本公开提供了一种基于空洞卷积高分辨率网络的人群计数方法及系统,所述方案中空洞卷积高分辨率网络模型从高分辨率前端网络开始,逐步地增加低分辨率分支,形成了三个并行分支结构,每个分支都具有不同大小的感受野,可以捕捉不同尺度的特征,进行多次多尺度融合,使每一个分支都反复接收来自另一个并行分支的信息,从而生成了丰富的高分辨率密度图;本公开所述方案有效地解决了多尺度等问题,提高了人群计数的精度。
本公开为了解决上述问题,提供了一种基于空洞卷积高分辨率网络的人群计数方法及系统,其能够精准、快速地对图像中的人群进行计数,有效解决了在人群分布不均、尺度不同情况下的人群计数的问题。发明人发现,人群计数问题的难点主要是在图像中人群之间的遮挡以及人员离摄像头远近造成的尺度差异等。目前主流的人群计数算法主要有基于基本CNN的方法、基于单列CNN的方法以及基于多列CNN的方法。其中基于基本CNN的方法仅采用最基本的CNN层,并没有额外的特征信息,也正因此,其计数准确度表现得比较差;基于单列的方法使用单列的且更深的CNN,但由于单列网络的简单结构,很难去获得不同尺度的特征信息。与单列网络结构相比,多列神经网络在不同的列使用不同大小的卷积核,捕捉不同尺度的信息,但是模型往往参数众多且产生过多的冗余信息,造成计算时间过长等问题。
此技术是山东师范大学吕蕾研发,山东师范大学,位于山东省济南市,宗旨和业务范围是“面向社会培养高等学历师资人才,进行成人教育,促进教育事业发展”。
评价单位:- (-)
评价时间:2023-10-19
综合评价
技术转让,所需资金需双方协商,此项技术想尽快落地保定,希望具备此项技术研发的技术方,能够尽快承接次项目
查看更多>