[发明专利]一种基于深度学习的人群密度检测方法和系统

摘要

本发明公开了一种基于深度学习的人群密度检测方法和系统，检测方法步骤如下首先通过背景学习得到背景图像信息，然后通过背景图像信息提取各帧图像的目标前景图像。通过已提取出目标前景图像且属于低密度人群等级的图像建立低密度人群模型，通过已提取出目标前景图像且属于高密度人群等级的图像建立高密度人群模型；针对需要检测人群密度的各帧图像，首先输入至低密度人群模型，当低密度人群模型获取到人群数量结果未超过一定值时，则根据人群数量判断出人群密度等级，当低密度人群模型获取到人群数量结果超过一定值时，则将图像输入至高密度人群模型，通过高密度人群模型判断出人群密度。具有检测精度高，计算量小的优点。

主权项

一种基于深度学习的人群密度检测方法，其特征在于，步骤如下：S1、通过摄像头实时的获取每帧图像，取出前若干帧图像，然后对这若干帧图像进行背景学习，得到背景图像信息；S2、针对之后的各帧图像，依据步骤S1中获取到的背景图像信息，采用背景差分法提取出各帧图像中的目标前景图像；S3、选取出多帧步骤S2中已提取出目标前景图像且属于低密度人群等级的图像，对选取出的各帧图像标定人群数量，依据上述选取的各帧图像中目标前景图像像素的数目和人群数量之间的关系拟合得到第一低密度人群模型，或者根据上述选取各帧图像中目标前景图像的边缘像素数目和人群数量之间的关系拟合得到第二低密度人群模型；同时选取出多帧步骤S2中已提取出目标前景图像且属于高密度人群等级中各个等级的图像作为训练样本，采用灰度共生矩阵提取各训练样本目标前景图像的纹理特征，将各训练样本目标前景图像的纹理特征输入至BP神经网络，对BP神经网络进行训练，得到高密度人群模型；S4、针对于步骤S2中获取到的需要检测人群密度的各帧图像，将图像的目标前景图像像素的数目输入至第一低密度人群模型，获取到人群数量，然后判断获取到的人群数量是否超过一定值F，若否，则根据上述获取到的人群数量确定出人群密度等级，若是，则进入步骤S5；或者针对于步骤S2中获取到的需要检测人群密度的各帧图像，将图像目标前景图像的边缘像素的数目输入至第二低密度人群模型，获取到人群数量，然后判断获取到的人群数量是否超过一定值F，若否，则根据上述获取到的人群数量确定出人群密度等级；若是，则进入步骤S5；S5、采用灰度共生矩阵提取图像的目标前景图像的纹理特征，将提取的纹理特征输入至高密度人群模型中，通过高密度人群模型的输出获取到人群密度等级。