本发明属于计算机图像处理技术领域，具体地说，涉及一种基于多摄的客流统计方法及系统。
背景技术：
近年来，随着深度学习的技术进步，越来越多场合使用这一技术来统计客流，在早期传统的方式使用红外技术进行客流计数统计，存在较大的误差，在深度学习技术逐步成熟的过程中，很多基于深度学习的客流计数技术兴起，逐步取代了原来的红外计数方式。
而传统的基于图像识别的客流统计方法主要为基于乘客头部检测的客流检测技术，这种技术对于篮球这类球状的虚假目标容易误检，而对于带帽子、头巾这类易混淆目标又容易漏检，导致乘客头部统计难以达到非常准确的效果，而且该方法无法得到人脸信息，不利于客流系统后续的智能化提升。随着计算机视觉的发展，可以通过人脸检测以及人体检测相结合的方式解决客流统计问题。
现有利用单体摄像头提取人物信息，调用第三方人脸识别服务接口获取顾客的身份特征，进行比对识别，进而统计客流信息。
与本发明最相似的现有技术实现方案为申请号为202010463245.3，发明名称为：适用于多人场景的人脸客流识别方法、装置、设备和介质，该方案的主要实现方案为：
1、获取人员的当前图像并提取身份特征；
2、根据所提取的身份特征判断该名人员是否是新来人员；
3、若是新来人员，则将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据；
4、若不是新来人员，则将该名人员的当前图像和预设图库中预存的该名人员的图像做比较，以选取图像质量较高的一者存入所述预设图库中，并作为下一次人脸识别的对比对象。
上述现有技术具有以下缺点：
1、上述方案只具有入口处的单个摄像头进行信息提取，图像信息采取单一，以及存在漏采或者所采图像质量较差的问题；
2、由于上述方案依赖第三方接口，该方案在衣着特征提取上只拥有上半身的衣着特征，相比于全身的人体特征，并且算法单一，识别准确率不高，鲁棒性较弱。
技术实现要素：
本发明针对现有技术对客流的管理及监控单一不足，且识别方法进度较差的问题，提出了一种基于多摄的客流统计方法及系统，在现场部署能够清楚采集顾客的人脸、人体以及人头的摄像头，进行算法的实现；通过对摄像头的多区域区分布置，及人脸、人体、人头的结合进行分析，实现了高精度多样化的客流统计。
本发明具体实现内容如下：
本发明提出了一种基于多摄的客流统计方法，基于客流统计系统，所述客流统计方法包括以下步骤：
步骤1：使用数据采集模块进行实时的现场图像采集，所述数据采集模块连接多个分别用于采集人脸、人体和人头图像的人脸摄像头、人体摄像头和人头摄像头；使用rtsp协议以每秒30帧时间间隔将通过人脸摄像头、人体摄像头和人头摄像头采集到的人脸图像、人体图像以及人头图像传输到数据融合平台；
步骤2：通过数据融合平台将接收到的rtsp数据格式的人脸图像、人体图像以及人头图像解开得到视频数据，并将视频数据解码为连续视频帧数据，并发送到客流统计和数据分析模块；
步骤3：在客流统计和数据分析模块首先采用人脸图像对客流进行初步的统计，并将人脸信息存储至数据库中；然后通过现场的人体摄像头的机号与区域的匹配关系及时间戳信息进行最大客流预警管理；最后通过人头图像对相应的人体摄像区域进行约束，优化人体统计数量的准确性；
步骤4：判断客流统计和数据分析的结果中是否有区域出现超过事先设定的客流报警阈值的情况，并通过客流引导模块进行客流引导处理；
步骤5：通过综合分析平台接收数据库和客流统计和数据分析模块的数据，进行最终的统计分析和汇总。
为了更好地实现本发明，进一步地，所述步骤3采用人脸算法、人体算法和人头算法的融合进行数据的处理，三种算法的融合的具体步骤为：
步骤s3.1：获取顾客的人脸图像信息，使用人脸图像质量算法对获取的图像信息进行质量判断，仅使用质量合格的人脸图像进入后续步骤；
步骤s3.2：通过人脸检测判断该顾客是否为新顾客，进行客流统计；
步骤s3.3：然后通过目标跟踪，使用人脸与人体特征的匹配，进行数据库的维护，并且获取顾客的行走轨迹、移动、停留时间信息。
为了更好地实现本发明，进一步地，所述步骤3.3中，人脸与人体特征的匹配的具体操作为：
步骤s3.3.1：使用人脸摄像头首先获取人体图像，再从人体图像中获取人体图像中顾客的人脸图像，然后将通过图像得到顾客的人脸与人体特征，存入数据库，生成对应的faceid号与peopleid，其中每张人体图像与人脸图像是一一对应关系；
步骤s3.3.2：使用人体摄像头获取人体图像，然后将人体特征存入数据库中，生成peopleid2；
步骤s3.3.3：使用步骤3.3.1中得到的人体特征在步骤3.3.2中生成的人体数据库中进行查找对比，如果在人体数据库中对比找到相似peopleid2，则将faceid与peopleid2进行关联匹配。
为了更好地实现本发明，进一步地，所述步骤3中，进行数据分析的具体步骤为：
首先，训练数据集：
从摄像头获取图像帧，然后标记人脸人体以及人头的位置信息，并删除掉无法判断的图像数据，最终生成人脸检测、人体检测、人头检测三类训练数据集；
其次，模型训练：
首先使用一个已经训练好的基础检测模型，然后将训练数据集导入模型进行再训练，生成检测模型，实现人脸、人体以及人头的检测，然后进行客流统计；在摄像头不断获取图像的基础上，数据集也在源源不断的进行更新，实现该模型在特定场景下的反复训练，促使模型达到比常规训练更高的准确率；
最后，客流统计：
对商场内的顾客进行统计和跟踪，通过多个摄像头对商场内的各个区域或者通道处进行实时监控，利用三种摄像头的结合使用进行顾客数量统计，并且设定检测的时间范围t，设置各个区域的最大客流量阈值m，若在时间t内，某个区域客流数量超过m或者即将超过m时，则触发预警提示，当客流统计模块能够准确的统计出商场的客流数量时，则进行多摄的客流统计系统的正式部署。
为了更好地实现本发明，进一步地，所述人脸摄像头安装在客流出入唯一通道及出入口处；所述人体摄像头安装在现场的客流通道及所有场所的多个方向上；所述人头摄像头安装在现场的客流拥挤处。
本发明还提出了一种基于多摄的客流统计系统，用于基于多摄的客流统计方法，其所述客流统计系统包括人头摄像头、人脸摄像头、人体摄像头、数据采集模块、数据融合模块、数据库、客流引导模块、客流统计和数据分析模块、综合分析平台；
所述数据采集模块连接多个人头摄像头、人脸摄像头、人体摄像头，并与数据融合模块连接，所述数据融合模块通过数据库与所述客流统计和数据分析模块连接，所述客流统计和数据分析模块还分别连接综合分析平台和客流引导模块；所述数据库还与综合分析平台连接。
本发明与现有技术相比具有以下优点及有益效果：
本发明能够克服现有商场客流管理以及监控的不足，提供了有效的商场客流统计和管理的算法及系统。在本发明相关项目部署的场景中，要求统计商场各个场地、通道、出入口等地的客流情况，这个要求很难达到实时、精准和客流预测，而本发明基于多摄的结合，可以对某些场地客流人数超过该区域限定人数时进行预警上报。同时，通过人物追踪对顾客进行路径分析，找到潜在客户。
附图说明
图1为本发明系统的结构组成示意图；
图2为数据分析步骤示意图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
本发明提出了一种基于多摄的客流统计方法，基于客流统计系统，如图1、图2所示，所述客流统计方法包括以下步骤：
步骤1：使用数据采集模块进行实时的现场图像采集，所述数据采集模块连接多个分别用于采集人脸、人体和人头图像的人脸摄像头、人体摄像头和人头摄像头；使用rtsp协议以每秒30帧时间间隔将通过人脸摄像头、人体摄像头和人头摄像头采集到的人脸图像、人体图像以及人头图像传输到数据融合平台；
步骤2：通过数据融合平台将接收到的rtsp数据格式的人脸图像、人体图像以及人头图像解开得到视频数据，并将视频数据解码为连续视频帧数据，并发送到客流统计和数据分析模块；
步骤3：在客流统计和数据分析模块首先采用人脸图像对客流进行初步的统计，并将人脸信息存储至数据库中；然后通过现场的人体摄像头的机号与区域的匹配关系及时间戳信息进行最大客流预警管理；最后通过人头图像对相应的人体摄像区域进行约束，优化人体统计数量的准确性；
步骤4：判断客流统计和数据分析的结果中是否有区域出现超过事先设定的客流报警阈值的情况，并通过客流引导模块进行客流引导处理；
步骤5：通过综合分析平台接收数据库和客流统计和数据分析模块的数据，进行最终的统计分析和汇总。
为了更好地实现本发明，进一步地，所述步骤3采用人脸算法、人体算法和人头算法的融合进行数据的处理，三种算法的融合的具体步骤为：
步骤s3.1：获取顾客的人脸图像信息，使用人脸图像质量算法对获取的图像信息进行质量判断，仅使用质量合格的人脸图像进入后续步骤；
步骤s3.2：通过人脸检测判断该顾客是否为新顾客，进行客流统计；
步骤s3.3：然后通过目标跟踪，使用人脸与人体特征的匹配，进行数据库的维护，并且获取顾客的行走轨迹、移动、停留时间信息。
为了更好地实现本发明，进一步地，所述步骤3.3中，人脸与人体特征的匹配的具体操作为：
步骤s3.3.1：使用人脸摄像头首先获取人体图像，再从人体图像中获取人体图像中顾客的人脸图像，然后将通过图像得到顾客的人脸与人体特征，存入数据库，生成对应的faceid号与peopleid，其中每张人体图像与人脸图像是一一对应关系；
步骤s3.3.2：使用人体摄像头获取人体图像，然后将人体特征存入数据库中，生成peopleid2；
步骤s3.3.3：使用步骤3.3.1中得到的人体特征在步骤3.3.2中生成的人体数据库中进行查找对比，如果在人体数据库中对比找到相似peopleid2，则将faceid与peopleid2进行关联匹配。
为了更好地实现本发明，进一步地，所述步骤3中，如图2所示，进行数据分析的具体步骤为：
首先，训练数据集：
从摄像头获取图像帧，然后标记人脸人体以及人头的位置信息，并删除掉无法判断的图像数据，最终生成人脸检测、人体检测、人头检测三类训练数据集；
其次，模型训练：
首先使用一个已经训练好的基础检测模型，然后将训练数据集导入模型进行再训练，生成检测模型，实现人脸、人体以及人头的检测，然后进行客流统计；在摄像头不断获取图像的基础上，数据集也在源源不断的进行更新，实现该模型在特定场景下的反复训练，促使模型达到比常规训练更高的准确率；
最后，客流统计：
对商场内的顾客进行统计和跟踪，通过多个摄像头对商场内的各个区域或者通道处进行实时监控，利用三种摄像头的结合使用进行顾客数量统计，并且设定检测的时间范围t，设置各个区域的最大客流量阈值m，若在时间t内，某个区域客流数量超过m或者即将超过m时，则触发预警提示，当客流统计模块能够准确的统计出商场的客流数量时，则进行多摄的客流统计系统的正式部署。
为了更好地实现本发明，进一步地，所述人脸摄像头安装在客流出入唯一通道及出入口处；所述人体摄像头安装在现场的客流通道及所有场所的多个方向上；所述人头摄像头安装在现场的客流拥挤处。
实施例2：
本实施例提出了一种基于多摄的客流统计系统，用于基于多摄的客流统计方法，如图1所示，其所述客流统计系统包括人头摄像头、人脸摄像头、人体摄像头、数据采集模块、数据融合模块、数据库、客流引导模块、客流统计和数据分析模块、综合分析平台；
所述数据采集模块连接多个人头摄像头、人脸摄像头、人体摄像头，并与数据融合模块连接，所述数据融合模块通过数据库与所述客流统计和数据分析模块连接，所述客流统计和数据分析模块还分别连接综合分析平台和客流引导模块；所述数据库还与综合分析平台连接。
实施例3：
本实施例在上述实施例1-2任一项的基础上，给出具体实施的案例举例：
本发明的目的可以通过以下及时方案来实现：在现场部署能够清楚采集顾客的人脸、人体以及人头的摄像头，进行算法的实现。所述算法能够识别追踪顾客，进行客流统计。该方案主要包含五个部分：数据采集模块；数据融合模块；客流统计及数据分析模块；客流引导模块；综合分析平台。数据采集是使用多个人脸、人体、人头三种摄像头进行现场采集，并且和数据融合模块通过rtsp协议关联。数据融合模块和数据分析模块通过队列的方式处理，能够最大化性能。客流引导模块包括现场提示介质，如广播、通讯设备等。客流引导模块会根据正确的标准，将指导信息传递给现场的顾客和工作人员。综合分析平台，能够统计出横向和纵向的客流数量、顾客停留时间等信息，便于事后统计分析。
1、数据采集模块
数据采集模块是使用多个人脸、人体、人头摄像头实时对现场图像数据进行采集，采集到数据后，用rtsp协议以每秒30帧的时间间隔传输至数据融合平台。
本部分中的数据采集分为三步骤：
步骤1.1:人脸摄像头采集
本发明旨在针对商场客流环境进行初步客流计数。商场环境一般包含多层、多个购物通道和区域，各个区域的出入口、各个通道的出入口情况各异。人脸摄像头选择广角摄像头，在人流出入唯一的通道、出入口进行部署安装，架设高度大约2.0-3.5米左右，这样能够保证拍到正面且清晰的图像。当顾客在较远距离时采集顾客的人体特征，在近距离处采集对应顾客的人脸特征信息，然后使用人脸检测进行客流的初步统计。对于获取到的人体图像信息，目的是为了与人体摄像头中获取的人体特征进行匹配，通过人体特征匹配将人脸数据库和人体数据库形成映射关系，方便后续对价值客户的分析和追踪。
在商场客流较大，环境复杂的真实场景下，在摄像头监控的过程中有的顾客只能获取到人脸信息，有的只能获取到人体信息，使用单独的人脸追踪或者人体追踪，均存在遗漏、无法识别以及识别不准的问题，所以通过多个摄像头的结合使用，将各自检测到的图像信息进行匹配，可以实现快速准确的统计以及追踪定位，相比于单独使用人脸或者使用人体追踪，该方案有更高的准确性。
步骤1.2:人体摄像头采集
由于步骤1.1中的人脸摄像头存在拍摄图像质量模糊或者人脸遮挡等问题，存在少部分顾客不能通过人脸识别来进行客流统计，这是现有技术都存在的问题，也是做不到客流精准统计的一个重要原因。为了解决该问题，所以本部分结合多个人体摄像头来进行进一步的顾客人体信息采集，若1.1中人脸信息采集失败，还可通过人体信息来进行补充计数。人体摄像头选择商场内各大人流通道以及所有公共场所进行多个方向的部署安装，构成对区域的实时高清监控。
步骤1.3:人头摄像头采集
基于步骤1.2，如果处于人员拥挤、人体遮挡的情况下，人体检测以及跟踪会出现准确度下降的问题，为了解决该问题，本部分提出人头检测技术来约束人体检测。人头摄像头应该部署在商场内活动现场、餐厅门口或者游乐区等客流拥挤的位置，并且人头摄像头所摄影的区域与该摄影点人体摄像头摄影的区域一致，如果在这个区域内，通过人体检测的客流数量小于该区域内人头检测数量时，以人头检测结果作为最终的客流统计数量。
三种摄像头各有优缺点，结合使用达到相辅相成的效果，使得该系统能够实时精准的统计客流、定位目标、追踪准确。
2、数据融合模块
数据融合模块接收到各数据后，首先将rtsp数据解开，再将视频数据解码为连续视频帧的数据。按照数据融合的设置，分别将连续视频帧传输至客流统计和数据分析模块。
3、客流统计和数据分析模块
本部分的客流统计首先通过商场出入口的人脸摄像头进行初步的客流统计，将人脸人体信息存储至数据库中，如果统计的顾客数量超过一定阈值时，即可对商场管理人员进行预警信息提示，方便管理人员实施提前预防工作；然后通过商场内部的人体摄像头实时监控，将人体信息存储至人体数据库中，利用摄像机的机号与区域的匹配以及时间戳进行最大客流预警管理，即在某个时间段或者某个时间点，在某个区域内的客流数量超过最大阈值时，商场管理人员通过监控视频可以实时查看商场内所有区域的实时视频信息，并获得报警信息，可通过广播或者通讯设备进行现场管理，疏散客流。在安全方面可以保证通道畅通，实现对未知意外情况迅速反应，为商场的人员管理，安全防范提供事实依据。最后再利用人头摄像头对人体摄像区域进行约束，优化人体统计数量的准确性。
本部分在单通道的人体和人头的结合区域，可通过点位预测临近点位的客流信息，如果上一点位顾客拥挤，那么临近的下一点位必然会出现顾客拥挤的情况，可提前预警客流信息，返回给客流引导模块。上述三种方法的结合使用，保证了该方案客流统计的准确性、实时性、可预测性。
另外，通过摄像头对顾客进行实时跟踪，分析记录顾客行走路径以及停留时间信息，返回给综合分析平台，以便于商场管理人员以及店家后续对顾客进行统计分析。
在该模块中，使用了三种深度学习算法：人脸检测、目标跟踪和人脸图像质量。而这三种算法的结合使用是该方案准确性的基础，在现有的技术中只使用了人脸检测算法来进行客流统计，同一个人会被获取到多个图像，而摄像头获取的人脸图像质量差异较大，存在模糊不均、人脸角度各异的问题，这样会造成同一个人被统计多次，降低最终结果的准确性，三种算法的结合使用主要分为以下三个步骤：
步骤3.1：获取顾客的人脸图像信息，使用人脸图像质量算法对获取的图像信息进行质量判断，仅使用质量合格的人脸图像进入后续步骤；
步骤3.2：通过人脸检测判断该顾客是否为新顾客，进行客流统计；
步骤3.3：然后通过目标跟踪，使用人脸与人体特征的匹配，进行数据库的维护，并且获取顾客的行走轨迹、移动、停留时间等信息；
其中人脸特征与人体特征的匹配主要分为3个步骤：
步骤3.3.1：使用人脸摄像头首先获取人体图像，再从人体图像中获取该顾客的人脸图像，然后通过图像得到该顾客的人脸与人体特征，存入数据库，生成对应的faceid与peopleid，其中每张人体图像与人脸图像是一一对应关系。
步骤3.3.2：使用人体摄像头获取人体图像，然后将人体特征存入数据库中，生成peopleid2；
步骤3.3.3：使用步骤3.3.1中得到的人体特征在步骤3.3.2中生成的人体数据库中进行查找对比，如果在人体数据库中对比找到相似peopleid2，则将faceid与peopleid2进行关联匹配。如果只使用一种顾客信息进行对比和定位追踪，会遇到信息比对无结果，目标定位不准的难题，而该方案可以很好的解决该问题，能够更加准确的进行客流统计以及定位顾客位置信息。
特征匹配算法使用的是余弦相似度作为判断基准，其定义如下：
余弦相似度通过测量两个向量的夹角的余弦值来度量它们之间的相似性，具体计算公式如下：
本发明所述系统正式部署之前，通过数据采集模块采集现场顾客图像信息，进行数据分析模块的研发。数据分析模块的研发步骤如下：
1)训练数据集：
该模块主要是训练数据的准备工作，从摄像头获取图像帧，然后标记人脸人体以及人头的位置信息，并删除掉无法判断的图像数据，最终生成人脸检测、人体检测、人头检测三类训练数据集。
2)模型训练：
该模块首先使用一个已经训练好的基础检测模型，然后将训练数据集导入模型进行再训练，生成检测模型，实现人脸、人体以及人头的检测，然后进行客流统计。在摄像头不断获取图像的基础上，数据集也在源源不断的进行更新，实现该模型在特定场景下的反复训练，促使模型达到比常规训练更高的准确率。
3)客流统计
该模块的主要功能是对商场内的顾客进行统计和跟踪，该模块通过多个摄像头对商场内的各个区域或者通道处进行实时监控，利用三种摄像头的结合使用进行顾客数量统计，并且设定检测的时间范围t，设置各个区域的最大客流量阈值m，若在时间t内，某个区域客流数量超过m或者即将超过m时，则触发预警提示，当客流统计模块能够准确的统计出商场的客流数量时，则进行本发明所述系统的正式部署。
4、客流引导模块
客流引导模块主要依赖于第3部分的结果。管理人员可通过平台同时查看多个区域的实时统计信息，如果当第三部分的客流统计超过设定阈值时，即会出现预警信息，商场管理人员即可通过广播或者通讯设备安排相关工作人员进行客流疏导，从而立即提升管控质量，集中监控管理方式也大大减轻了用工成本，社会效益和经济效益显著。即时性强、降本增效。
5、综合分析平台
所述的综合分析平台从客流统计数据分析模块获取实时信息，进行实时数据展示。从人脸数据库、人体数据库中获取相关的数据进行以日、月、季、年等为单位的统计分析，然后进行横向分析、纵向分析，获得评估的结果。管理人员可进行结果回溯和统计，便于找到管理遗漏点，快速定位到相关人员，有效调整管理方案，最终提升商场的管控质量。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
1.一种基于多摄的客流统计方法，基于客流统计系统，其特征在于，包括以下步骤：
步骤1：使用数据采集模块进行实时的现场图像采集，所述数据采集模块连接多个分别用于采集人脸、人体和人头图像的人脸摄像头、人体摄像头和人头摄像头；使用rtsp协议以每秒30帧时间间隔将通过人脸摄像头、人体摄像头和人头摄像头采集到的人脸图像、人体图像以及人头图像传输到数据融合平台；
步骤2：通过数据融合平台将接收到的rtsp数据格式的人脸图像、人体图像以及人头图像解开得到视频数据，并将视频数据解码为连续视频帧数据，并发送到客流统计和数据分析模块；
步骤3：在客流统计和数据分析模块首先采用人脸图像对客流进行初步的统计，并将人脸信息存储至数据库中；然后通过现场的人体摄像头的机号与区域的匹配关系及时间戳信息进行最大客流预警管理；最后通过人头图像对相应的人体摄像区域进行约束，优化人体统计数量的准确性；
步骤4：判断客流统计和数据分析的结果中是否有区域出现超过事先设定的客流报警阈值的情况，并通过客流引导模块进行客流引导处理；
步骤5：通过综合分析平台接收数据库和客流统计和数据分析模块的数据，进行最终的统计分析和汇总。
2.如权利要求1所述的一种基于多摄的客流统计方法，其特征在于，所述步骤3采用人脸算法、人体算法和人头算法的融合进行数据的处理，三种算法的融合的具体步骤为：
步骤s3.1：获取顾客的人脸图像信息，使用人脸图像质量算法对获取的图像信息进行质量判断，仅使用质量合格的人脸图像进入后续步骤；
步骤s3.2：通过人脸检测判断该顾客是否为新顾客，进行客流统计；
步骤s3.3：然后通过目标跟踪，使用人脸与人体特征的匹配，进行数据库的维护，并且获取顾客的行走轨迹、移动、停留时间信息。
3.如权利要求2所述的一种基于多摄的客流统计方法，其特征在于，所述步骤3.3中，人脸与人体特征的匹配的具体操作为：
步骤s3.3.1：使用人脸摄像头首先获取人体图像，再从人体图像中获取人体图像中顾客的人脸图像，然后将通过图像得到顾客的人脸与人体特征，存入数据库，生成对应的faceid号与peopleid，其中每张人体图像与人脸图像是一一对应关系；
步骤s3.3.2：使用人体摄像头获取人体图像，然后将人体特征存入数据库中，生成peopleid2；
步骤s3.3.3：使用步骤3.3.1中得到的人体特征在步骤3.3.2中生成的人体数据库中进行查找对比，如果在人体数据库中对比找到相似peopleid2，则将faceid与peopleid2进行关联匹配。
4.如权利要求1所述的一种基于多摄的客流统计方法，其特征在于，所述步骤3中，进行数据分析的具体步骤为：
首先，训练数据集：
从摄像头获取图像帧，然后标记人脸人体以及人头的位置信息，并删除掉无法判断的图像数据，最终生成人脸检测、人体检测、人头检测三类训练数据集；
其次，模型训练：
首先使用一个已经训练好的基础检测模型，然后将训练数据集导入模型进行再训练，生成检测模型，实现人脸、人体以及人头的检测，然后进行客流统计；在摄像头不断获取图像的基础上，数据集也在源源不断的进行更新，实现该模型在特定场景下的反复训练，促使模型达到比常规训练更高的准确率；
最后，客流统计：
对商场内的顾客进行统计和跟踪，通过多个摄像头对商场内的各个区域或者通道处进行实时监控，利用三种摄像头的结合使用进行顾客数量统计，并且设定检测的时间范围t，设置各个区域的最大客流量阈值m，若在时间t内，某个区域客流数量超过m或者即将超过m时，则触发预警提示，当客流统计模块能够准确的统计出商场的客流数量时，则进行多摄的客流统计系统的正式部署。
5.如权利要求1所述的一种基于多摄的客流统计方法，其特征在于，所述人脸摄像头安装在客流出入唯一通道及出入口处；所述人体摄像头安装在现场的客流通道及所有场所的多个方向上；所述人头摄像头安装在现场的客流拥挤处。
6.一种基于多摄的客流统计系统，用于权利要求1-5任一项所述的一种基于多摄的客流统计方法，其特征在于，包括人头摄像头、人脸摄像头、人体摄像头、数据采集模块、数据融合模块、数据库、客流引导模块、客流统计和数据分析模块、综合分析平台；
所述数据采集模块连接多个人头摄像头、人脸摄像头、人体摄像头，并与数据融合模块连接，所述数据融合模块通过数据库与所述客流统计和数据分析模块连接，所述客流统计和数据分析模块还分别连接综合分析平台和客流引导模块；所述数据库还与综合分析平台连接。
技术总结