欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019111225340
申请人: 苏州大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种人群计数系统,其特征在于,包括图像预处理模块、模型训练模块及人群计数预测模块,其中:所述图像预处理模块,用于:获取训练集中每个训练样本的人群密度图及人数类别;其中,所述训练样本为人群图像;

所述模型训练模块,用于:利用所述训练集中的每个训练样本、每个训练样本的人群密度图及每个训练样本的人数类别训练预先创建的神经网络,得到对应的预测模型;其中,所述神经网络包括实现人群计数预测的多尺度卷积神经网络及用于实现人数类别预测的人数分类器;

所述人群计数预测模块,用于:利用所述预测模型预测待测样本的人群密度图;其中,所述待测样本为人群图像;

其中,所述多尺度卷积神经网络包括以VGG16网络框架为主干的第一卷积层至第四卷积层,所述人数分类器包括对所述第四卷积层输出的特征图的大小进行调整的SPP模块及位于所述SPP模块之后、用于实现人数类别预测的三个全连接层。

2.根据权利要求1所述的系统,其特征在于,所述神经网络的损失函数L包括所述人数分类器对应的交叉熵损失函数LC和所述多尺度卷积神经网络对应的2范数损失函数Ld,所述交叉熵损失函数LC、所述2范数损失函数Ld及所述神经网络的损失函数L分别如下所示:L=λLC+Ld;

其中,N为训练样本的数量,Θ为所述神经网络学习的参数,Xi为第i个训练样本,FC(Xi,iΘ)为对应Xi所述人数分类器的输出,y 为Xi的人数类别,M为人数类别的总数,Fd(Xi,Θ)为对应Xi所述多尺度卷积神经网络的输出,Di为Xi的人群密度图,λ>0为调和参数。

3.根据权利要求1所述的系统,其特征在于,所述图像预处理模块包括图像预处理单元,所述图像预处理单元用于:确定每个所述训练样本的初始密度图为零矩阵,将高斯滤波器和所述初始密度图在每个所述训练样本对应的人头坐标点图中每个人头中心坐标处相加,得到每个所述训练样本对应的人群密度图;其中,所述人头坐标点图为表示对应训练样本中的各个像素是否存在人头的图像。

4.根据权利要求3所述的系统,其特征在于,所述人群计数预测模块还用于:将所述预测模型输出的与所述待测样本对应的人群密度图中所有像素值进行求和,确定求和得到的值为所述待测样本的预测人数。

5.根据权利要求4所述的系统,其特征在于,所述人群计数预测模块还用于:基于所述人群密度图对所述待测样本中包含的各个人头进行标示,并将标示完成的所述待测样本及预测人数进行显示。

6.根据权利要求5所述的系统,其特征在于,所述人群计数预测模块还用于:将所述待测样本、所述待测样本的人群密度图及所述待测样本的预测人数发送至指定的终端。

7.一种人群计数方法,其特征在于,包括:

利用预先训练得到的预测模型预测待测样本的人群密度图;其中,所述待测样本为人群图像;

其中,预先训练所述预测模型的过程包括:

获取训练集中每个训练样本的人群密度图及人数类别;其中,所述训练样本为人群图像;

利用所述训练集中的每个训练样本、每个训练样本的人群密度图及每个训练样本的人数类别训练预先创建的神经网络,得到所述预测模型;其中,所述神经网络包括实现人群计数预测的多尺度卷积神经网络及用于实现人数类别预测的人数分类器;

其中,所述多尺度卷积神经网络包括以VGG16网络框架为主干的第一卷积层至第四卷积层,所述人数分类器包括对所述第四卷积层输出的特征图的大小进行调整的SPP模块及位于所述SPP模块之后、用于实现人数类别预测的三个全连接层。