智慧建筑是一种目前正在高速发展的建筑形式,其利用人工智能、物联网、云计算等现代信息技术,整合并分析建筑内各项与人员相关的数据,并依据可靠地大数据分析和推理,为室内人员的工作和生活提供便捷、高效、人性化的服务。智慧建筑以人作为服务主体,建筑内部的人员位置和人流量数据对于分析门店客流量、人员分布、运动规律以及拥挤预警具有重要的参考价值,因此针对建筑室内环境开展人员检测和人流量统计的研究具有重要意义。现阶段的人员检测和人流量统计技术多基于可见光图像展开,在室内复杂的场景中,人员易受到频繁遮挡、光照变化、多尺度、多姿态以及相似背景等因素影响,导致人员检测和人流量统计仍是一项极具挑战性的任务,仅利用单一可见光图像特征的方法已经难以克服不同场景对人员检测的限制。相比较于传统可见光相机,深度传感器对光照变化鲁棒性强,并且能够将物体到相机的距离反映到深度图像上,从而计算物体之间的位置关系,为解决频繁遮挡、光照变化以及复杂背景提供了新的处理思路。本文的研究内容具体包含以下两方面:(1)基于非对称自适应特征融合的RGB-D人员检测算法。该算法融合多模态数据以实现室内人员的准确检测与定位。该算法首先利用卷积特征可视化的结果分析RGB和深度模态之间的特征差异,设计一种非对称型RGB-D双流网络结构,在降低双流网络复杂度的同时,能够权衡不同模态数据的特异性。然后结合深度图像的上下文特征构建深度特征金字塔,称为Depth-FPN,实现可见光图像特征和深度图像特征在指定层级上的多尺度融合,提升算法对不同尺寸目标的适应能力。最后在多模态特征融合阶段引入一种自适应RGB-D通道加权模块(Adaptive Channel Weighting,ACW),其可依据各通道的重要性使网络自主学习对RGB-D特征通道进行加权重组,实现对多模态特征的高效选择和信息互补。(2)融合场景深度信息的双向人流量统计算法。该算法利用深度信息优化跟踪匹配策略和判断人员运动方向,从而实现人员的稳定跟踪和人流量的准确统计。该算法首先利用所述RGB-D人员检测结果初始化多目标跟踪器,然后采用基于深度信息改进的Deep Sort算法实现人员目标的关联匹配,提出一种基于边框交并比(Intersection over Union,IOU)和深度变化率联合约束的目标匹配策略,结合目标的位置相似度和深度相似度优化目标匹配,平滑决策边界以降低匹配错误率和丢失率;提出一种基于轨迹上下文的深度差的目标遮挡判断策略,判断目标在当前帧的遮挡状态,并依据遮挡状态优化轨迹处理策略以应对人员遮挡。最后提出利用三维质心坐标判断人员在当前时刻的运动方向,实现对横向、纵向经过计数线的人员进行双向计数,同时结合人员起始位置和辅助计数线,处理人员折返等异常运动状态,减少重复计数和错误计数的发生,提高双向人流量统计的准确率。本文在办公区、商铺、餐厅、走廊等多个室内场景数据集下验证算法性能,并设置了低照度场景和频繁遮挡场景的对照实验组,验证RGB-D人员检测算法在低照度以及频繁遮挡条件下的鲁棒性。最后本文整合人员检测和人流量统计算法,设计并实现了基于RGB-D的双向人流量统计系统。实验结果表明,本文方法能够在不同限制条件下的室内环境中准确检测和定位室内人员,并对其运动轨迹和运动方向进行跟踪判断,且算法对于光照变化、频繁遮挡以及复杂背景的鲁棒性强,具有较好的实用性。