公开(公告)号：CN115761621A

公开(公告)日：2023-03-07

申请号：CN202211380112.5

申请日：2022-11-05

Applicant: 福州大学

Inventor： 郭文忠 ,  蒋家淼 ,  柯逍

IPC: G06V20/52 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出基于强化学习与残差分类网络进行人群计数的方法，包括以下步骤：步骤S1：采用预设的函数将人的数量定义为多个类别，所述类别与人员数量范围具有对应关系；步骤S2：拍摄密集人群场景，将原始图像输入至残差分类卷积神经网络之中，训练网络，直至网络权重稳定，获取该图像所属的特征图和分块分类结果，即类别图；步骤S3：将图像的特征图与类别图输入至强化学习评估网络之中，根据图像特征对类别图做出精确调整，获取更细粒度的类别图；步骤S4：将图像的类别图映射回人数，获取原图像的计数图，计数图进行值累加获取原摄影机所监测场景图像的预测人数；本发明能够更为精准地对人群中人的数量进行分类，根据分类结果得到人群的具体人数。

公开(公告)号：CN117456454A

公开(公告)日：2024-01-26

申请号：CN202311425790.3

申请日：2023-10-31

Applicant: 福州大学

Inventor： 郭文忠 ,  蒋家淼 ,  柯逍

IPC: G06V20/52 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06T7/00 ,  G06T7/194 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于分割引导注意力网络的密集人群计数方法及系统，该方法包括以下步骤：步骤S1：对人群标签的点阵图进行转换，制作能够凸显前景与背景区域的真值分割图标签，以及真值密度图标签；形成训练数据集；步骤S2：构建改进ConvNext‑small网络模型，以使其同时适用于图像分割与人群计数任务；步骤S3：设计分割损失和计数损失，以提高模型对图片前景与背景区域的敏感性，且使其足以完成人群部分的计数任务，生成预测密度图；利用训练数据集训练模型，得到训练好的改进ConvNext‑small网络模型；步骤S4：通过训练好的模型获取待预测图片的预测密度图，再将预测密度图进行映射，获取该图片的预测人数。该方法及系统有利于提高人群计数的准确性。

公开(公告)号：CN119339323A

公开(公告)日：2025-01-21

申请号：CN202411374172.5

申请日：2024-09-29

Applicant: 福州大学

Inventor： 郭文忠 ,  蒋家淼 ,  柯逍

IPC: G06V20/52 ,  G06V10/774 ,  G06V10/75 ,  G06V10/82

Abstract: 本发明涉及一种基于语言引导网络的密集人群计数方法，包括以下步骤：步骤S1：针对人群标签的点阵图进行转换，制作用于凸显前景与背景区域的真值密度图标签；步骤S2：迁移CLIP视觉语言模型至计数任务之中，并为其构建用于增强样本边界清晰程度的损失函数；步骤S3：通过多层次数量提示算法，在不损失计数精度的状况下节省模型训练开销，实现细粒度的计数；步骤S4：将预测密度图进行映射，获取该图片的预测人数。该方法有利于更高效、准确地区分图像的前景与背景，从而准确获取人群的具体人数。