申请/专利权人：重庆大学

申请日：2020-11-20

公开（公告）日：2024-01-30

公开（公告）号：CN112396587B

主分类号：G06F30/27

分类号：G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.01.30#授权;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：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。

主权项：1.一种基于协同训练和密度图的公交车厢内拥挤度检测方法，其特征在于，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；训练公交车厢内拥挤度检测网络的方法包括：获取公交车厢内拥挤图像集，对符合预设条件的公交车厢内拥挤图像基于拥挤程度进行分类标注得到拥挤度分类标签数据集，划分符合预设条件的公交车厢内拥挤图像及拥挤度分类标签数据集得到训练集、验证集及测试集；对不符合预设条件的公交车厢内拥挤图像进行人头标注得到密度图标签数据集；其中，对于能够准确划分到各拥挤度等级的图像，则认为符合预设条件；对于不能准确划分的图像则认为不符合预设条件；搭建公交车厢内拥挤度检测网络，公交车厢内拥挤度检测网络包括残差网络分支及空洞卷积分支；利用第一训练集、第一验证集及第一测试集对残差网络分支进行预训练，微调网络权重，提取有拥挤度分类标签数据集的特征，训练残差网络分支的softmax分类器进行拥挤度等级分类；将不符合预设条件的图像作为公交车厢内拥挤度检测网络的输入，对应的密度图标签作为空洞卷积分支的输出，基于残差网络分支协同训练空洞卷积分支；空洞卷积分支训练完成后，将不符合预设条件的公交车厢内拥挤图像输入公交车厢内拥挤度检测网络，得到对应的预测拥挤度分类标签数，将预测拥挤度分类标签数中的可信拥挤度分类标签数及对应的公交车厢内拥挤图像加入训练集；继续训练，直到所有不符合预设条件的公交车厢内拥挤图像都加入训练集。

全文数据：

权利要求：

百度查询： 重庆大学 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD