[发明专利]基于深度学习目标检测的人群计数方法在审
| 申请号： | 201910004771.0 | 申请日： | 2019-01-03 |
| 公开（公告）号： | CN109886085A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 陈友明 | 申请（专利权）人： | 四川弘和通讯有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京天奇智新知识产权代理有限公司 11340 | 代理人： | 杨春 |
| 地址： | 610000 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习目标检测的人群计数方法，包括以下步骤：构建深度学习网络模型：采用以DarkNet网络为基础网络的YOLO3网络；训练数据的处理：通过多场景下获取人群图像数据，采用图像镜像处理，尺度上随机截取方式扩充训练集规模；训练网络：通过损失函数和梯度下降训练参数以优化网络。本发明针对现有人群计数的不足，在特定环境下采用基于深度神经网络目标检测方法对人群进行计数统计，解决了传统特征提取方法中的准确度低的问题，同时也解决了基于深度学习特征回归方法中的在人群稀疏情况下误差较大的问题，并且检测速度有很大提升，检测速度是基于101层残差网络RetinaNet(视网膜网络)速度的4倍，精度却与其相当。 | ||
| 搜索关键词： | 人群 检测 学习目标 网络 准确度 传统特征 基础网络 计数统计 目标检测 神经网络 损失函数 图像镜像 图像数据 网络模型 训练参数 训练数据 训练网络 视网膜 训练集 残差 构建 截取 稀疏 尺度 场景 学习 回归 优化 | ||
【主权项】：
1.一种基于深度学习目标检测的人群计数方法，其特征在于：包括以下步骤：步骤1：构建深度学习网络模型：采用以DarkNet网络为基础网络的YOLO3网络；步骤2：训练数据的处理：通过多场景下获取人群图像数据，采用图像镜像处理，尺度上随机截取方式扩充训练集规模；步骤3：训练网络：通过损失函数和梯度下降训练参数以优化网络。
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四川弘和通讯有限公司，未经四川弘和通讯有限公司许可，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/201910004771.0/，转载请声明来源钻瓜专利网。
