基于机器视觉的人流量分析系统设计

石静雯 黎海涛 郎漫雨 李胜

面对复杂的疫情，最有效避免新冠病毒传播的手段便是尽量减少公共人群聚集的情况。在传统的人群疏散方案中，需要针对各大人流密集的地点安排工作人员进行管理，难免会出现疏忽情况。除此之外，还极容易因突发情况出现预料之外的情况。而上述诸多原因将造成人力成本高、预警性和机动性差的情况。

基于这一背景，本项目希望设计出一种系统，提供给城市管理工作人员，在出外勤时可实时监测城市各大重要交通枢纽的人流情况，从而为各类政企单位做出快速、精准的预案。

人流密度統计原理和相关技术

前端层

随着HTML5和CSS3语言标准的推行，让网页设计更加简单、布局更加灵活、适用范围更广，还可以用于游戏桌面和移动应用程序的开发。本系统利用JavaScript在前端层与逻辑层间提供数据传输服务，通过Ajax进行页面图像和数据的更新。

算法调用

在本项目中需要针对3 m以上的中远距离俯拍，以头部作为主要基准识别目标、统计人数，以适应各类人流密集场景，同时还需要针对不规则区域的人数进行统计，并输出渲染图片。

在经过多种平台的对比后，采取百度AI云平台进行算法层的调用。百度AI人流量统计采取HTTP协议通过POST方法来与云平台后端进行数据交互。通过申请的特定Access Token验证后，返回对应的JSON数据。

信息储存

在算法请求进程得到图像数据后，采取SQLite作为终端数据库。SQLite本身是利用C语言的体积很小，所以可以被集成到各种应用程序中，尤其是针对树莓派这类ARM架构嵌入式的Linux系统。

使用mjpg-streamer视频推流

在官网上将mjpg-streamer源代码下载到树莓派内，解压后使用make install安装即可，同时使用/usr/local/bin/ mjpg_streamer -p 8080启动摄像头网络推流。

在启动成功后，需要通过IP地址访问Web端的视频页面：http：//IP：8080/？action=stream。

程序结构设计

软件程序主要分为5个大类，各个流程环环相扣，体现了数据在不同环节的流动过程。

前端层：前端页面采用JavaScript动态更新HTML页面数据，通过文本输入框，对话框等组件完成用户的交互功能，以实现摄像头数据切换，预警功能。

网络层：客户端前端请求通过基于TCP的http协议进行传输。在传输过程中，还应该注意树莓派的网卡带宽流量，最新的树莓派4B+采用了千兆无线网卡，足以应对多摄像头的视频推流。

视频推流层：视频推流通过mjpg-streamer进行推流，前端页面通过访问8080端口便能通过http协议传输视频流数据。

百度AI请求层：后端启动一个Python进程，定时每秒抓取摄像头图像传输给百度云平台进行图像识别请求，将返回的request数据存入数据库。

前端响应层：最后向前端反馈实时更新人流量数据即可。

本文基于百度AI平台提供的API接口，采用HTML和JavaScript作为前端语言开发人流量监测的程序，是一种实现人流量监测统计的高效方案。采用mjpg-streamer进行视频推流的方法，具有部署方便，集成简单等特点，通过Access Token认证后，可与百度AI云平台交换数据。

采用开放AI云平台的API方式实现的人流量监测系统，能够针对业务场景快速部署开发。同时也为人流量统计算法的研究人员提供了详实了数据对比，使其能够快速掌握业务逻辑，并且对算法优化提供了基准。

基金项目：西北民族大学本科生科研项目（1012021XBMU21193）