【技术实现步骤摘要】
本专利技术涉及人群密度估计方法,尤其涉及一种基于Mixed-Pooling的卷积神经网络的人群密度估计方法。
技术介绍
近年来,随着经济水平的快速发展,人们的生活水平逐步提高,越来越多的人们会在假期选择出游,造成各个风景区游览人数的剧烈增长,同时由于人群过于拥挤而带来的安全隐患越专利技术显,发生的安全事故也越来越多。因此,如何使用计算机视觉等技术对人群进行智能监控及时做出预警,并采取有效的措施,对于保障社会稳定和人民生命财产安全具有重大意义。目前人群密度估计方法主要分为两种方式:1、基于行人检测的方法:目前采用基于行人检测的方法对人群密度进行估计,其首先在于对于人群中的每一个个体进行检测,然后对其计数从而获得人群密度。Dollar等人(Dalal N,Triggs B。Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition,2005。CVPR 2005。IEEE Computer Society Conference on。IEEE,2005,1:886-893。)首先采用HOG(Histograms of Oriented Gradients)进行特征提取,然后利用SVM分类器训练正负样本。Stefan Walk等人(Walk S,Majer N,Schindler K,et al。New features and insights for pedestrian detection[C]//Computer visi ...
【技术保护点】
一种基于卷积神经网络的人群密度估算方法,其特征在于,包括有如下步骤:步骤S1,建立训练样本集:获取视频监控帧图像,对所获取的图像进行多种预处理,同时采用人工方式确定图像范围内的人群数量;步骤S2,构建基于Mixed‑Pooling的卷积神经网络模型:卷积神经网络模型包含两个卷积层、两个Mixed‑Pooling层、两个全连接层、两个ReLU层以及Dropout层;步骤S3,训练卷积神经网络模型:初始化后,采用随机梯度下降法对步骤S2中构建的卷积神经网络模型进行迭代训练,每迭代一次检测一次梯度以及损失函数的值,以获得网络模型结构中各权重值W和偏置值b的最优解,迭代多次后得到本次训练的最优卷积神经网络模型;步骤S4,人群密度估计检测:将通过步骤S3获得的关于远近两个分区的卷积神经网络分类模型,按照检测分类策略对整体区域的人群密度进行估计。
【技术特征摘要】
1.一种基于卷积神经网络的人群密度估算方法,其特征在于,包括有如下步骤:步骤S1,建立训练样本集:获取视频监控帧图像,对所获取的图像进行多种预处理,同时采用人工方式确定图像范围内的人群数量;步骤S2,构建基于Mixed-Pooling的卷积神经网络模型:卷积神经网络模型包含两个卷积层、两个Mixed-Pooling层、两个全连接层、两个ReLU层以及Dropout层;步骤S3,训练卷积神经网络模型:初始化后,采用随机梯度下降法对步骤S2中构建的卷积神经网络模型进行迭代训练,每迭代一次检测一次梯度以及损失函数的值,以获得网络模型结构中各权重值W和偏置值b的最优解,迭代多次后得到本次训练的最优卷积神经网络模型;步骤S4,人群密度估计检测:将通过步骤S3获得的关于远近两个分区的卷积神经网络分类模型,按照检测分类策略对整体区域的人群密度进行估计。2.如权利要求1所述的基于卷积神经网络的人群密度估算方法,其特征在于,所述步骤S1包括如下步骤:步骤S10,首先划定场景的兴趣区域,然后针对监控帧图像中不动景部分添加Mask处理,并按照行人所占像素与区域面积比相等的原则进行远近分块,然后采用人工方式分别确定远近两块区域的人数,将两个区域按照规定的人数范围分为五个级别:非常稀疏、稀疏、中等密度、密集、非常密集;步骤S11,对所有样本图片进行去噪图像增强预处理,然后将图像大小统一为256*144,利用所有训练图像的均值对图像进行归一化处理。3.如权利要求2所述的基于卷积神经网络的人群密度估算方法,其特征在于,所述步骤S10中,进行远近两个区域的分块后,其按照如下公式确定分界位置: s 1 + s 3 ( A B + E F ) * h 1 = s 2 + s 3 ( C D + E F ) * h 2 ]]> s 3 = s 1 + s 2 - s 1 h * h 1 ]]>h=h1+h2 E F = A B + ( C D - A B ) * h 1 h 1 + h 2 ]]>其中,AB和CD是场景边界处最近端与最远端的长度,二者可通过测量得出,S1和S2表示同一行人处于近端和远端时所占的像素大小,h表示场景区域的高度,EF为需要确定的分界线位置,S3表示行人在EF处所占像素大小,通过对远近两个区域进行人工计数,确定区域内最大容纳人数N。4.如权利要求1所述的基于卷积神经网络的人群密度估算方法,其特征在于,所述步骤S2中:卷积层与池化层交替链接,并将ReLU层连接于卷积层顶端,在最后一个池化层后依次连接两个全连接层,并利用Dropout层防止其训练过拟合;卷积层中:每个卷积层的特征...
【专利技术属性】
技术研发人员:张力,
申请(专利权)人:苏州平江历史街区保护整治有限责任公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。