1.一种基于深度学习的电梯人流视觉统计方法，其特征在于，包括以下步骤：S01：使用注意力机制对YOLOv5神经网络模型进行改进，将带有残差结构的网络模块CST替换YOLOv5 backbone中的CSP模块，使用CSA模块替代YOLOv5神经网络模型中特征融合部分的CSP模块，得到改进的YOLO‑EL神经网络模型；所述CST模块包括第一卷积层、第二卷积层、第三卷积层和Transformer层，第一卷积层和第二卷积层用于接收上层网络的输出，第一卷积层的输出用作Transformer层的输入，第二卷积层作为残差结构，其输出端与Transformer层的输出进行拼接，得到的结构输入第三个卷积层中进行处理；所述Transformer层中数据首先进入扁平化层，经过处理后由多维转换为1维，然后经归一化层进行归一化处理，随后经过多头注意力层的处理后再次进行归一化运算，最后通过多层感知机进行处理；所述CSA模块包括第四卷积层、第五卷积层、第六卷积层、第七卷积层、注意力层和BottleNeck层，其中BottleNeck层为1×1的卷积运算，用于减少网络参数数量；所述第四卷积层、第五卷积层用于接收上层网络的输出，所述第四卷积层的输出用作注意力层的输入，注意力层的输出经过第六卷积层的处理后，其结果输入BottleNeck层，经BottleNeck层处理后与该第六卷积层的输出进行拼接，拼接结果与第五卷积层的结果继续拼接，所述第五卷积层构成残差结构，得到的结果通过第七卷积层进行处理得到最后的结果；

S02：通过改进的YOLO‑EL神经网络模型对图像进行检测，将当前图像标记为首帧；

S03：如果检测到目标，将检测到的目标信息传递给目标跟踪器，对图像动态跟踪，并选择FN帧中的一帧进行识别统计，忽略其他帧；如果跟踪失败或完成N帧图像的跟踪，重新对图像进行检测。

2.根据权利要求1所述的基于深度学习的电梯人流视觉统计方法，其特征在于，所述步骤S03中跟踪器的建立包括：构建KCF跟踪器，通过使用轮转矩阵生成样本，训练一个判别式分类器，引入循环矩阵，采用快速傅里叶变换对KCF算法进行加速计算；

训练KCF跟踪器，找到一个非线性映射函数 使映射后的结果在线性空间下是可分的，即找到一个回归函数 ，给定样本 和对应的标签 ，为目标模板，目标是优化最大平方和误差；使用高斯核函数对跟踪器进行训练。

3.根据权利要求2所述的基于深度学习的电梯人流视觉统计方法，其特征在于，所述训练KCF跟踪器的方法包括以下步骤：由训练样本的非线性变换 的线性组合构成：

(16)

其中， 为权重参数， 为样本，此时 实际为所有样本的加权平均，新样本的预测值为：(17)

记 称为核函数，得：

(18)

其中， 、 、 为样本数量， 为权重参数构成的向量，中的第t个元素为训练样本 和测试样本 的核函数值；

使用线性函数的优化方法求解 ：

(19)

其中， 是所有训练样本的核相关矩阵， ， 为单位矩阵， 为正则项系数， 为 对应的目标值， 为 的集合；

使用高斯核函数对跟踪器进行训练：

记循环矩阵 的初始向量为 ，经傅里叶变换后值为 ，根据式(19)可得：(20)

经傅里叶变换得：

(21)

化简后得：

(22)

对 同样利用循环矩阵加速，对于高斯核函数，核相关矩阵的初始向量为：(23)

其中， 为径向基函数， 、 为样本向量，上式向量化后得：(24)

其中， 为高斯核函数， 为样本向量 的傅里叶变换， 为样本向量 的傅里叶变换的复共轭；将式(23)代入(24)后得：(25)

则高斯核函数对应的初始向量为：

(26)

其中， 是初始样本 经傅里叶变换后得到的值， 是常离散傅里叶矩阵， 为经傅里叶变换后的复共轭；

KCF算法的检测结果 是一个标量，表示某一个样本的回归值：(27)

对待检测的图像 进行循环化：

(28)

其中， 表示训练样本与候选样本之间的核相关矩阵， 为其初始向量，则：

(29)

傅里叶变换后：

(30)

化简后得：

(31)

此时检测结果 是一个向量，维度和训练时的 一样，其中最大元素对应的偏移量即为检测到的目标的位置。

4.根据权利要求1所述的基于深度学习的电梯人流视觉统计方法，其特征在于，所述步骤S03之后还包括：当跟踪器跟踪失败，判断目标出现重叠，检测近景目标的深度信息，判断被遮挡目标是否还在电梯内；

如果近景目标的深度大于电梯自身的深度，不进行统计，如果近景目标的深度小于电梯自身的深度，对其进行统计。

5.根据权利要求4所述的基于深度学习的电梯人流视觉统计方法，其特征在于，所述检测近景目标的深度信息的方法包括：计算相机镜头光心到目标的距离 ：

其中， 为相机焦距； 是乘员头部物理尺度， 是电梯轿厢的内部固定物理尺度， 为融合后的实际目标物理尺度， 为异域像素特征， 与 表示不同类型特征的数量， 和 通过成像数据得出；

以相机镜头的光心为坐标系原点建立右手三维坐标系，竖直向下为x轴，垂直于电梯后立面向外为z轴，相机光轴与三个坐标轴x、y、z的夹角分别为 , , ，则目标的深度D：。

6.一种基于深度学习的电梯人流视觉统计系统，其特征在于，包括：YOLO‑EL神经网络模型构建模块，使用注意力机制对YOLOv5神经网络模型进行改进，将带有残差结构的网络模块CST替换YOLOv5 backbone中的CSP模块，使用CSA模块替代YOLOv5神经网络模型中特征融合部分的CSP模块，得到改进的YOLO‑EL神经网络模型；所述CST模块包括第一卷积层、第二卷积层、第三卷积层和Transformer层，第一卷积层和第二卷积层用于接收上层网络的输出，第一卷积层的输出用作Transformer层的输入，第二卷积层作为残差结构，其输出端与Transformer层的输出进行拼接，得到的结构输入第三个卷积层中进行处理；所述Transformer层中数据首先进入扁平化层，经过处理后由多维转换为1维，然后经归一化层进行归一化处理，随后经过多头注意力层的处理后再次进行归一化运算，最后通过多层感知机进行处理；所述CSA模块包括第四卷积层、第五卷积层、第六卷积层、第七卷积层、注意力层和BottleNeck层，其中BottleNeck层为1×1的卷积运算，用于减少网络参数数量；所述第四卷积层、第五卷积层用于接收上层网络的输出，所述第四卷积层的输出用作注意力层的输入，注意力层的输出经过第六卷积层的处理后，其结果输入BottleNeck层，经BottleNeck层处理后与该第六卷积层的输出进行拼接，拼接结果与第五卷积层的结果继续拼接，所述第五卷积层构成残差结构，得到的结果通过第七卷积层进行处理得到最后的结果；

目标检测模块，通过改进的YOLO‑EL神经网络模型对图像进行检测，将当前图像标记为首帧；

跟踪统计模块，如果检测到目标，将检测到的目标信息传递给目标跟踪器，对图像动态跟踪，并选择FN帧中的一帧进行识别统计，忽略其他帧；如果跟踪失败或完成N帧图像的跟踪，重新对图像进行检测。

7.根据权利要求6所述的基于深度学习的电梯人流视觉统计系统，其特征在于，还包括遮挡目标检测模块：当跟踪器跟踪失败，判断目标出现重叠，检测近景目标的深度信息，判断被遮挡目标是否还在电梯内；

如果近景目标的深度大于电梯自身的深度，不进行统计，如果近景目标的深度小于电梯自身的深度，对其进行统计。

8.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1‑5任一项所述的基于深度学习的电梯人流视觉统计方法。