[发明专利]基于Faster-RCNN的人数检测系统

权利要求书

1.基于Faster-RCNN的人数检测系统，其特征在于，包括以下步骤：

S1、采集人物数据样本，将数据样本制作成数据集；

S2、将数据集划分为训练集和测试集；

S3、采用训练集训练Faster-RCNN网络；

S4、对训练得到的模型进行检测效果评估；

S5、将训练得到的模型应用到检测，检测出图像中的人；

S6、对图像中检测出的人物进行统计并输出。

2.根据权利要求1所述的基于Faster-RCNN的人数检测系统，其特征在于：所述S1中采集人物数据样本，将数据样本制作成数据集步骤具体为

1.1：采集人物数据样本，其包含人物各种环境下的站立行走状态。

1.2：对样本进行统一处理，高分辨率样本进行统一等比例缩放。

1.3：对人物进行标注，将人物位于图像的坐标填写进txt文件中与图像集做成数据集。

3.根据权利要求1所述的基于Faster-RCNN的人数检测系统，其特征在于：所述S2中将数据集划分为训练集和测试集，具体为将数据集按照8:2随机划分为训练集和数据集。

4.根据权利要求1所述的基于Faster-RCNN的人数检测系统，其特征在于：所述S3中采用训练集训练Faster-RCNN网络步骤具体为：

3.1：输入图像，通过卷积网络进行特征提取，得到特征图。

3.2：对特征图经过一次3*3卷积集中特征信息，然后进入两个1*1卷积进行Anchor正负样本分类和Anchor偏移位置回归，RPN损失函数由分类损失和回归损失获得，其计算公式如下：

t_i＝[t_x，t_y，t_w，t_h]

其中，P_i表示目标包含在第i个Anchor中的概率。和表示批次大小。L_cls表示分类损失，L_reg表示回归损失。T_i和T_i^*分别表示候选框和预测框的位置数值。具体公式如下表示：

t_x＝(x-x_a)/w_a，t_y＝(y-y_a)/h_a

t_w＝log(w/w_a)，t_h＝log(h/h_a)

其中，x和y为框的中心坐标，w和h分别表示宽度和高度。

3.3：ROI Pooling利用特征图和RPN输出的数据，将其特征图进行统一大小输入全链接层判定目标。

3.4：对结果进行分类和回归，获得训练模型。

5.根据权利要求1所述的基于Faster-RCNN的人数检测系统，其特征在于：所述S4对训练得到的模型进行检测效果评估，采用的评估方法为准确率评估，具体步骤为：

4.1：随机对一定区域进行拍摄获取样张，作为模型检测的输入。并将每个区域内的真实人数记录为R_i。

4.2：对每一张拍摄样张进行检测，获取每次模型的输出结果D_i并计算检测错误的人数几位E_i。

4.4：准确率计算公式为：

6.根据权利要求1所述的基于Faster-RCNN的人数检测系统，其特征在于：所述S5中将训练得到的模型应用到检测具体为：

4.1：将模型部署到设备中。

4.2：打开设备摄像头，对区域进行拍摄。

4.3：将拍摄到的图片输入到检测模型中检测。

7.根据权利要求1所述的基于Faster-RCNN的人数检测系统，其特征在于：所述S6对图像中检测出的人物进行统计并输出具体步骤为用函数对模型检测的结果进行统计并输出。