基于计算机视觉的多柜台客流统计方法研究

摘要

针对多柜台环境中客流统计精度和实时性难以平衡的问题，提出了一种基于目标检测算法（you only look once version 4,YOLOv4）和长短期记忆（long short-term memory, LSTM）网络信息融合的多柜台客流统计方法。该方法结合YOLOv4进行高效的人体检测与跟踪，利用LSTM网络对多视角数据进行时序信息融合，有效解决了多柜台场景中的重复计数与漏计问题。通过LSTM模型的引入，系统能够更好地处理顾客在多个柜台之间的动态行为，并在复杂的客流分布中保持高精度和实时性。实验结果表明：所提方法在精度、召回率、F₁-score和实时性方面均优于传统背景减除法、YOLOv3等对比算法，具备较强的实际应用价值。

关键词

智慧门店 / 计算机视觉 / 深度学习 / 客流统计