[发明专利]一种基于深度学习的室内人数检测方法及系统

摘要

本发明涉及一种基于深度学习的室内人数检测方法及系统，该检测系统包括图像采集单元、模型计算单元和控制单元；所述图像采集单元实时采集室内图像；模型计算单元进行深度学习目标检测模型的加速计算；控制单元将图像采集单元的图像做预处理后交付模型计算单元进行计算并获取计算结果；检测方法包括步骤(1)、数据集制作；步骤(2)、深度学习目标检测模型的建立与训练；步骤(3)、座位使用情况分析。本发明实现了在边缘计算设备上使用深度学习目标检测统计出人数以及座位使用情况。

主权项

1.一种基于深度学习的室内人数检测方法，其特征在于，包括以下步骤：/n步骤(1)、数据集制作：/n采集深度学习目标检测样本集，样本集主要包括人头图像以及人全身的图像，并进行人工标注制作深度学习目标检测训练集，将这些数据经过目标检测模型进行训练；/n步骤(2)、深度学习目标检测模型的建立与训练：/n所述目标检测模型包括：①、基础特征提取部分：基础特征提取部分采用去掉最后全局平均池化层和1×1卷积输出层的MobileNetV2，并对第二层起的每个瓶颈层加入SENet结构；②、附加特征提取层部分：包括1×1和3×3卷积层，共计10层，对基础特征提取部分输出的特征图进行进一步卷积运算；③、原始包围框生成部分：在特征图上生成原始包围框，使用回归方法修正目标包围框特征图包括基础特征提取部分的输出层和附加特征提取层的各层；④、卷积预测部分：在上步选择的特征图上进行3×3卷积，完成卷积预测，输出目标类别以及位置包围框；/n步骤(3)、座位使用情况分析：/n预先设定相机视野内座位表，确定每个座位在图像中的位置；根据所述位置包围框比例，若某包围框长宽比小于2:1，则此位置的人为坐下姿态，计算其包围框中心点，判定此位置的座位被占用，当前室内人数即为包围框的数量。/n