[发明专利]人群聚集的判断方法及人群聚集的判断装置

权利要求书

1.一种人群聚集的判断方法，其特征在于，所述方法包括：

获取人群的第一图像；

利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；

在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；

根据所述第一图像和所述第二图像，基于faster RCNN模型获取所述第一图像中的第一图像人群的运动轨迹；

根据所述第一图像人群的运动轨迹和所述第一人群密度图判断人群是否聚集。

2.一种人群聚集的判断方法，其特征在于，所述方法包括：

获取人群的第一图像；

利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；

在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；

根据所述第一图像和所述第二图像，基于faster RCNN模型获取所述第二图像中的第二图像人群的运动轨迹；

根据所述第一人群密度图和所述第二图像人群的运动轨迹判断人群是否聚集。

3.一种人群聚集的判断方法，其特征在于，所述方法还包括：

获取人群的第一图像；

利用神经网络模型生成所述第一图像的第一人群密度图；所述神经网络模型包括卷积神经网络模型和空洞卷积神经网络模型；

在根据所述第一人群密度图确定的人群密度超过第一预设阈值时，获取与所述第一图像相邻时刻的所述人群的第二图像；

根据所述第一图像和所述第二图像，基于faster RCNN模型获取所述第二图像中的第二图像人群的运动轨迹；

利用卷积神经网络模型、空洞卷积神经网络模型生成所述第二图像的第二人群密度图；

根据所述第一人群密度图和所述第二人群密度图的差异，以及所述第二图像中的第二图像人群的运动轨迹，判断人群是否聚集。

4.根据权利要求1-3中任一项所述的人群聚集的判断方法，其特征在于，所述利用卷积神经网络模型、空洞卷积神经网络模型生成所述第一图像的第一人群密度图，包括：

将所述第一图像依次进行图像增强、图像去噪处理得到处理后第一图像；

对所述卷积神经网络模型和所述空洞卷积神经网络模型进行预训练得到训练后的卷积神经网络模型和训练后的空洞卷积神经网络模型；

将所述处理后第一图像输入所述训练后的所述卷积神经网络模型和所述训练后的空洞卷积神经网络模型，得到输出的所述第一图像的第一人群密度图；

所述对所述卷积神经网络模型和所述空洞卷积神经网络模型进行预训练得到训练后的卷积神经网络模型和训练后的空洞卷积神经网络模型，包括：

S11)获取所述人群的训练图像集；

S12)将所述训练图像集中每幅图像的图像头部标注组成的稀疏矩阵通过高斯滤波器转换成每幅图像的第一二维密度图；

S13)将所述每幅图像的第一二维密度图的宽、高均缩小，得到为所述每幅图像的第一二维密度图1/X倍的每幅图像的第二二维密度图；

S14)将所述训练图像集中的每幅图像输入所述卷积神经网络模型和所述空洞卷积神经网络模型，输出得到所述训练图像集的每幅图像的人群密度图；

S15)取所述每幅图像的人群密度图与所述每幅图像的第二二维密度图的各点的均方差作为损失函数；

S16)利用梯度下降法根据所述损失函数的大小更新所述卷积神经网络模型和所述空洞卷积神经网络模型；

S17)重复上述步骤S14)～步骤S16)Y次，得到所述训练后的所述卷积神经网络模型和所述训练后的空洞卷积神经网络模型。