[发明专利]基于CNN低层语义特征密度图的人群密度估计方法有效
| 申请号： | 201811442427.1 | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109492615B | 公开（公告）日： | 2021-03-26 |
| 发明（设计）人： | 纪庆革;陈航;包笛 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 林梅繁 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于人群分析技术领域，为基于CNN低层语义特征密度图的人群密度估计方法，包括步骤：数据的预处理，根据原图像的行人位置生成密度图；对原图像和密度图进行切片；对原图像进行MCNN多分支特征提取，对各分支特征进行卷积、池化操作后，通过MCNN特征图融合器对各分支特征进行连接得到MCNN连接特征图，并对其进行卷积操作得到初始的MCNN密度图；对原图像进行卷积得到具有低层语义特征图；将低层语义特征图与MCNN多分支特征提取后各分支生成的特征图在通道数这一维度进行连接，得到连接特征图；用若干层卷积层对连接特征图进行解码，生成最终的密度图；对最终密度图的每个像素相加求和，得到图片中的人数。MAE、MSE较低，准确率和稳定性都较高。 | ||
| 搜索关键词： | 基于 cnn 低层 语义 特征 密度 人群 估计 方法 | ||
【主权项】：
1.基于CNN低层语义特征密度图的人群密度估计方法，其特征在于，包括以下步骤：S1、数据的预处理，根据原图像的行人位置生成密度图；S2、对原图像和步骤S1中生成的密度图进行切片；S3、对原图像进行MCNN多分支特征提取，对各分支特征进行卷积、池化操作后，通过MCNN特征图融合器对各分支特征进行连接，得到MCNN连接特征图，对MCNN连接特征图进行卷积操作，得到初始的MCNN密度图；S4、对原图像进行卷积，得到具有低层语义特征图；S5、将低层语义特征图与MCNN多分支特征提取后各分支生成的特征图在通道数这一维度进行连接，完成特征的编码，得到连接特征图；S6、用若干层卷积层对连接特征图进行解码，生成最终的密度图；对得到的最终密度图的每个像素相加求和，得到图片中的人数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811442427.1/，转载请声明来源钻瓜专利网。
