The invention relates to a method and system for detecting indoor number of people based on deep learning, the detection system includes an image acquisition unit, a model calculation unit and a control unit; the image acquisition unit collects indoor images in real time; the model calculation unit performs accelerated calculation of the deep learning target detection model; the control unit pre processes the image of the image acquisition unit and delivers the model The calculation unit calculates and obtains the calculation results; the detection method includes step (1), data set making; step (2), establishment and training of deep learning target detection model; step (3), seat usage analysis. The invention realizes the use of deep learning target detection and statistics of the number of people and the use of seats on the edge computing device.
【技术实现步骤摘要】
一种基于深度学习的室内人数检测方法及系统
本专利技术涉及属于视频监控的
,具体涉及一种基于深度学习的室内人数检测方法及系统。
技术介绍
场景理解作为智能视频监控领域的难点问题和核心内容,其目标是利用计算机视觉相关算法从自然场景中直接获取语义信息,近年来已经逐渐成为计算机视觉领域研究的核心问题。人数计数是场景理解的一个重要内容,随着办学规模越来越大,学生随之越来越多,作为高校硬件资源之一的自习室、图书馆存在着求过于供的情况,多数学校的自习室、图书馆经常一座难求,这些场所座位资源的合理分配问题是高校需要解决的难题。目前,人数统计的方法大体可以分为两类:一类是基于视频序列的运动目标检测算法,将整个人体作为对象进行数量统计,此类方法首先对场景中的背景进行建模,后续帧与背景模型进行比较而提取出运动的前景区域,然后计算运动区域的面积、边缘轮廓等特征信息,再与人体的先验知识进行特征匹配,来估计人数。这种方法的精确度主要取决于先验知识,不稳定且准确率低。另一类是基于图像特征和深度学习的目标检测算法,该方法通过采集并学习图像中能够反映人体的特征来训练样本集,之后输出识别结果。这种方法的优点是精确度高,缺点是训练需要大量样本数据且比较耗时。深度学习目标检测算法有YOLO(YouOnlyLookOnce)、SSD(SingleShotMultiBoxDetector)、FasterR-CNN,其中YOLO的目标检测速度较快,YOLOv3在TitanXGPU下每帧22ms,但在计算成本有限条件下可能数秒检测一帧,无法在实际中广 ...
【技术保护点】
1.一种基于深度学习的室内人数检测方法,其特征在于,包括以下步骤:/n步骤(1)、数据集制作:/n采集深度学习目标检测样本集,样本集主要包括人头图像以及人全身的图像,并进行人工标注制作深度学习目标检测训练集,将这些数据经过目标检测模型进行训练;/n步骤(2)、深度学习目标检测模型的建立与训练:/n所述目标检测模型包括:①、基础特征提取部分:基础特征提取部分采用去掉最后全局平均池化层和1×1卷积输出层的MobileNetV2,并对第二层起的每个瓶颈层加入SENet结构;②、附加特征提取层部分:包括1×1和3×3卷积层,共计10层,对基础特征提取部分输出的特征图进行进一步卷积运算;③、原始包围框生成部分:在特征图上生成原始包围框,使用回归方法修正目标包围框特征图包括基础特征提取部分的输出层和附加特征提取层的各层;④、卷积预测部分:在上步选择的特征图上进行3×3卷积,完成卷积预测,输出目标类别以及位置包围框;/n步骤(3)、座位使用情况分析:/n预先设定相机视野内座位表,确定每个座位在图像中的位置;根据所述位置包围框比例,若某包围框长宽比小于2:1,则此位置的人为坐下姿态,计算其包围框中心点 ...
【技术特征摘要】
1.一种基于深度学习的室内人数检测方法,其特征在于,包括以下步骤:
步骤(1)、数据集制作:
采集深度学习目标检测样本集,样本集主要包括人头图像以及人全身的图像,并进行人工标注制作深度学习目标检测训练集,将这些数据经过目标检测模型进行训练;
步骤(2)、深度学习目标检测模型的建立与训练:
所述目标检测模型包括:①、基础特征提取部分:基础特征提取部分采用去掉最后全局平均池化层和1×1卷积输出层的MobileNetV2,并对第二层起的每个瓶颈层加入SENet结构;②、附加特征提取层部分:包括1×1和3×3卷积层,共计10层,对基础特征提取部分输出的特征图进行进一步卷积运算;③、原始包围框生成部分:在特征图上生成原始包围框,使用回归方法修正目标包围框特征图包括基础特征提取部分的输出层和附加特征提取层的各层;④、卷积预测部分:在上步选择的特征图上进行3×3卷...
【专利技术属性】
技术研发人员:陈超波,王召,高嵩,曹凯,
申请(专利权)人:西安工业大学,
类型:发明
国别省市:陕西;61
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。