-
公开(公告)号：CN110879982B
公开(公告)日：2023-06-20
申请号：CN201911122534.0
申请日：2019-11-15
Applicant: 苏州大学
IPC: G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种人群计数系统及方法，该系统包括图像预处理模块、模型训练模块及人群计数预测模块，其中：所述图像预处理模块，用于：获取训练集中每个训练样本的人群密度图及人数类别；其中，所述训练样本为人群图像；所述模型训练模块，用于：利用所述训练集中的每个训练样本、每个训练样本的人群密度图及每个训练样本的人数类别训练预先创建的神经网络，得到对应的预测模型；其中，所述神经网络包括实现人群计数预测的多尺度卷积神经网络及用于实现人数类别预测的人数分类器；所述人群计数预测模块，用于：利用所述预测模型预测待测样本的人群密度图；其中，所述待测样本为人群图像。从而能够准确预估不同密集度的人群图像的密度图。
-
公开(公告)号：CN110084155A
公开(公告)日：2019-08-02
申请号：CN201910294403.4
申请日：2019-04-12
Applicant: 苏州大学
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备以及计算机可读存储介质，包括：将待测试图像输入预先完成训练的目标残差多尺度卷积神经网络，其中，所述目标残差多尺度卷积神经网络中的两个预选卷积层之间设有残差单元；利用所述目标残差多尺度卷积神经网络对所述待测试图像进行处理，得到所述待测试图像的估计密度图并输出；依据所述目标估计密度图，确定所述待测试图像中的人数。本发明所提供的方法、装置、设备以及计算机可读存储介质，利用残差单元有效解决了网络的退化问题，从而有效降低了密级人群计数的误差。
-
公开(公告)号：CN109858461B
公开(公告)日：2023-06-16
申请号：CN201910129612.3
申请日：2019-02-21
Applicant: 苏州大学
IPC: G06V20/52 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备及计算机可读存储介质，包括：将待测试图像输入包括多列平行的卷积神经网络的目标多尺度多列卷积神经网络模型中；每列卷积神经网络中包括多个卷积核大小和个数不同的卷积层。利用所述每列卷积神经网络中各个卷积层对待测试图像进行处理，并将所述每列卷积神经网络中预选卷积层输出的特征图进行融合，以便得到所述每列卷积神经网络输出的估计密度图；将所述每列卷积神经网络输出的估计密度图进行融合后，得到待测试图像的目标估计密度图；依据所述目标估计密度图，计算得到待测试图像中的人数。本发明所提供的方法、装置、设备及计算机可读存储介质，提高了密集人群图像预测结果的准确性。
-
公开(公告)号：CN109214337B
公开(公告)日：2022-05-17
申请号：CN201811031850.2
申请日：2018-09-05
Applicant: 苏州大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本申请公开了一种人群统计方法，包括接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。该方法可更加方便地实现人群场景的人数统计，并可有效保证其较高的准确率；本申请还公开了一种人群统计装置、设备以及计算机可读存储介质，也具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN110879982A
公开(公告)日：2020-03-13
申请号：CN201911122534.0
申请日：2019-11-15
Applicant: 苏州大学
Abstract: 本发明公开了一种人群计数系统及方法，该系统包括图像预处理模块、模型训练模块及人群计数预测模块，其中：所述图像预处理模块，用于：获取训练集中每个训练样本的人群密度图及人数类别；其中，所述训练样本为人群图像；所述模型训练模块，用于：利用所述训练集中的每个训练样本、每个训练样本的人群密度图及每个训练样本的人数类别训练预先创建的神经网络，得到对应的预测模型；其中，所述神经网络包括实现人群计数预测的多尺度卷积神经网络及用于实现人数类别预测的人数分类器；所述人群计数预测模块，用于：利用所述预测模型预测待测样本的人群密度图；其中，所述待测样本为人群图像。从而能够准确预估不同密集度的人群图像的密度图。
-
公开(公告)号：CN110084155B
公开(公告)日：2022-04-12
申请号：CN201910294403.4
申请日：2019-04-12
Applicant: 苏州大学
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备以及计算机可读存储介质，包括：将待测试图像输入预先完成训练的目标残差多尺度卷积神经网络，其中，所述目标残差多尺度卷积神经网络中的两个预选卷积层之间设有残差单元；利用所述目标残差多尺度卷积神经网络对所述待测试图像进行处理，得到所述待测试图像的估计密度图并输出；依据所述目标估计密度图，确定所述待测试图像中的人数。本发明所提供的方法、装置、设备以及计算机可读存储介质，利用残差单元有效解决了网络的退化问题，从而有效降低了密级人群计数的误差。
-
公开(公告)号：CN110751226A
公开(公告)日：2020-02-04
申请号：CN201911029693.6
申请日：2019-10-28
Applicant: 苏州大学
Abstract: 本申请提供一种人群计数模型的训练方法、装置和存储介质，获取训练样本后，用当前的人群计数模型计算各训练样本的估计人群计数密度图和估计密集度，判断目标损失值是否满足收敛条件；目标损失值包括计数损失值和分类损失值，计数损失值根据训练样本的真实人群计数密度图和估计人群计数密度图确定，分类损失值根据训练样本的估计密集度和真实密集度标签确定，若不满足收敛条件，更新模型参数，执行下一次迭代；若满足收敛条件，输出当前的人群计数模型。本方案通过引入与人群密集程度相关的分类损失值，使输出的人群计数模型能够适应多种不同人群密集程度的图像，因此本方案输出的人群计数模型相对于现有技术具有更好的鲁棒性和精确度。
-
公开(公告)号：CN109858461A
公开(公告)日：2019-06-07
申请号：CN201910129612.3
申请日：2019-02-21
Applicant: 苏州大学
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备及计算机可读存储介质，包括：将待测试图像输入包括多列平行的卷积神经网络的目标多尺度多列卷积神经网络模型中；每列卷积神经网络中包括多个卷积核大小和个数不同的卷积层。利用所述每列卷积神经网络中各个卷积层对待测试图像进行处理，并将所述每列卷积神经网络中预选卷积层输出的特征图进行融合，以便得到所述每列卷积神经网络输出的估计密度图；将所述每列卷积神经网络输出的估计密度图进行融合后，得到待测试图像的目标估计密度图；依据所述目标估计密度图，计算得到待测试图像中的人数。本发明所提供的方法、装置、设备及计算机可读存储介质，提高了密集人群图像预测结果的准确性。
-
公开(公告)号：CN109214337A
公开(公告)日：2019-01-15
申请号：CN201811031850.2
申请日：2018-09-05
Applicant: 苏州大学
Abstract: 本申请公开了一种人群统计方法，包括接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。该方法可更加方便地实现人群场景的人数统计，并可有效保证其较高的准确率；本申请还公开了一种人群统计装置、设备以及计算机可读存储介质，也具有上述有益效果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
