[发明专利]一种基于深度学习的人群计数方法

说明书

一种基于深度学习的人群计数方法，属于计算机视觉技术领域。所述方法包括如下步骤：输入原始图片；确定原始图像的关键区域；深度学习网络构建；通过基于深度学习的图像识别模块对S3的图像进行识别处理；根据计数模块对S4的输出结果进行统计处理。本发明通过克服了传统人员检测计数系统中对深层特征提取不足的问题，并融合了频域信息，从而提升了识别精度。克服了传统认知系统中对不同的场景采用相同认知方法完成人员检测对象特征空间的建立和检测，并且一旦建立就不再更新的缺陷，从而显著提高了模型在复杂场景的适应度。不需要增加特殊设备，成本低，易部署，能广泛安装在各种应用场景。

技术领域

本发明涉及一种基于深度学习的人群计数方法，属于计算机视觉技术领域。

背景技术

国内外的大型活动中频发踩踏事件，已经造成了不小的伤亡。因此，人群计数问题的研究也越来越火热，若能通过准确估计当前场景的人群密度，并安排相应的安保措施，则可以有效减少或避免此类事件的发生。

且目前的人群计数方法均在已公开的数据集上进行研究，在实际的监控场景应用时效果往往不理想，主要原因在于目前的数据集图像跟实际的监控画面差距较大、部分标注不准确，导致计数的准确率下降。

深度学习在很多领域都取得了显著的研究与应用成果，但在人群计数方面目前还没有应用。

发明内容

为解决背景技术中存在的问题，本发明提供一种基于深度学习的人群计数方法。

实现上述目的，本发明采取下述技术方案：一种基于深度学习的人群计数方法，所述方法包括如下步骤：

S1：输入原始图片；

S2：确定原始图像的关键区域；

S3：深度学习网络构建；

S4：通过基于深度学习的图像识别模块对S3的图像进行识别处理；

S5：根据计数模块对S4的输出结果进行统计处理。

与现有技术相比，本发明的有益效果是：

1、本发明通过克服了传统人员检测计数系统中对深层特征提取不足的问题，并融合了频域信息，从而提升了识别精度。

2、本发明克服了传统认知系统中对不同的场景采用相同认知方法完成人员检测对象特征空间的建立和检测，并且一旦建立就不再更新的缺陷，从而显著提高了模型在复杂场景的适应度。

3、本发明不需要增加特殊设备，成本低，易部署，能广泛安装在各种应用场景。

具体实施方式

下面对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于深度学习的人群计数方法，所述方法包括如下步骤：

S1：输入原始图片；通过VGG-16网络来提取图片特征。

S2：确定原始图像的关键区域；

S201：对所述原始图像进行切割操作，获得多个切片；

所述S201通过预设的滑动窗口对所述原始图像进行切割操作，获得多个切片。

S202：分别将每个切片输入到基于深度学习的图像识别模块中，进行前向传播，获得每个切片属于关键区域的概率；

S203：将概率最高的切片确定为所述原始图像的关键区域。

S3：深度学习网络构建；