公开(公告)号：CN112396587B

公开(公告)日：2024-01-30

申请号：CN202011315096.2

申请日：2020-11-20

Applicant: 重庆大学

Inventor： 周尚波 ,  张力丹 ,  齐颖 ,  朱淑芳

IPC: G06F30/27

Abstract: 本发明公开了一种基于协同训练和密度图的公交车厢内拥挤度检测方法，包括：获取待检测公交车厢内拥挤图像；将待检测公交车厢内拥挤图像输入训练后的公交车厢内拥挤度检测网络，公交车厢内拥挤度检测网络利用带拥挤度分类标签的公交车厢内拥挤图像和不带拥挤度分类标签的公交车厢内拥挤图像分别训练；得到检测结果。本发明在训练神经网络的过程中，采用不同的策略，区分带分类标签和不带分类标签的数据，对不带分类标签的数据，标注其密度图，分别利用带标签的训练集和密度图进行神经网络(56)对比文件Kecai Cao等.Cyber-physical modelingand control of crowd of pedestrians: areview and new framework《. IEEE/CAAJournal of Automatica Sinica》.2015,全文.

公开(公告)号：CN112396587A

公开(公告)日：2021-02-23

申请号：CN202011315096.2

申请日：2020-11-20

Applicant: 重庆大学

Inventor： 周尚波 ,  张力丹 ,  齐颖 ,  朱淑芳

IPC: G06T7/00 ,  G06K9/62

Abstract: 本发明公开了一种基于协同训练和密度图的公交车厢内拥挤度检测方法，包括：获取待检测公交车厢内拥挤图像；将待检测公交车厢内拥挤图像输入训练后的公交车厢内拥挤度检测网络，公交车厢内拥挤度检测网络利用带拥挤度分类标签的公交车厢内拥挤图像和不带拥挤度分类标签的公交车厢内拥挤图像分别训练；得到检测结果。本发明在训练神经网络的过程中，采用不同的策略，区分带分类标签和不带分类标签的数据，对不带分类标签的数据，标注其密度图，分别利用带标签的训练集和密度图进行神经网络的训练，解决了部分人工无法准确分类的公交车厢内拥挤度图像数据的问题，提高了分类的准确性。