基于Bi-LSTM网络模型的人数统计方法、装置及可读存储介质制造方法及图纸

本发明专利技术涉及通信技术领域，公开了一种基于Bi

【技术实现步骤摘要】
基于Bi
‑
LSTM网络模型的人数统计方法、装置及可读存储介质


[0001]本专利技术涉及通信
，尤其涉及基于Bi
‑
LSTM网络模型的人数统计方法、装置及可读存储介质。

技术介绍

[0002]目前，随着科学技术的发展，人数统计在军事作战、应急搜救、公共安全等方面正发挥着重要作用。但是，可穿戴式人数统计系统因需一直佩戴，应用场景非常受限，不能穿过遮挡物实现人数统计；可见光机器视觉的人数统计系统受遮挡、光线强弱变化、隐私保护等问题影响较大，不能实现准确的人数统计。

技术实现思路

[0003]本专利技术的主要目的在于提出一种基于Bi
‑
LSTM网络模型的人数统计方法、装置及可读存储介质，旨在实现准确的人数统计，减小环境以及建筑结构对人数统计的影响，减小光照强度对人数统计的影响，实现避开建筑物统计人数。
[0004]为实现上述目的，本专利技术提供一种基于Bi
‑
LSTM(双向长短期记忆)网络模型的人数统计方法，所述基于Bi
>‑
LST本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基于双向长短期记忆Bi
‑
LSTM网络模型的人数统计方法，其特征在于：所述人数统计方法包括如下步骤：基于无线接收器采集不同人数下的训练无线数据；利用所述训练无线数据构建并训练Bi
‑
LSTM网络模型；获取当前无线数据，并将所述当前无线数据输入Bi
‑
LSTM网络模型，计算得到当前人数统计结果。2.根据权利要求1所述的基于Bi
‑
LSTM网络模型的人数统计方法，其特征在于：所述利用所述训练无线数据构建Bi
‑
LSTM网络模型的步骤包括：对所述训练无线数据进行预处理；根据预处理后的训练无线数据中的时间步长，确定样本数和预设训练周期；根据所述样本数和所述时间步长构建Bi
‑
LSTM网络模型；将所述样本数、所述时间步长和预处理后的训练无线数据中的特征数量输入Bi
‑
LSTM网络模型中进行训练；当所述Bi
‑
LSTM网络模型训练完成一次之后，通过优化器根据预处理后的训练无线数据对网络权值进行迭代更新，直至所述Bi
‑
LSTM网络模型的训练周期大于或等于预设训练周期时，所述Bi
‑
LSTM网络模型训练完成。3.根据权利要求2所述的基于Bi
‑
LSTM网络模型的人数统计方法，其特征在于：其中，所述Bi
‑
LSTM网络模型由若干个LSTM网络模型组成；其中，所述LSTM网络模型由输入序列x
t
、当前单元状态C
t
、临时单元状态隐藏层状态h
t
、遗忘门f
t
、记忆门i
t
和输出门o
t
组成。其中，f
t
＝σ(W
f
·
[h
t
‑1,x
t
]+b
f
)；i
t
＝σ(W
i
·
[h
t
‑1,x
t
]+b
i
)；)；o
t
＝σ(W
o
·
[h
t
‑1,x
t
]+b
o
)；h
t
＝o
t
·
tanh(C
t
)；其中，W
f
为遗忘门的权值矩阵、W
i
为输入门的权重矩阵、W
c
为单元状态的权重矩阵、W
o
为输出门的权重矩阵、b
f
为遗忘门的偏置项、b
i
为输入门的偏置项、b
c
为单元状态的偏置项、b
o
...

【专利技术属性】
技术研发人员：王楷，苏晓杰，冉秉东，马铁东，贾美岭，姚望，唐亚娅，
申请(专利权)人：重庆大学，
类型：发明
国别省市：