一种人员流量分析方法和系统、电子设备和可读存储介质

摘要

本公开提供一种人员流量分析方法和系统、电子设备和可读存储介质。人员流量分析方法包括获取目标区域的视频图像；识别并跟踪所述视频图像中的人员的目标特征；根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据。本公开实施例通过对目标区域的视频图像中的目标特征进行识别和监控，从而不需要对人员的全部特征数据进行分析识别，有助于降低计算量，从而降低使用成本，提高适用范围。同时，通过分析人员的目标特征相对于目标区域的特定位置的运动状态，能够获得用户在该目标区域内的运动方式，有助于提高对于目标区域人员流量分析的准确程度。

说明书

技术领域

本公开涉及对象识别跟踪技术领域，尤其涉及一种人员流量分析方法和系统、电子设备和可读存储介质。

背景技术

人员的流量信息可以作为决策提供重要的参考依据。相关技术中，可以通过分析特定区域的监控视频数据，识别并跟踪其中的人员流动情况分析该区域的人员流量，然而这种方式对于计算量要求较高，对于硬件设备的要求相对较高，难以满足硬件水平较低的低成本使用场景。

发明内容

本公开实施例提供一种人员流量分析方法和系统、电子设备和可读存储介质，以降低对于人员流动情况识别和跟踪的计算量。

第一方面，本公开实施例提供了一种人员流量分析方法，包括以下步骤：

获取目标区域的视频图像；

识别并跟踪所述视频图像中的人员的目标特征；

根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据。

在一些实施例中，所述目标区域的特定位置通过至少一组定位标线标识，每组所述定位标线包括至少一条标志线。

在一些实施例中，每组所述定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置。

在一些实施例中，所述定位标线的数量包括至少三组，所述至少三组定位标线中的两组分别设置于所述目标区域的两侧，所述至少三组定位标线中的一组的至少部分设置于所述目标区域内，且与所述目标区域的通行方向交错设置。

在一些实施例中，所述根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据，包括：

获取人员中的目标对象的目标特征与所述标志线的接触参数；

根据所述接触参数确定所述目标对象在所述目标区域的移动方向；

根据所述目标对象的移动方向更新所述目标区域的人员流量数据。

在一些实施例中，在每组所述定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置的情况下，所述标志线包括第一标志线和第二标志线；

所述根据所述接触参数确定所述目标对象在所述目标区域的移动方向，包括：

在所述目标对象的目标特征依次接触所述第一标志线和所述第二标志线的情况下，确认所述目标对象的移动方向为第一方向，其中，所述第一方向为沿所述第一标志线到所述第二标志线的方向；

所述根据所述目标对象的移动方向更新所述目标区域的人员流量数据，包括：

根据移动方向确定为第一方向的目标对象的数量，更新所统计的沿所述第一方向移动的人员的数量。

在一些实施例中，所述识别并跟踪所述视频图像中的人员的目标特征，包括对人员的目标特征进行跟踪的步骤，所述对人员的目标特征的跟踪的步骤包括：

获取对第一视频数据中人员的目标特征的跟踪信息，其中，所述跟踪信息包括所述第一视频数据中人员的目标特征的位置和运动速度，所述第一视频数据包括目标帧图像之前的至少一帧图像；

根据所述跟踪信息生成目标特征运动轨迹的预测信息；

获取目标帧图像中人员的目标特征的检测结果；

将所述检测结果与所述预测信息相匹配；

根据匹配结果更新所述跟踪信息。

在一些实施例中，所述识别并跟踪所述视频图像中的人员的目标特征，包括对人员的目标特征进行检测的步骤，所述对人员的目标特征的检测的步骤包括：

检测人员的目标特征，其中，所述目标特征的置信度不小于第一置信度阈值，所述人员的目标特征的召回率为第一召回率；

调整所述目标特征的置信度不小于第二置信度阈值，使得所述人员的目标特征的召回率为第二召回率，其中，所述第二置信度阈值小于所述第一置信度阈值，所述第二召回率大于所述第一召回率，且在所述人员的目标特征的召回率为第二召回率的情况下，所述人员的目标特征的精确度为第一精确度；

根据针对人员的目标特征的跟踪信息调整所述目标特征的置信度不小于第三置信度阈值，其中，在所述目标特征的置信度不小于所述第三置信度阈值的情况下，所述人员的目标特征的精确度为第二精确度，所述人员的目标特征的召回率为第三召回率，所述第二精确度大于所述第一精确度，所述第三召回率小于所述第二召回率且大于所述第一召回率。

在一些实施例中，所述根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据，还包括：

识别并跟踪第一对象的目标特征；

获取预置的第二对象的目标特征；

在所述第一对象的目标特征与所述第二对象的目标特征相匹配的情况下，删除与所述第一对象相关的人员流量数据。

第二方面，本公开实施例提供了一种人员流量分析系统，包括图像采集装置和人员流量分析装置，所述图像采集装置用于采集目标区域的视频图像，所述人员流量分析装置包括：

视频图像获取模块，用于获取目标区域的视频图像；

识别跟踪模块，用于识别并跟踪所述视频图像中的人员的目标特征；

人员流量数据生成模块，用于根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据。

在一些实施例中，所述目标区域的特定位置通过至少一组定位标线标识，每组所述定位标线包括至少一条标志线。

在一些实施例中，每组所述定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置。

在一些实施例中，所述人员流量数据生成模块包括：

接触产生获取子模块，用于获取人员中的目标对象的目标特征与所述标志线的接触参数；

移动方向确定子模块，用于根据所述接触参数确定所述目标对象在所述目标区域的移动方向；

人员流量数据更新子模块，用于根据所述目标对象的移动方向更新所述目标区域的人员流量数据。

在一些实施例中，所述识别跟踪模块包括检测子模块，所述检测子模块用于对人员的目标特征进行检测，所述检测子模块具体包括：

检测单元，用于检测人员的目标特征，其中，所述目标特征的置信度不小于第一置信度阈值，所述人员的目标特征的召回率为第一召回率；

第一调整单元，用于调整所述目标特征的置信度不小于第二置信度阈值，使得所述人员的目标特征的召回率为第二召回率，其中，所述第二置信度阈值小于所述第一置信度阈值，所述第二召回率大于所述第一召回率，且在所述人员的目标特征的召回率为第二召回率的情况下，所述人员的目标特征的精确度为第一精确度；

第二调整单元，用于根据针对人员的目标特征的跟踪信息调整所述目标特征的置信度不小于第三置信度阈值，其中，在所述目标特征的置信度不小于所述第三置信度阈值的情况下，所述人员的目标特征的精确度为第二精确度，所述人员的目标特征的召回率为第三召回率，所述第二精确度大于所述第一精确度，所述第三召回率小于所述第二召回率且大于所述第一召回率。

第三方面，本公开实施例提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现第一方面中任一项所述的人员流量分析方法的步骤。

第四方面，本公开实施例提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的人员流量分析方法的步骤。

本公开实施例通过对目标区域的视频图像中的头部数据进行识别和监控，从而不需要对人员的全部特征数据进行分析识别，有助于降低计算量，从而降低使用成本，提高适用范围。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获取其他的附图。

图1是本公开一实施例提供的人员流量分析方法的流程图；

图2A是本公开一实施例中人员移动的一场景图；

图2B是本公开一实施例中人员移动的一场景图；

图3A是本公开一实施例中人员移动的一场景图；

图3B是本公开一实施例中人员移动的一场景图；

图4A是本公开一实施例中人员移动的一场景图；

图4B是本公开一实施例中人员移动的一场景图；

图5是本公开一实施例提供的人员流量分析装置的结构图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本公开保护的范围。

本公开提供了一种人员流量分析方法。

在一个实施例中，如图1所示，该人员流量分析方法包括以下步骤：

步骤101：获取目标区域的视频图像；

步骤102：识别并跟踪所述视频图像中的人员的目标特征；

步骤103：根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据。

本实施例的技术方案中，首先获取目标区域内的视频图像，接下来，识别并跟踪视频图像中的人员的目标特征。

应当理解的是，对于视频图像中人员的全部特征进行识别，需要耗费较高的计算量，而本公开的技术方案仅识别并跟踪人员的目标特征，进一步根据该目标特征统计人员的流量，生成人员的流量数据。该目标特征可以是目标人员的头部特征，也可以是其他特征，例如，目标人员身上的特定标识、特定的装扮等。

本实施例中的特定位置指的是针对目标区域设定的区域，以根据该目标区域确定人员相对于目标区域的运动状态。

在一个实施例中，以目标区域为一商店的入口为例说明，针对该目标区域设置的视频采集装置采集到的该入口处的视频图像，该视频图像中的人员可能路过该入口，也可能通过该入口进入或离开商店，将门框区域设定为该特定位置，则可以根据人员与该门框之间的相对运动状态确定人员是通过该入口还是仅路过该门口。

本公开实施例通过对目标区域的视频图像中的目标特征进行识别和监控，从而不需要对人员的全部特征数据进行分析识别，有助于降低计算量，从而降低使用成本，提高适用范围。同时，通过分析人员的目标特征相对于目标区域的特定位置的运动状态，能够获得用户在该目标区域内的运动方式，有助于提高对于目标区域人员流量分析的准确程度。

在一些实施例中，目标区域的特定位置可以基于视频图像中的元素设定，例如视频图像中的警戒线、门框、路标等。

在一些实施例中，目标区域的特定位置通过至少一组定位标线标识，每组所述定位标线包括至少一条标志线，以提高通用性和处理的便捷性。

在一个实施例中，上述步骤103包括：

获取人员中的目标对象的目标特征与所述标志线的接触参数；

根据所述接触参数确定所述目标对象在所述目标区域的移动方向；

根据所述目标对象的移动方向更新所述目标区域的人员流量数据。

本实施例中，该标志线可以是在视频图像采集过程中即加入视频图像，也可以在后续对图像进行分析过程中加入视频图像。

定位标线位于能够确定人员相对目标区域的运动状态的特定位置。

例如，对于一条走廊来说，设置垂直于走廊的延伸方向且贯穿该走廊的宽度方向的定位标线，那么如果人员通过了该走廊，那么必然会与该定位标线存在相交的位置。又如，针对某一广场上设置的不同参观项目，设置环绕每一参观项目的定位标线，如果有人员进入一个参观区域，那么必然会该参观区域对应的定位标线相交。

目标特征与标志线的接触参数指可以是接触方向，也可以是接触时间等。

在一个实施例中，每组定位标线包括一条标志线，该接触参数包括接触方向，这样，根据人员的目标特征相对于该标志线的运动状态，能够确定人员的运动轨迹。例如，如果人员的头部从左侧与一纵向设置的标志线接触，那么该人员的运动方向为从左向右，如果人员的头部从右侧与该标志线相接触，那么该人员的运动方向为从右向左。

这样，通过设置至少包括至少一条标志线的定位标线，能够方便快捷的实现对于目标区域的人员流量数据的检测。

在一些实施例中，在每组所述定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置的情况下，所述标志线包括第一标志线和第二标志线；

所述根据所述接触参数确定所述目标对象在所述目标区域的移动方向，包括：

在所述目标对象的目标特征依次接触所述第一标志线和所述第二标志线的情况下，确认所述目标对象的移动方向为第一方向，其中，所述第一方向为沿所述第一标志线到所述第二标志线的方向；

所述根据所述目标对象的移动方向更新所述目标区域的人员流量数据，包括：

根据移动方向确定为第一方向的目标对象的数量，更新所统计的沿所述第一方向移动的人员的数量。

本实施例中，每组定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置。本实施例中，设置了多条标志线，并通过该标志线检测人员的移动方向。

如图2A至图4B所示，以检测某一商场大门的人员流动数据，且目标特征为人员的头部为例说明。该大门为目标区域，多组标志线针对该大门设置，当人员在门附近移动时，通过检测人员与这些标志线之间的相对运动状态，能够实现对于人员流动的检测。

请继续参阅图2A至图4B，在一个具体实施方式中，定位标线的数量为三组，至少三组定位标线中的两组分别设置于目标区域的两侧，本实施例中，指的是标志线A1、标志线A2以及标志线B1、标志线B2这两组标志线。

至少三组定位标线中的一组的至少部分设置于目标区域内，且与目标区域的通行方向交错设置。

本实施例中具体指的是标志线C1和标志线C2这一组标志线，本实施例中该目标区域的通行方向指的是垂直于该门的方向，本实施例中，标志线C1和标志线C2平行于门框的上边缘，且位于门的大概中央偏上的位置附近。应当理解的是，如果标志线相对于门的位置设置的过高，则可能无法与人员的头部接触，因此，实际实施时，应当根据身高与门的比例尺寸设置标志线的位置。

应当理解的是，标志线的设置目的在于提高检测的便利程度和准确程度，因此，该标志线C1和标志线C2需要由门的一端延伸至另一端，以防止漏检。

类似的，位于门两侧的标志线的长度也是可以调整的，例如，可以由门的顶端延伸至门的底部，也可以仅延伸一部分，即根据人的身高，设置于人的头部可能存在的区域。

进一步的，上述三组标志线中的每一组至少与另外一组标志线相交，这样，这样，多组标志线相当于形成一个围绕该特定区域设置的检测范围，有助于进一步提高对于人员的头部检测的准确程度。

实施时，当人员由门内向门外移动过程中，该人员的头部会触碰到远离门框的标志线，然后触碰到靠近门框的标志线。当人员由门外向门内移动时，则会先触碰到远离门框的标志线，再触碰到接近门框的标志线。

进一步的，如图2A和图2B所示，当人员M由左侧靠近门并通过该门时，其头部会依次与标志线A1和标志线A2接触；而如果其进门后向左侧移动，其头部则依次与标志线A2和标志线A1相接触。

请参阅图3A和图3B，当人员N由右侧靠近门并通过该门时，其头部会依次与标志线B1和B2相接触；而如果其进门后向右侧移动，其头部则依次与标志线B2和标志线B1相接触。

请参阅图4A和图4B，当人员L沿箭头方向通过该门时，其头部依次与标志线C1和C2相接触，当其沿箭头反方向通过该门时，其头部依次与标志线C2和C1相接触。

这样，通过设计定位标线，并根据人员的头部与每一标记线的接触顺序，能够确定人员的移动方向，进一步的，可以根据该移动方向更新人员的数量流量。

实施时，例如，可以根据商场门口的监控数据统计每日进入商场的人数、商场不同时段的人流量等相关数据，从而获得更加详细的人员流量数据。

例如，如果上述第一方向为离开商场大门的方向，第一方向的反方向为进入大门的方向，则每检测到一个沿第一方向的人员，则将进入大门的数量加1，将统计的商场内的总人数加一，如果检测到一个沿第一方向反方向移动的人员，则将离开大门的人数加一，将商场内的总人数减一。

又如，当标志线的数量为多组的情况下，则可以分别统计不同方向的人流，从而获得更加精确的人员流量数据。

在一些实施例中，上述步骤102包括对于人员的目标特征的检测的步骤，该对人员的目标特征的检测的步骤包括：

检测人员的目标特征，其中，所述目标特征的置信度不小于第一置信度阈值，所述人员的目标特征的召回率为第一召回率；

调整所述目标特征的置信度不小于第二置信度阈值，使得所述人员的目标特征的召回率为第二召回率，其中，所述第二置信度阈值小于所述第一置信度阈值，所述第二召回率大于所述第一召回率，且在所述人员的目标特征的召回率为第二召回率的情况下，所述人员的目标特征的精确度为第一精确度；

根据针对人员的目标特征的跟踪信息调整所述目标特征的置信度不小于第三置信度阈值，其中，在所述目标特征的置信度不小于所述第三置信度阈值的情况下，所述人员的目标特征的精确度为第二精确度，所述人员的目标特征的召回率为第三召回率，所述第二精确度大于所述第一精确度，所述第三召回率小于所述第二召回率且大于所述第一召回率。

本实施例的技术方案中，首先对人员的目标特征进行初步的检测，该常规检测获得的目标特征的结果具有一默认置信度阈值，本实施例中将其记作第一置信度，本实施例中以该第一置信度为0.7为例说明。

实施时，在完成对于图像中人员的目标特征的识别和检测之后，获取检测结果中置信度大于该第一置信度阈值的目标特征。

在该目标特征的置信度为第一置信度的情况下，该人员的目标特征的召回率(recall)为第一召回率。

接下来，针对该检测结果，本实施例中进一步降低目标特征的置信度阈值，将其由默认置信度逐渐调低，当其置信度阈值逐渐降低的情况下，一些原本未被采用的数据会被采用，一般来说，这会导致所获取的人员的目标特征的数量增加，因此，这一过程中，目标特征的召回率会逐渐提高，直到人员的目标特征的召回率为第二召回率，该第二召回率大于第一召回率，且为一较大的数值，以确保对于人员的头部的检测的全面程度。

本实施例中以第二召回率为0.99为例说明，此时，人员的目标特征的精确度(precision)为第一精确度，人员的目标特征的置信度为第二置信度，该第二置信度小于第一置信度。

进一步的，对人员的目标特征的置信度阈值做进一步调整，以提高人员的目标特征的精确度。这里，对置信度阈值进行微调，具体可以是调高，也可以是调低，从而使得人员的目标特征的精确度达到第二精确度。

这一调节过程中，人员的目标特征的召回率变为第三召回率，这一过程中，召回率可以略微降低，也就是说，第三召回率可以小于第二召回率，例如，经过微调，人员目标特征的精确度达到第二精确度，具体为0.98，人员的目标特征的精确度达到第二精确度，具体为0.98。

这样，最终获得的结果具有相对较高的召回率和精确度，使得召回率和精度具有较高的平衡，不需要耗费较多计算量，也能够获得相对准确的计算结果。

在一些实施例中，上述步骤102包括对人员的目标特征进行跟踪的步骤，所述对人员的目标特征的跟踪的步骤包括：

获取对第一视频数据中人员的目标特征的跟踪信息，其中，所述跟踪信息包括所述第一视频数据中人员的目标特征的位置和运动速度，所述第一视频数据包括目标帧图像之前的至少一帧图像；

根据所述跟踪信息生成目标特征运动轨迹的预测信息；

获取目标帧图像中人员的目标特征的检测结果；

将所述检测结果与所述预测信息相匹配；

根据匹配结果更新所述跟踪信息。

对于人员的目标特征进行跟踪过程中，首先获取第一视频数据中包括的跟踪信息，该第一视频数据可以理解为目标帧图像之前的若干帧历史图像数据。

实施时，可以通过卡尔曼滤波对人员的头部的位置及运动速度进行预测，生成针对人员的目标特征的运动轨迹的预测信息，例如可以是头部的运动轨迹的预测信息。

接下来对目标帧中的人员目标特征进行识别，如果识别结果与预测轨迹的匹配程度较高，那么说明识别到的人员的目标特征与预测的人员的目标特征很可能为同一人员的目标特征。这样，将预测信息作为参考数据以实现对人员的头部的识别和跟踪，有助于降低计算量，提高对于人员的目标特征跟踪的准确程度。

应当理解的是，对于最初输入的图像数据中的人员或刚进入图像采集区域的人员，不存在在先的运动轨迹，此时，可以将采集到的目标特征初始化为相应的运动轨迹。进一步的，当后续进一步检测到人员的目标特征时，进一步进行预测、检测和匹配，并根据匹配结果更新针对人员目标特征的跟踪信息。

提取人员的目标特征时，可以基于特征工程方法选取高效图像特征，例如，颜色特征、方向梯度直方图(HOG)等方式，有针对性的提取特征，有助于降低计算量，同时还适用于嵌入式系统，进一步的，将提取的目标特征和预测结果的特征向量和区域的交并比(IOU)相匹配，从而确定目标特征和预测结果的匹配程度。

应当注意的是，在对于人员流量数据进行统计分析时，还可以添加其他处理策略，以对人员流动数据进行处理，以提高人员流量数据的准确程度。

在一些实施例中，如果某一人员在短时间内多次进出，则可以仅统计一次进出，从而避免重复统计，提高人员流量的准确程度。

在一些实施例中，根据所述人员的目标特征生成目标区域的人员流量数据，还包括：

识别并跟踪第一对象的目标特征；

获取预置的第二对象的目标特征；

若所述第一对象的目标特征与所述第二对象的目标特征相匹配，则删除与所述第一对象相关的人员流量数据。

本实施例中，进一步根据实际情况剔除了一些影响人员流动统计的数据。

该第一对象指的是在视频图像中识别并跟踪到的任一对象，而第二对象则指的是需要剔除的对象。

例如，对某一广场的人员流动进行统计时，需要剔除广场上的保洁人员和巡逻人员，对于某一门店的人员流动进行统计时，需要剔除店员，这样，才能够获得更加准确的人员流动信息。

本实施例中，预先生成第二对象的目标特征，例如，对于某一门店的人员流动进行统计时，可以预先输入店员的照片或视频数据，并生成相应的目标特征，在对第一对象进行识别跟踪过程中，如果检测到的目标特征与第二对象，也就是该店员的目标特征相匹配，那么就删除检测到的该第一对象的目标特征，从而获得对于该门店的人员流动情况更加准确的统计结果。

本实施例的技术方案中，应当尽可能的使用轻量检测模型，有助于降低系统负荷，进行数据运算过程中，应当尽可能的采用多线程并行执行的方式，例如，利用不同的线程执行上述的数据采集进程、第二对象的识别进程等，从而有助于避免占用主流程的时间，提高计算效率。计算过程中，可以采用异构计算的方式，即利用CPU(中央处理器)和GPU(图形处理器)相结合计算相关数据，充分利用GPU和CPU的性能，更适用于嵌入式系统。

在进行人员的检测和跟踪以后，进一步还可以根据结果生成更多的信息，例如，可以通过对人员的性别、年龄进行分析统计，从而识别门店的客流属性，有助于提供更多的信息。

显然，这一过程中，所依赖的人员流量数据越准确，其分析结果越具有参考价值，实施时，可以对质量较高的人员目标特征进行分析，例如，对不存在遮挡、处于良好识别角度的目标特征进行分析，有助于提高分析结果的精度。

本公开实施例还提供了一种人员流量分析系统，包括图像采集装置和人员流量分析装置，所述图像采集装置用于采集目标区域的视频图像。

如图5所示，在一个实施例中，所述人员流量分析装置500包括：

视频图像获取模块501，用于获取目标区域的视频图像；

识别跟踪模块502，用于识别并跟踪所述视频图像中的人员的目标特征；

人员流量数据生成模块503，用于根据所述人员的目标特征相对于所述目标区域的特定位置的运动状态生成所述目标区域的人员流量数据。

在一些实施例中，所述目标区域的特定位置通过至少一组定位标线标识，每组所述定位标线包括至少一条标志线。

在一些实施例中，每组所述定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置。

在一些实施例中，所述定位标线的数量包括至少三组，所述至少三组定位标线中的两组分别设置于所述目标区域的两侧，所述至少三组定位标线中的一组的至少部分设置于所述目标区域内，且与所述目标区域的通行方向交错设置。

在一些实施例中，所述人员流量数据生成模块503包括：

接触产生获取子模块，用于获取人员中的目标对象的目标特征与所述标志线的接触参数；

移动方向确定子模块，用于根据所述接触参数确定所述目标对象在所述目标区域的移动方向；

人员流量数据更新子模块，用于根据所述目标对象的移动方向更新所述目标区域的人员流量数据。

在一些实施例中，在每组所述定位标线的数量为至少两条，且每一组所述定位标线包括的至少两条标志线并列设置的情况下，所述标志线包括第一标志线和第二标志线；

所述移动方向确定子模块，具体用于在所述目标对象的目标特征依次接触所述第一标志线和所述第二标志线的情况下，确认所述目标对象的移动方向为第一方向，其中，所述第一方向为沿所述第一标志线到所述第二标志线的方向；

所述人员流量数据更新子模块，具体用于根据移动方向确定为第一方向的目标对象的数量，更新所统计的沿所述第一方向移动的人员的数量。

在一些实施例中，所述识别跟踪模块502包括跟踪子模块，所述跟踪子模块用于对人员的目标特征进行跟踪，所述跟踪子模块具体包括：

跟踪信息获取单元，用于获取对第一视频数据中人员的目标特征的跟踪信息，其中，所述跟踪信息包括所述第一视频数据中人员的目标特征的位置和运动速度，所述第一视频数据包括目标帧图像之前的至少一帧图像；

预测单元，用于根据所述跟踪信息生成目标特征运动轨迹的预测信息；

检测结果获取单元，用于获取目标帧图像中人员的目标特征的检测结果；

匹配单元，用于将所述检测结果与所述预测信息相匹配；

跟踪信息跟踪单元，用于根据匹配结果更新所述跟踪信息。

在一些实施例中，所述识别跟踪模块502包括检测子模块，所述检测子模块用于对人员的目标特征进行检测，所述检测子模块具体包括：

检测单元，用于检测人员的目标特征，其中，所述目标特征的置信度不小于第一置信度阈值，所述人员的目标特征的召回率为第一召回率；

第一调整单元，用于调整所述目标特征的置信度不小于第二置信度阈值，使得所述人员的目标特征的召回率为第二召回率，其中，所述第二置信度阈值小于所述第一置信度阈值，所述第二召回率大于所述第一召回率，且在所述人员的目标特征的召回率为第二召回率的情况下，所述人员的目标特征的精确度为第一精确度；

第二调整单元，用于根据针对人员的目标特征的跟踪信息调整所述目标特征的置信度不小于第三置信度阈值，其中，在所述目标特征的置信度不小于所述第三置信度阈值的情况下，所述人员的目标特征的精确度为第二精确度，所述人员的目标特征的召回率为第三召回率，所述第二精确度大于所述第一精确度，所述第三召回率小于所述第二召回率且大于所述第一召回率。

在一些实施例中，所述人员流量数据生成模块503还包括：

第一对象识别跟踪子模块，用于识别并跟踪第一对象的目标特征；

第二对象获取子模块，用于获取预置的第二对象的目标特征；

删除子模块，用于在所述第一对象的目标特征与所述第二对象的目标特征相匹配的情况下，删除与所述第一对象相关的人员流量数据。

本实施例的人员流量分析装置能够实现上述人员流量分析方法实施例的各个步骤，并能实现相同或相似的技术效果，此处不再赘述。

本发明实施例还提供一种电子设备，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述人员流量分析方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种可读存储介质，可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述人员流量分析方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。