一种目标对象检测方法、装置、存储介质及电子装置与流程

1.本发明实施例涉及数据处理领域，具体而言，涉及一种目标对象检测方法、装置、存储介质及电子装置。


背景技术：

2.随着人口的逐渐增多和人们出行的频繁，城市人口出行管理成为了城市管理中非常重要的一部分，特别是在人流量和车流量密集的场合，如果不及时进行交通管控，可能会存在安全隐患。
3.但是在一些室外场景中，人流量和车流量并不会进行登记，特别在一些节假日等特殊时间，一些室外场景例如商场、展馆、机场、码头等地都会形成持续的人流，而在这些场合中，人头计数逐渐变得越来越重要，往往需要通过出动大量的交通管理人员进行现场监测和管控，一方面人工现场监测人力成本高，另一方面人工现场监测不容易对较大的区域进行统筹管控，使得流量控制、指挥调度的效果不理想。
4.对人流量大的交通数据，因为人流和车流密集，现有的视频检测在对这类交通数据图片的检测过程中，在对图片进行压缩之后目标对象会变得非常微小，不够清晰，使得目标对象检测精度低，从而造成漏检，因而得到的数据有效性也较低。
5.因此，如何有效统计交通场景中的交通流量从而辅助交通管理人员进行统筹管控，是现在亟需解决的问题之一。


技术实现要素：

6.本发明的主要优势在于提供一种目标对象检测方法、装置、存储介质及电子装置，通过获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据，对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，提高了目标对象的检测精度。
7.本发明另一优势在于提供一种目标对象检测方法、装置、存储介质及电子装置，通过获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据，对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，利用预设的基准线，对所述第三目标对象数据进行目标对象流量计算，得到目标结果，提高了目标对象流量计算数据的有效性，有利于辅助交通管理人员进行统筹管控。
8.根据本发明一实施例，提供一种目标对象检测方法，包括：
获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据；对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据；对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向；利用预设的基准线，对所述第三目标对象数据进行目标对象流量计算，得到目标结果。
9.根据本发明一示例性实施例，对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据，包括：对所述第一待检测数据进行目标处理，得到第二待检测数据；对所述第二待检测数据逐帧进行目标检测，得到第一目标对象数据，其中所述第一目标对象数据中每一帧中的每个目标对象被赋予了目标检测框和标识信息。
10.根据本发明一示例性实施例，对所述第一待检测数据进行目标处理，得到第二待检测数据，还包括：在所述第一待检测数据中固定目标检测区域，并基于所述目标检测区域得到目标检测区域数据；对所述目标检测区域数据进行分割处理，得到所述第二待检测数据。
11.根据本发明一示例性实施例，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，包括：对所述第一目标对象数据进行图像还原，得到第二目标对象数据；基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向。
12.根据本发明另一实施例，提供一种目标对象检测装置，包括，数据获取模块，用于获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据；目标检测模块，用于对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据；目标跟踪模块，用于对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向；目标对象流量计算模块，用于利用预设的基准线，对所述第三目标对象数据进行目标对象流量计算，得到目标结果。
13.根据本发明一示例性实施例，所述目标检测模块包括：目标处理单元，用于对所述第一待检测数据进行目标处理，得到第二待检测数据；目标检测单元，用于对所述第二待检测数据逐帧进行目标检测，得到第一目标对象数据，其中所述第一目标对象数据中每一帧中的每个目标对象被赋予了目标检测框和标识信息。
14.根据本发明一示例性实施例，所述目标处理单元包括：第一处理子单元，用于在所述第一待检测数据中固定目标检测区域，并基于所述目标检测区域得到目标检测区域数据；第二处理子单元，用于对所述目标检测区域数据进行分割处理，得到所述第二待检测数据。
15.根据本发明一示例性实施例，所述目标跟踪模块包括：图像还原单元，用于对所述第一目标对象数据进行图像还原，得到第二目标对象数据；目标跟踪单元，用于基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向。
16.根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
17.根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
附图说明
18.图1是根据本发明实施例的一种目标对象检测方法的移动终端的硬件结构框图；图2是根据本发明实施例的一种目标对象检测方法的流程图；图3是根据本发明具体实施例的效果图；图4是根据本发明具体实施例的流程图；图5是根据本发明实施例的一种目标对象检测装置的结构框图。
具体实施方式
19.下文中将参考附图并结合实施例来详细说明本发明的实施例。
20.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
21.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种检测方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
22.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种检测方法对应的计算机程序，处理器102通过运行存储在存储器104内的
计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
23.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（network interface controller，简称为nic），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
24.为了更好的解决上述背景技术中提出的问题，本发明公开了一种目标对象检测方法、装置、存储介质及电子装置，下面的实施例中将逐一进行详细说明。
25.参见图2，图2示出了根据本说明书一个实施例提供的一种目标对象检测方法的流程图，具体包括以下步骤：s202，获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据；根据本发明一实施例，其中，所述目标区域数据为通过路设图像采集设备，如摄像头，在目标区域内收集的图像和/或视频数据为所述目标区域数据，其中每个路设图像采集设备通过安装位置和安装角度形成的图像采集区域为目标区域。
26.具体地，在实际应用中，应用本技术实施例提供的目标对象检测方法的电子装置，在硬件上可直接包括的摄像头(该摄像头主要用于采集包含待检测路面的图像)，并在本地存储该摄像头拍摄得到的图像，可在电子设备内部直接读取；或者，电子设备也可与该摄像头建立网络连接，并根据该网络连接从该摄像头在线获取该摄像头得到的图像；或者，电子设备也可从存储有该摄像头拍摄得到的图像的相关存储介质，读取出该摄像头拍摄得到的图像，具体获取方式在此不做限定。
27.其中，摄像头可根据预设的拍摄方式拍摄图像，例如可设置拍摄高度、拍摄方向或者拍摄距离，其具体拍摄方式可根据摄像头本身进行调节，具体在此不做限定。摄像头拍摄得到的多帧图像，可通过时间线组成视频。
28.根据本发明一实施例，获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据，即获取目标区域的图像数据后，主要是基于摄像头采集的视频数据，将所述图像数据解码并按时间顺序形成在时间上连续的帧图片，即得到所述第一待检测数据。
29.s204，对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据；根据本发明一实施例，对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据，即基于所述第一待检测数据中的帧图片数据获取和标识目标检测区域，并根据所述目标检测区域在帧图片数据中获取目标检测区域图片 ，并对所述目标检测区域图片进行分割处理，使得每一个所述目标检测区域图片被分割成多个目标检测区域子图片，即得到所述第二待检测数据。基于所
述第二待检测数据，即被分割得到的所述目标检测区域子图片，进行目标检测，使得每个所述目标检测区域子图片中的每一目标对象都被赋予目标检测框和标识信息。其中经目标检测后，所述目标对象被赋予目标检测框和标识信息的所述目标检测区域子图片即为所述第一目标对象数据。
30.根据本发明一实施例，步骤s204包括：s2042，对所述第一待检测数据进行目标处理，得到第二待检测数据；其中所述步骤s2042，还包括：a) 在所述第一待检测数据中固定目标检测区域，并基于所述目标检测区域得到目标检测区域数据；b) 对所述目标检测区域数据进行分割处理，得到所述第二待检测数据。
31.根据本发明一实施例，如图3及图4所示，在步骤a) 中，优选的，其中所述目标检测区域为矩形区域，而在所述矩形区域范围中的所述第一待检测数据为后续需要送入目标检测模型进行目标检测的数据。具体的，所述第一待检测数据为某一摄像头下采集的固定目标区域的人流（或车流）数据，通过在所述第一待检测数据中确定矩形框的四个坐标点而确定所述矩形区域即所述目标检测区域。换句话说，首先在所述目标区域中固定一个目标检测区域范围，得到通过矩形框在所述第一待检测数据中标识了所述目标检测区域的第一待检测数据。通过所述目标检测区域，可以在所述第一待检测数据中获取在时间上连续的只显示所述目标检测区域的帧图片，即所述目标检测区域数据。
32.值得一提的是，在一些室外场景中，并没有客流登记，因此需要在室外场景的出入口采集人流量数据，通过统计出入口的人头数并进行基本的出入人流数计算，则得到当时室外场景范围内的人流量。
33.根据本发明一实施例，在步骤b) 中，对所述目标检测区域数据进行分割处理，即将所述目标检测区域数据中的帧图片分割为多个所述目标检测区域子图片，优选的，被分割为两个所述目标检测区域子图片，具体数量可以根据需要进行设置，在此不做限制，将所述目标检测区域数据分割后得到的目标检测区域子图片即为所述第二待检测数据。
34.s2044，对所述第二待检测数据逐帧进行目标检测，得到第一目标对象数据，其中所述第一目标对象数据中每一帧中的每个目标对象被赋予了目标检测框和标识信息。
35.根据本发明一实施例，利用目标检测模型对所述第二待检测数据逐帧进行目标检测，使得所述第二待检测数据中每一帧图片被压缩到目标检测算法所需要输入的图片大小，并对每一帧中的每个目标对象赋予唯一的目标检测框和标识信息，即得到所述第一目标对象数据。
36.值得一提的是，在人头检测算法中对输入图片的尺寸是固定的（在算法模型训练时便确定好），比如说长900宽540像素。因此通常对于要进行检测的图片，会先将其尺寸压缩至算法需要的大小，而对于大客流场景，将一些2k，4k分辨率的图片压缩后，图中人头将变得很小，算法模型会难以检出。如果ai算法无法识别出人头的话，则会造成人员的漏检，导致人头计数和现实场景产生偏差，且这种偏差会随着时间越来越大。
37.值得一提的是，在本发明提供的实施例中，因为所述第二待检测数据为所述目标检测区域数据被分割成的尺寸更小的图片，因此所述目标检测模型在对所述第二待检测数据中的图片进行目标检测时，不需要进行过度的图片压缩，使得到的所述第一目标对象数
据的图像清晰度可以保持在较好的水平，从而克服了现有目标检测算法对原始图片进行过度压缩导致目标对象在图片中占比过小从而造成目标对象漏检的问题。本发明提供的实施例中，因为对原始数据流的帧图片根据矩形框获取目标检测区域图片后，又对目标检测区域图片进行了分割处理，得到了尺寸更小的目标检测区域子图片，由于矩形区域只是原图的一小部分并又对图片进行了分割处理，因此将这些小图（目标检测区域子图片）压缩到目标检测模型输入的尺寸时，人头（目标对象）会比原图压缩的大，这样可以让原本检测不出的人头得以检测出来，从而提高了人头（目标对象）检出率。
38.s206，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向；根据本发明一实施例，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，具体的，将所述第一目标对象数据，即将被压缩到目标检测算法所需要的图片大小并且每一帧中的每个目标对象被赋予了唯一目标检测框和标识信息的图片数据按照在目标检测过程中的被压缩的比例进行还原，然后再按照分割的图片位置进行重新拼合，最后还原到带有对目标对象标记了唯一目标检测框和标识信息的图片数据，即得到所述第二目标对象数据。换句话说，还原后的图片数据即所述第二目标对象数据相对于所述第二待检测数据对目标对象标记了目标检测框和标识信息，最后根据逐帧的还原后的图片数据，对所述目标对象进行目标跟踪，从而得到所述目标对象在一定时间段内在所述目标检测区域的运动轨迹和运动方向。
39.根据本发明一实施例，步骤s206包括：s2062，对所述第一目标对象数据进行图像还原，得到第二目标对象数据；s2064，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向。
40.根据本发明一实施例，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，具体为，首先对所述第一目标对象数据按照被压缩的比例进行图片还原，其中所述被压缩的比例为在对所述第二待检测数据逐帧进行目标检测时每一帧图片被压缩的比例，此时按照被压缩的比例进行图片还原后的所述第一目标对象数据，图片尺寸变大，并且每一帧中的每个目标对象被赋予了唯一的目标检测框和标识信息。换句话说，按照被压缩的比例进行图片还原后的所述第一目标对象数据的图片尺寸大小与所述目标检测区域子图片即所述第二待检测数据的图片尺寸大小一致；接着对按照被压缩的比例进行图片还原后的所述第一目标对象数据按照分割的图片位置进行重新拼合，这里按照分割的图片位置即对所述目标检测区域数据进行分割处理的图片位置，此时被重新拼合的图片大小与所述目标检测区域数据中的图片数据大小一致，不同的是，此时被重新拼合的图片数据相对于所述目标检测区域数据中的图片数据，每一帧中每个目标对象被赋予了唯一的目标检测框和标识信息；最后再将重新拼合的图片数据按照在原始图中的原始位置进行还原，其中按照在原始图中的原始位置进行还原即将基于所述目标检测区域得到目标检测区域数据，所述目标检测区域数据在所述第一待检测数据中的位置进行还原，或者说所述目标检测区域在
所述第一待检测数据中的位置进行还原，还原后最终得到所述第二目标对象数据。
41.根据本发明一实施例，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，具体的，所述第二目标对象数据的每一帧图片数据中带有了目标对象的目标检测框和标识信息，即可以通过现有的目标对象检测跟踪算法确认同一目标对象在按时间顺序排列的逐帧图片中或者说在原始视频流数据中（目标区域数据）的移动轨迹和移动方向，即得到所述第三目标对象数据，换句话说，所述第三目标对象数据包括了还原后的帧图片数据，并且所述帧图片数据带有所述目标对象的运动轨迹和运动方向信息，其中所述第三目标对象数据也可以按时间顺序组成视频流。
42.s208，利用预设的基准线，对所述第三目标对象数据进行目标对象流量计算，得到目标结果。
43.根据本发明一实施例，所述预设的基准线为所述第一待检测数据中所述目标检测区域中按照坐标位置在所述目标检测区域中形成的所述预设的基准线，换句话说，所述预设的基准线为所述第三目标对象数据中按照坐标位置在所述目标检测区域中形成的所述预设的基准线。值得一提的是，其中所述预设的基准线为所述目标对象在所述目标检测区域中按照运动方向行进时必须经过的坐标线。
44.确认所述预设的基准线后，按照所述目标对象的运动轨迹和运动方向对所述第三目标对象数据进行目标对象流量计算，得到目标结果，具体的，在所述目标对象经过所述预设的基准线则人头数计数加一，以此种方式得到对目标对象流量计数的所述目标结果。其中在实际应用场景中，需要在目标场景范围的进口处和出口处按照本发明提供的所述目标对象检测方法同时进行进入和离开的人流统计，从而可以得到该目标场景范围内实时的人流量。
45.根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如rom/ram、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
46.在本实施例中还提供了一种目标对象检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
47.根据本发明另一实施例，参考图5，提供一种目标对象检测装置，包括：数据获取模块30，用于获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据；根据本发明一实施例，其中，所述目标区域数据为通过路设图像采集设备，如摄像头，在目标区域内收集的图像和/或视频数据为所述目标区域数据，其中每个路设图像采集设备通过安装位置和安装角度形成的图像采集区域为目标区域。
48.具体地，在实际应用中，应用本技术实施例提供的目标对象检测方法的电子装置，在硬件上可直接包括的摄像头(该摄像头主要用于采集包含待检测路面的图像)，并在本地
存储该摄像头拍摄得到的图像，可在电子设备内部直接读取；或者，电子设备也可与该摄像头建立网络连接，并根据该网络连接从该摄像头在线获取该摄像头得到的图像；或者，电子设备也可从存储有该摄像头拍摄得到的图像的相关存储介质，读取出该摄像头拍摄得到的图像，具体获取方式在此不做限定。
49.其中，摄像头可根据预设的拍摄方式拍摄图像，例如可设置拍摄高度、拍摄方向或者拍摄距离，其具体拍摄方式可根据摄像头本身进行调节，具体在此不做限定。摄像头拍摄得到的多帧图像，可通过时间线组成视频。
50.根据本发明一实施例，获取目标区域数据，并对所述目标区域数据进行预处理，得到第一待检测数据，即获取目标区域的图像数据后，主要是基于摄像头采集的视频数据，将所述图像数据解码并按时间顺序形成在时间上连续的帧图片，即得到所述第一待检测数据。
51.目标检测模块40，用于对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据；根据本发明一实施例，对所述第一待检测数据进行目标处理，得到第二待检测数据，并对所述第二待检测数据进行目标检测，得到第一目标对象数据，即基于所述第一待检测数据中的帧图片数据获取和标识目标检测区域，并根据所述目标检测区域在帧图片数据中获取目标检测区域图片 ，并对所述目标检测区域图片进行分割处理，使得每一个所述目标检测区域图片被分割成多个目标检测区域子图片，即得到所述第二待检测数据。基于所述第二待检测数据，即被分割得到的所述目标检测区域子图片，进行目标检测，使得每个所述目标检测区域子图片中的每一目标对象都被赋予目标检测框和标识信息。其中经目标检测后，所述目标对象被赋予目标检测框和标识信息的所述目标检测区域子图片即为所述第一目标对象数据。
52.根据本发明一实施例，所述目标检测模块40包括：目标处理单元41，用于对所述第一待检测数据进行目标处理，得到第二待检测数据；根据本发明一实施例，其中所述目标处理单元41，还包括：第一处理子单元411，用于在所述第一待检测数据中固定目标检测区域，并基于所述目标检测区域得到目标检测区域数据；第二处理子单元412，用于对所述目标检测区域数据进行分割处理，得到所述第二待检测数据。
53.根据本发明一实施例，优选的，其中所述目标检测区域为矩形区域，而在所述矩形区域范围中的所述第一待检测数据为后续需要送入目标检测模型进行目标检测的数据。具体的，所述第一待检测数据为某一摄像头下采集的固定目标区域的人流（或车流）数据，通过在所述第一待检测数据中确定矩形框的四个坐标点而确定所述矩形区域即所述目标检测区域。换句话说，首先在所述目标区域中固定一个目标检测区域范围，得到通过矩形框在所述第一待检测数据中标识了所述目标检测区域的第一待检测数据。通过所述目标检测区域，可以在所述第一待检测数据中获取在时间上连续的只显示所述目标检测区域的帧图片，即所述目标检测区域数据。
54.值得一提的是，在一些室外场景中，并没有客流登记，因此需要在室外场景的出入
口采集人流量数据，通过统计出入口的人头数并进行基本的出入人流数计算，则得到当时室外场景范围内的人流量。
55.根据本发明一实施例，对所述目标检测区域数据进行分割处理，即将所述目标检测区域数据中的帧图片分割为多个所述目标检测区域子图片，优选的，被分割为两个所述目标检测区域子图片，具体数量可以根据需要进行设置，在此不做限制，将所述目标检测区域数据分割后得到的目标检测区域子图片即为所述第二待检测数据。
56.目标检测单元42，用于对所述第二待检测数据逐帧进行目标检测，得到第一目标对象数据，其中所述第一目标对象数据中每一帧中的每个目标对象被赋予了目标检测框和标识信息。
57.根据本发明一实施例，利用目标检测模型对所述第二待检测数据逐帧进行目标检测，使得所述第二待检测数据中每一帧图片被压缩到目标检测算法所需要输入的图片大小，并对每一帧中的每个目标对象赋予唯一的目标检测框和标识信息，即得到所述第一目标对象数据。
58.值得一提的是，在人头检测算法中对输入图片的尺寸是固定的（在算法模型训练时便确定好），比如说长900宽540像素。因此通常对于要进行检测的图片，会先将其尺寸压缩至算法需要的大小，而对于大客流场景，将一些2k，4k分辨率的图片压缩后，图中人头将变得很小，算法模型会难以检出。如果ai算法无法识别出人头的话，则会造成人员的漏检，导致人头计数和现实场景产生偏差，且这种偏差会随着时间越来越大。
59.值得一提的是，在本发明提供的实施例中，因为所述第二待检测数据为所述目标检测区域数据被分割成的尺寸更小的图片，因此所述目标检测模型在对所述第二待检测数据中的图片进行目标检测时，不需要进行过度的图片压缩，使得到的所述第一目标对象数据的图像清晰度可以保持在较好的水平，从而克服了现有目标检测算法对原始图片进行过度压缩导致目标对象在图片中占比过小从而造成目标对象漏检的问题。本发明提供的实施例中，因为对原始数据流的帧图片根据矩形框获取目标检测区域图片后，又对目标检测区域图片进行了分割处理，得到了尺寸更小的目标检测区域子图片，由于矩形区域只是原图的一小部分并又对图片进行了分割处理，因此将这些小图（目标检测区域子图片）压缩到目标检测模型输入的尺寸时，人头（目标对象）会比原图压缩的大，这样可以让原本检测不出的人头得以检测出来，从而提高了人头（目标对象）检出率。
60.目标跟踪模块50，用于对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向；根据本发明一实施例，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，具体的，将所述第一目标对象数据，即将被压缩到目标检测算法所需要的图片大小并且每一帧中的每个目标对象被赋予了唯一目标检测框和标识信息的图片数据按照在目标检测过程中的被压缩的比例进行还原，然后再按照分割的图片位置进行重新拼合，最后还原到带有对目标对象标记了唯一目标检测框和标识信息的图片数据，即得到所述第二目标对象数据。换句话说，还原后的图片数据即所述第二目标对象数据相对于所述第二待检测数据对目标对象标记
了目标检测框和标识信息，最后根据逐帧的还原后的图片数据，对所述目标对象进行目标跟踪，从而得到所述目标对象在一定时间段内在所述目标检测区域的运动轨迹和运动方向。
61.根据本发明一实施例，其中所述目标跟踪模块50包括：图像还原单元51，用于对所述第一目标对象数据进行图像还原，得到第二目标对象数据；目标跟踪单元52，用于基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向。
62.根据本发明一实施例，对所述第一目标对象数据进行图像还原，得到第二目标对象数据，具体为，首先对所述第一目标对象数据按照被压缩的比例进行图片还原，其中所述被压缩的比例为在对所述第二待检测数据逐帧进行目标检测时每一帧图片被压缩的比例，此时按照被压缩的比例进行图片还原后的所述第一目标对象数据，图片尺寸变大，并且每一帧中的每个目标对象被赋予了唯一的目标检测框和标识信息。换句话说，按照被压缩的比例进行图片还原后的所述第一目标对象数据的图片尺寸大小与所述目标检测区域子图片即所述第二待检测数据的图片尺寸大小一致；接着对按照被压缩的比例进行图片还原后的所述第一目标对象数据按照分割的图片位置进行重新拼合，这里按照分割的图片位置即对所述目标检测区域数据进行分割处理的图片位置，此时被重新拼合的图片大小与所述目标检测区域数据中的图片数据大小一致，不同的是，此时被重新拼合的图片数据相对于所述目标检测区域数据中的图片数据，每一帧中每个目标对象被赋予了唯一的目标检测框和标识信息；最后再将重新拼合的图片数据按照在原始图中的原始位置进行还原，其中按照在原始图中的原始位置进行还原即将基于所述目标检测区域得到目标检测区域数据，所述目标检测区域数据在所述第一待检测数据中的位置进行还原，或者说所述目标检测区域在所述第一待检测数据中的位置进行还原，还原后最终得到所述第二目标对象数据。
63.根据本发明一实施例，基于所述第二目标对象数据，对所述目标对象执行目标跟踪，得到第三目标对象数据，其中所述第三目标对象数据包括所述目标对象的运动轨迹和运动方向，具体的，所述第二目标对象数据的每一帧图片数据中带有了目标对象的目标检测框和标识信息，即可以通过现有的目标对象检测跟踪算法确认同一目标对象在按时间顺序排列的逐帧图片中或者说在原始视频流数据中（目标区域数据）的移动轨迹和移动方向，即得到所述第三目标对象数据，换句话说，所述第三目标对象数据包括了还原后的帧图片数据，并且所述帧图片数据带有所述目标对象的运动轨迹和运动方向信息，其中所述第三目标对象数据也可以按时间顺序组成视频流。
64.目标对象流量计算模块60，用于利用预设的基准线，对所述第三目标对象数据进行目标对象流量计算，得到目标结果。
65.根据本发明一实施例，所述预设的基准线为所述第一待检测数据中所述目标检测区域中按照坐标位置在所述目标检测区域中形成的所述预设的基准线，换句话说，所述预设的基准线为所述第三目标对象数据中按照坐标位置在所述目标检测区域中形成的所述预设的基准线。值得一提的是，其中所述预设的基准线为所述目标对象在所述目标检测区域中按照运动方向行进时必须经过的坐标线。
66.确认所述预设的基准线后，按照所述目标对象的运动轨迹和运动方向对所述第三目标对象数据进行目标对象流量计算，得到目标结果，具体的，在所述目标对象经过所述预设的基准线则人头数计数加一，以此种方式得到对目标对象流量计数的所述目标结果。其中在实际应用场景中，需要在目标场景范围的进口处和出口处按照本发明提供的所述目标对象检测方法同时进行进入和离开的人流统计，从而可以得到该目标场景范围内实时的人流量。
67.根据本发明提供的一种目标对象检测方法、装置、存储介质以及电子装置，可以应用在一些室外场景中例如商场、展馆、机场、码头，特别在一些节假日等特殊时间，进行人流量统计，有效避免了出动大量的交通管理人员进行现场监测和管控，一方面节省了人力成本，另一方面有利于对较大的场景区域进行统筹管控。
68.根据本发明提供的一种目标对象检测方法、装置、存储介质以及电子装置，在对人流和车流密集的交通数据的目标对象检测过程中，不需要对图片进行过度压缩，避免了目标对象因为压缩会变得非常微小、不够清晰而使得因目标对象检测精度低造成漏检等问题，提高了目标对象检测的精确度和数据统计的有效性，从而可以有效辅助交通管理人员进行统筹管控。
69.本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
70.在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：u盘、只读存储器（read-only memory，简称为rom）、随机存取存储器（random access memory，简称为ram）、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
71.本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
72.在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
73.本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
74.显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
75.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。