised to enhance the edge of the foreground object; secondly， the foreground object edge is enhanced by using MobileNet The SSD algorithm of V2 is used to train the model， and the meanshift algorithm is used to track and detect the pedestrian flow. Finally， the real-time data is output through the display system and the data visualization is realized. Experimental results show that the algorithm has high accuracy and real-time performance.

Keywords：deep learning; OpenCV; SSD

隨着现代社会逐步变得智能化，计算机视觉和图像处理已经广泛应用到工业，医疗，军事，通信以及航空航天等各个领域。其中对于视频的处理具有广阔的应用前景，监控在很多地方发挥着至关重要的作用，例如安保和巡查工作等，但观察监控中的视频却是一件相当乏味的工作。所以我们利用深度学习等知识，希望将人类从这一乏味的工作中解放出来。

现实中，当面临海量的视频数据时，视频数据的非结构化特点，使得计算机很难得到视频中具体有效的数据。如何让视频中的非结构化信息自动化的加工生成结构化的数据，是当前研究的一个重要热点。通过对视频信息的结构化，可以得到超过人工值守获取更多更有价值的信息。然而，随着科技水平的不断提高，摄像头的清晰度越来越高、每秒帧数也在增加，成本却不断在降低。……