申请/专利权人：大连民族大学

申请日：2024-01-31

公开（公告）日：2024-04-19

公开（公告）号：CN117911928A

主分类号：G06V20/40

分类号：G06V20/40;G06N3/0464;G06N3/09;G06V20/52

优先权：

专利状态码：在审-公开

法律状态：2024.04.19#公开

摘要：一种基于轻量型卷积神经网络的地铁人群密度估计方法，包括：提出利用卷积神经网络建立人群图像纹理信息和人群密度等级间的函数关系。提出卷积神经网络结构和架构设计方法，构建具有较好预测性能和精简网络结构的轻量型卷积神经网络模型解决人群密度估计问题，扩展其跨场景布置能力。提出轻量型卷积神经网络在嵌入式设备上的软件开发和工程实现方法，在ARM嵌入式设备上验证该方法的可实行性。提出利用建立的轻量型卷积神经网络解决地铁人群密度估计问题，实现在地铁场景下获得准确的乘客密度估计结果。本发明可以有效解决地铁视频监控领域中存在的无法有效掌握现场乘客人群流量的问题，为自动化、智能化地铁运营提供重要的人群流量信息。

主权项：1.一种基于轻量型卷积神经网络的地铁人群密度估计方法，其特征在于，包括以下步骤：步骤100，收集、整理来自不同时段班次车厢的乘客视频数据，用于制作地铁乘客人群密度数据集；步骤200，提取乘客视频数据的视频帧，并按表1的人群分布情况，将每张图片人工分为高中低人群密度等级，并对应附上210的图像便签，建立地铁人群密度数据集，数据集中训练样本总数和测试样本总数比为50％：50％，数据集的训练样本和测试样本进行打乱排序操作；表1三种密度下的人数分布 步骤300，对数据集中图像进行[0,1]归一化操作，图像尺寸重设为227×227；步骤400，利用卷积神经网络结构和架构设计方法构建轻量型卷积神经网络的地铁人群密度估计模型；模型采用单分支网络结构，采用15层网络结构，每层网络结构均采用卷积层，卷积层采用1×1和3×3的卷积核尺寸，模型的顶层网络结构采用交火卷积模块；步骤500，在监督学习算法引导下，利用训练样本训练基于轻量型卷积神经网络的地铁人群密度估计模型，使其具备乘客人群图像密度等级分类能力；步骤600，将训练模型移植到ARM嵌入式开发板，用C++程序语言编写模型推理程序；步骤700，在ARM嵌入式开发板上，模型读取地铁乘客视频帧数据，输出视频帧的人群密度等级分类结果。

全文数据：

权利要求：

百度查询： 大连民族大学 一种基于轻量型卷积神经网络的地铁人群密度估计方法

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