基于跨模态的密度与亮度自适应的人群计数模型及方法技术

本发明专利技术公开了基于跨模态的密度与亮度自适应的人群计数模型及方法，通过区域密度分布状态自适应地调整预测权重，以降低预测密度图估计不均衡度的影响，确保不同密度区域都能得到相对精确的计数结果，提高人群计数的准确性；通过亮度动态调整RGB图像与红外图像特征的融合比例，能够根据当前图像的亮度自适应地调整RGB和红外图像特征的权重，从而在亮度较低时抑制RGB特征的影响，以提高在各种光照条件下的人群计数性能，以应对不同光照条件下的计数需求。本发明专利技术大大提高了人群计数的准确性和鲁棒性，使其能够适应各种复杂环境。

【技术实现步骤摘要】

本专利技术属于图像视觉，涉及场景中高密度人群实时计数，具体涉及一种基于跨模态的密度与亮度自适应的人群计数模型及方法。

技术介绍

1、为了防止公共场所中人群密度过高所引发的潜在危险，如踩踏等恶性事件，需要使用计算机视觉技术实时对场景中人群的数量进行分析。现有的人群计数技术可以分为传统方法和基于深度学习的方法两大类。传统方法主要通过检测行人的全身或部分特征（如小波、hog、边缘等）来进行计数。然而在高密度人群场景中，这种方法由于分辨率低和遮挡现象较多，难以成功检测所有行人。基于回归的方法则利用前景特征、边缘特征、纹理和梯度特征，通过线性回归、岭回归等模型，学习从低级特征到人群数量的映射关系。

2、近年来，基于深度学习的人群计数技术显著提高了性能。hinton等人在science发表的文章“reducing the dimensionality of data with neural networks”开启了这一研究领域的热潮；2012年alex krizhevsky在“imagenet classifi-cation with deepconvol本文档来自技高网...

【技术保护点】

1.基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，包括特征提取主干网络、FRGV模块和预测回归网络；

2.如权利要求1所述的基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，进行亮度自适应调整时，输入的图像为低亮度，则降低RGB特征的权重、增加红外特征的权重；

3.如权利要求1或2所述的基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，所述亮度权重为Ra，其获取为：

4.如权利要求1所述的基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，所述FRGV模块获取的方差包括：整个数据集的全局密度方差，数据集内的最大值方差、最小方差...

【技术特征摘要】

1.基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，包括特征提取主干网络、frgv模块和预测回归网络；

2.如权利要求1所述的基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，进行亮度自适应调整时，输入的图像为低亮度，则降低rgb特征的权重、增加红外特征的权重；

3.如权利要求1或2所述的基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，所述亮度权重为ra，其获取为：

4.如权利要求1所述的基于跨模态的密度与亮度自适应的人群计数模型，其特征在于，所述frgv模块获取的方差包括：整个数据集的全局密度方差，数据集...

【专利技术属性】
技术研发人员：郝羽，刘颖，张成冰，张伟东，房杰，何敬鲁，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：