[发明专利]一种基于卷积神经网络模型的嵌入式人群密度估计方法

摘要

本发明公开一种基于卷积神经网络模型的嵌入式人群密度估计方法及嵌入式人群密度估计的卷积神经网络模型，本模型用于实现本方法，本方法包括通过3个具有生成人群密度图输出能力的卷积神经分支的结构嵌套，使得模型具有3个运行模式，对训练图像预处理后，训练卷积神经网络模型，输入图像至训练好的卷积神经网络模型，选择三个运行模式的其中之一，输出所选模式对应的人群密度图，对所输出的密度图进行积分操作，获得对图像的总人数估计。本发明的卷积神经网络模型轻量化，准确度高于同量级卷积神经网络模型，部署三个模式可以任意切换，每个模式的速度不同，速度可根据实际情况选择。

主权项

1.一种基于卷积神经网络模型的嵌入式人群密度估计方法，其特征在于，包括如下步骤：S10嵌入3个运行模式：通过3个具有生成人群密度图输出能力的卷积神经分支的结构嵌套，使得卷积网络模型具有3个运行模式，其中所述3个模式所使用卷积网络模型的参数由低到高数量逐渐递增且能够进行复用；S20模型训练：对训练图像进行预处理，用激励函数δ(x‑x_i)表示图像像素点的标注，生成图像的标记图将标记图与高斯核G_σ(x)进行卷积，获得对应的密度图真值F(x)＝H(x)*G_σ(x)，x为密度图中的像素，σ表示高斯核G_σ(x)的标准差，使用预处理好的训练数据对所述卷积神经网络模型进行训练，其中使用密度图真值和模型输出密度图之间的欧氏距离作为网络训练的损失函数；S30输入图像至训练好的卷积神经网络模型，根据设备性能和速度要求，选择三个运行模式的其中之一，输出所选模式对应的人群密度图；S40对所输出的密度图进行积分操作，获得对图像的总人数估计。