一種基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估算方法

基本信息

申請?zhí)?/td> CN201610536882.2 申請日 -
公開（公告）號 CN106203331A 公開（公告）日 2016-12-07
申請公布號 CN106203331A 申請公布日 2016-12-07
分類號 G06K9/00(2006.01)I;G06K9/62(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 張力 申請（專利權(quán)）人 蘇州平江歷史街區(qū)保護(hù)整治有限責(zé)任公司
代理機(jī)構(gòu) 廣東德而賽律師事務(wù)所 代理人 蘇州平江歷史街區(qū)保護(hù)整治有限責(zé)任公司
地址 215000 江蘇省蘇州市平江區(qū)菉葭巷46號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估算方法，包括：步驟S1，建立訓(xùn)練樣本集；步驟S2，構(gòu)建基于Mixed?Pooling的卷積神經(jīng)網(wǎng)絡(luò)模型；步驟S3，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型：采用隨機(jī)梯度下降法對步驟S2中構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，每迭代一次檢測一次梯度以及損失函數(shù)的值，以獲得網(wǎng)絡(luò)結(jié)構(gòu)中各權(quán)重值W和偏置值b的最優(yōu)解，迭代多次后得到本次訓(xùn)練的最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型；步驟S4，人群密度估計檢測：將通過步驟S3獲得的關(guān)于遠(yuǎn)近兩個分區(qū)的卷積神經(jīng)網(wǎng)絡(luò)分類模型，按照新的檢測分類策略對整體區(qū)域的人群密度進(jìn)行估計。本發(fā)明克服了復(fù)雜場景背景干擾以及行人遮擋等問題，實現(xiàn)了對場景中人群密度的準(zhǔn)確估計。