【技术实现步骤摘要】
一种基于轻型深度学习框架的嵌入式人流量检测方法
本专利技术涉及智能监控
，特别是涉及一种基于轻型深度学习框架的嵌入式人流量检测方法。
技术介绍
人流量检测是智能监控领域的一个研究热点，也是建设智慧城市和数字景区的客观需求。通过人群密度及其变化的实时准确估计，可以及时对人群进行有效的分流、疏导和控制，以提高道路利用率和游客的游览效率，防止出现景区内大量游客拥堵在个别景点的情况，预防踩踏事故，避免不必要的时间及生命财产损失。此外，实现人流量的实时准确监控，对于商业信息采集、公安防控、社会资源合理配置等也具有重要意义。目前，普遍采用的人流量监测统计的方法主要有闸机统计、红外检测和机器视觉等技术，这些方法可以分为接触式方法和非接触式方法两大类。接触式方法需要在监测点设置机械闸机或压敏踏板，存在设备安装和运维成本较高或易损坏等局限性；非接触式方法中基于红外的检测统计技术对多人、遮挡等情况统计精确度不高，基于机器视觉的人流量监测成为热点研究分支，具有原始图像易于获取、众多的机器学习算法可以借鉴等优势，但其能耗高，且成本优势...
【技术保护点】
1.一种基于轻型深度学习框架的嵌入式人流量检测方法，其特征在于，包括以下步骤：/nS1，选用嵌入式设备和摄像头作为检测平台，通过无线网络将所述检测平台与云服务器连接，搭建系统硬件平台；/nS2，在特定场景下，通过所述硬件平台对行人进行采样、标注、标准化，收集训练数据并对数据进行预处理；/nS3，改进轻型SSD300深度学习框架，搭建人流量检测深度学习模型；/nS4，根据收集到的训练数据对搭建的所述人流量检测深度学习模型进行训练，并移植到所述嵌入式设备，实时推理出人流量；/nS5，搭建web云服务，利用无线网络作为数据传输载体，将嵌入式设备获取的人流量信息传输到所述web云服...
【技术特征摘要】
1.一种基于轻型深度学习框架的嵌入式人流量检测方法，其特征在于，包括以下步骤：
S1，选用嵌入式设备和摄像头作为检测平台，通过无线网络将所述检测平台与云服务器连接，搭建系统硬件平台；
S2，在特定场景下，通过所述硬件平台对行人进行采样、标注、标准化，收集训练数据并对数据进行预处理；
S3，改进轻型SSD300深度学习框架，搭建人流量检测深度学习模型；
S4，根据收集到的训练数据对搭建的所述人流量检测深度学习模型进行训练，并移植到所述嵌入式设备，实时推理出人流量；
S5，搭建web云服务，利用无线网络作为数据传输载体，将嵌入式设备获取的人流量信息传输到所述web云服务，所述web云服务与各可视化终端实时连接，并进行结果分析及显示。
2.根据权利要求1所述的基于轻型深度学习框架的嵌入式人流量检测方法，其特征在于，所述步骤S2中，通过硬件平台对行人进行采样、标注、标准化，收集训练数据并对数据进行预处理，具体包括：
S201，使用摄像头进行视频采样，将视频包含的每帧图像单独存储作为原始图像；
S202，对获取的图像数据进行预处理，修改图像尺寸为640*480；
S203，针对每幅图像，使用一个矩形框对每个人进行标注，要求将行人完全包裹，使用JSON文件记录、保存矩形框左上与右下的坐标，数据格式为VOC。
3.根据权利要求1所述的基于轻型深度学习框架的嵌入式人流量检测方法，其特征在于，所述步骤S3中，改进轻型SSD300深度学习框架，搭建人流量检测深度学习模型，具体包括：
S301，将作为基础网络的vgg16中的卷基层改为深度可分离卷积层；
S302，在基础层中第七层后加入一层空洞卷积；
S303，将SSD300中的多尺度特征图改为四张，分别检测大小目标，在输入图片分辨率为640x480中特征图大小分别为80x60，40x30，20x15，10x8；
S304，输出分为两部分，一部分为socre用来预测分类置信度，尺度为17640x2，为背景与行人的置信度；另一部分为boxes，尺度为17640x4，...
【专利技术属性】
技术研发人员：王慧娟，梁成林，邢艺兰，袁全波，
申请(专利权)人：北华航天工业学院，
类型：发明
国别省市：河北;13
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。