一种基于开源数据集与树莓派的智能物体计数方法

本发明公开了一种基于开源数据集与树莓派的智能物体计数方法，所述方法包括S1、获取含有目标物体的视频流数据，S2、基于预训练的卷积神经网络模型对视频流数据进行背景分离处理，以减少背景物体与目标物体色彩相近引起的混淆，S3、对分离后的目标物体进行实时检测与跟踪，S4、利用卡尔曼滤波器优化目标物体的跟踪精度，S5、统计并记录检测到的目标物体数量；该基于开源数据集与树莓派的智能物体计数方法，解决了现有技术当背景物体与目标物体在色彩、形状或纹理上相似时，模型难以对目标进行准确区分，从而导致计数精度降低；此外，在背景较为复杂或动态变化较大的场景中，现有方法对目标的鲁棒性表现欠佳的问题。