The invention discloses a high-density population estimation method based on deep learning. The invention extracts the foreground and background images of video by the method of Gaussian mixture model, and preprocesses them; collects the thermal image, and obtains the RGB thermal image corresponding to the foreground image by the thermal imager. Then extract the value of all R channels in the thermodynamic image to generate a thermodynamic matrix; collect gray images; train a convolution neural network model; test the population thermodynamic matrix in step 4 with the crowd estimation model after training, and get the feedback result of the model, and finally get the estimated population number. The invention synthetically considers the scenes with fewer people and more people, designs a method for generating the heat vector matrix by using the thermogram and gray scale image, and calculates the number of people according to the convolution neural network model which has been trained. The invention has higher estimation accuracy in various scenarios.
【技术实现步骤摘要】
一种基于深度学习的高密度人群人数估计方法
本专利技术属于视频人群分析领域,具体涉及一种基于深度学习的高密度人群人数估计方法。
技术介绍
人群密度是人群拥塞场景的一项重要参数,也是衡量拥塞场景的可控性和安全性的重要指标。人群密度可以用来预测潜在的风险和阻止突发的灾难性事件。最常规的人群密度统计基于人工统计,效率低下。现在国内外已有的人群人数估计算法主要是基于像素、基于纹理和基于特征点。但是基于像素特征点的方法不适用于人数密集的场景图像,而基于纹理的方法又不适用于人数稀疏的场景,有些方法结合这两者进行分步处理,但是效果仍然太差,误差严重。
技术实现思路
本专利技术针对现有技术的不足,提供了一种基于深度学习的高密度人群人数估计方法。本专利技术方法具体包括以下步骤:步骤1、采集视频:1-1.用混合高斯模型的方法提取视频的前景图像。1-2.对提取的前景图像进行预处理操作,包括中值滤波去噪、形态学等。步骤2、采集热成像图:2-1.使用热成像仪获取该前景图像所对应的RGB热力图像。2-2.提取该热力图像中所有R通道的值,生成一个热力矩阵;步骤3、采集灰度图像,采用方法如下:基于步骤1中获得的前景图像,对原图像中对应前景区域采用较为成熟的基于HaarLike特征的Adaboost分类器算法,对头部进行检测。3-1.设置头部识别器的识别范围。本专利技术中使用的识别器的原始尺寸为10*10。在检测过程中通过逐级放大识别器以实现不同尺寸头部检测(检测头部尺寸范围为10*10-28*28)。3-2.图像预处理。将图像转换为灰度图像。3-3.进行头部检测。为了能够检测不同尺度的头部,将 ...
【技术保护点】
1.一种基于深度学习的高密度人群人数估计方法,其特征在于包括如下步骤:步骤1、采集视频:1‑1.用混合高斯模型的方法提取视频的前景图像;1‑2.对提取的前景图像进行预处理操作,包括中值滤波去噪、形态学等;步骤2、采集热成像图:2‑1.使用热成像仪获取该前景图像所对应的RGB热力图像;2‑2.提取该热力图像中所有R通道的值,生成一个热力矩阵;步骤3、采集灰度图像,采用方法如下:基于步骤1中获得的前景图像,对原图像中对应前景区域采用较为成熟的基于HaarLike特征的Adaboost分类器算法,对头部进行检测;3‑1.设置头部识别器的识别范围;使用的识别器的原始尺寸为10*10;在检测过程中通过逐级放大识别器以实现不同尺寸头部检测,检测头部尺寸范围为10*10‑28*28;3‑2.图像预处理;将图像转换为灰度图像;3‑3.进行头部检测;为了能够检测不同尺度的头部,将分类器以设定的比例逐级放大后遍历检测区域;用放大后的分类器以步长2在检测区域图像中遍历检测;将图像中检测到的头部区域内的像素标记为255,身体其余部分像素标记为0;将处理后的前景图像与混合高斯模型中提取的背景图像做背景差,提取出 ...
【技术特征摘要】
2017.07.31 CN 20171063895721.一种基于深度学习的高密度人群人数估计方法,其特征在于包括如下步骤:步骤1、采集视频:1-1.用混合高斯模型的方法提取视频的前景图像;1-2.对提取的前景图像进行预处理操作,包括中值滤波去噪、形态学等;步骤2、采集热成像图:2-1.使用热成像仪获取该前景图像所对应的RGB热力图像;2-2.提取该热力图像中所有R通道的值,生成一个热力矩阵;步骤3、采集灰度图像,采用方法如下:基于步骤1中获得的前景图像,对原图像中对应前景区域采用较为成熟的基于HaarLike特征的Adaboost分类器算法,对头部进行检测;3-1.设置头部识别器的识别范围;使用的识别器的原始尺寸为10*10;在检测过程中通过逐级放大识别器以实现不同尺寸头部检测,检测头部尺寸范围为10*10-28*28;3-2.图像预处理;将图像转换为灰度图像;3-3.进行头部检测;为了能够检测不同尺度的头部,将分类器以设定的比例逐级放大后遍历检测区域;用放大后的分类器以步长2在检测区域图像中遍历检测;将图像中检测到的头部区域...
【专利技术属性】
技术研发人员:厉紫阳,沈徐兰,冯卢梦,周红晶,
申请(专利权)人:汉鼎宇佑互联网股份有限公司,
类型:发明
国别省市:浙江,33
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。