(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210218601.4 (22)申请日 2022.03.08 (65)同一申请的已公布的文献号 申请公布号 CN 114332778 A (43)申请公布日 2022.04.12 (73)专利权人 深圳市万物云科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 袁戟　周长源　姚钊盈　刘子伟　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 武志峰 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 US 2017017846 A1,2017.01.19 WO 2020093830 A1,2020.0 5.14 CN 112232333 A,2021.01.15 A.Chan et al.Privacy pre-servi ng crowd monitoring:Counti ng people withoutpeople models or track ing. 《CVPR》 .2008,1-7. 张燕等.一种基 于区域划分的人群密度估计 快速方法. 《计算机与数字 工程》 .201 1,(第04 期),第1-7页. 审查员 邱立英 (54)发明名称 基于人流密度的智慧告警工单生 成方法、 装 置及相关介质 (57)摘要 本发明公开了基于人流密度的智慧告警工 单生成方法、 装置及相关介质， 该方法包括： 通过 门禁设备读取行人开门或关门的时间数据， 并将 所述时间数据进行分时段统计； 通过社区视频系 统获取不同区域的视频数据， 并对 所述视频数据 进行抽帧处理， 得到对应的图像数据； 采用目标 检测算法基于所述图像数据对不同区域进行行 人目标检测； 利用设备设施台账系统获取门禁设 备及社区视频系统相对应的定位信息， 并结合行 人目标检测结果和分时段统计结果对不同区域 进行人流密度统计； 根据人流密度统计结果生成 告警工单。 本发 明结合社区视频系统和门禁系统 获取人流数据， 并通过分时段和区域进行统计和 呈现， 以此生成相应的告警工单， 从而提高物业 精细化管理能力。 权利要求书4页 说明书11页 附图3页 CN 114332778 B 2022.06.21 CN 114332778 B 1.一种基于人流密度的智慧告警工单生成方法， 其特 征在于， 包括： 通过门禁设备读取 行人开门或关门的时间数据， 并将所述时间数据进行分时段统计； 通过社区视频系统获取不同区域的视频数据， 并对所述视频数据进行抽帧处理， 得到 对应的图像数据； 所述通过社区视频系统获取不同区域的视频数据， 并对所述视频数据进行抽帧处理， 得到对应的图像数据， 包括： 将所述视频 数据划分为第一时段视频 数据和第二时段视频 数据； 对所述第一时段视频数据进行第一密度抽帧处理， 得到第一图像数据； 以及对所述第 二时段视频数据进行第二密度抽帧处理， 得到第二图像数据； 其中， 第一密度小于第二密 度； 采用目标检测算法基于所述图像数据对不同区域进行 行人目标检测； 所述采用目标检测算法基于所述图像数据对不同区域进行 行人目标检测， 包括： 采用YOLOv5网络模型对所述第一图像数据进行 行人目标检测； 采用CSRNet网络模型对所述第二图像数据进行 行人目标检测； 所述采用YOLOv5网络模型对所述第一图像数据进行 行人目标检测， 包括： 将所述第一图像数据依次输入至YOLOv5网络模型中的骨干 网络进行特征提取， 得到不 同尺寸的特 征图； 其中， 所述骨干网络依次包括Focus模块、 瓶颈 CSP层、 CBL模块和S PP层； 利用neck层对不同尺寸的特 征图进行串联和整合， 得到不同大小的语义信息； 基于所述语义信息， 通过 预测层输出 所述第一图像数据中的类别 信息和坐标信息； 根据所述类别信 息和坐标信 息选取行人信 息， 并作为第 一图像数据的行人目标检测结 果； 所述采用CSRNet网络模型对所述第二图像数据进行 行人目标检测， 包括： 按照下式计算第二图像数据中的行 人密度F(x)： 式中， 为第二图像数据， 为第二图像数据中的第i个行人， 表示k个邻近头部的平 均距离， 为标准差， 为像素位置， 为系数； 还包括： 按照下式， 利用第一损失函数对YOLOv5网络模型进行优化更新： 式中， 表示为所述第一图像数据中第i个 行人的损失函数； 表示权重； 表示经过独 热编码后的真实标签； 表示YOLOv5网络模型对第i个行 人的预测值； 表示Sigmo id函数；权　利　要　求　书 1/4 页 2 CN 114332778 B 2按照下式， 利用第二损失函数对CSRNet网络模型优化更新： 式中， N是训练批次， 是用带参数 的CSRNet计算获得的行人数量； 表示输 入图像； 表示输入图像 的真实值； 利用设备设施台账系统获取门禁设备及社区视频系统相对应的定位信 息， 并结合行人 目标检测结果和分时段统计结果对不同区域进行 人流密度统计； 根据人流密度统计结果 生成告警工单； 还包括： 利用克里金法对社区视频系统未监控到的区域内的人流密度进行插值处 理。 2.根据权利要求1所述的基于人流密度的智慧告警工单生成方法， 其特征在于， 所述利 用设备设施台账系统获取门禁设备及社区视频系统相对应的定位信息， 并结合行人目标检 测结果和分时段统计结果对不同区域进行 人流密度统计， 包括： 针对每一 区域， 根据 行人目标检测结果和分时段统计结果计算 区域内每时间单位的平 均人流密度； 将定位信息和平均人流密度结合 生成区域的人流密度热力图。 3.一种基于人流密度的智慧告警工单生成装置， 其特 征在于， 包括： 门禁统计单元， 用于通过门禁设备读取行人开门或关门的时间数据， 并将所述时间数 据进行分时段统计； 抽帧处理单元， 用于通过社区视频系统获取不同区域的视频数据， 并对所述视频数据 进行抽帧处 理， 得到对应的图像数据； 所述抽帧处 理单元包括： 数据划分单 元， 用于将所述视频 数据划分为第一时段视频 数据和第二时段视频 数据； 密度抽帧单元， 用于对所述第一时段视频数据进行第一密度抽帧处理， 得到第一图像 数据； 以及对所述第二时段视频数据进行第二密度抽帧处理， 得到第二图像数据； 其中， 第 一密度小于第二密度； 目标检测单元， 用于采用目标检测算法基于所述图像数据对不同区域进行行人目标检 测； 所述目标检测单 元包括： 第一检测单 元， 用于采用YOLOv5网络模型对所述第一图像数据进行 行人目标检测； 第二检测单 元， 用于采用CSRNet网络模型对所述第二图像数据进行 行人目标检测； 所述第一检测单 元包括： 数据输入单元， 用于将所述第一图像数据依次输入至YOLOv5网络模型中的骨干 网络进 行特征提取， 得到不同尺 寸的特征图； 其中， 所述骨干网络依次包括Focus模块、 瓶颈CSP层、 CBL模块和S PP层；权　利　要　求　书 2/4 页 3 CN 114332778 B 3