基于深度学习的人流量监测系统研究.pdfVIP

基于深度学习的人流量监测系统研究.pdf

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

软件开发基于深度学习的人流量监测系统研究

李傲,宗峰

(山东英才学院工学院,山东济南,250104)

基金项目:2020年度国家级大学生创新创业训练计划项目(S202013006003);2019年度全国统计科学研究项目(2019LY82)。

摘要:设计了一款基于视频的人流量监测系统,该系统结合深度学习技术与计算机视觉相关技术,采用卷积神经网络(Faster-Rcnn)进

行目标检测,MeanShift进行目标跟踪,卡尔曼滤波预测行人移动位置,以达到在人流量密集的公共场所对人流量进行监测的目的,为管

理人员提供更加准确的、直观的人流量数据信息,方便管理人及时进行调控与管理,以做出更为合理的决策方案。

关键词:深度学习;计算机视觉;目标跟踪;人流量监测

0引言题,由此变诞生了Faster-RCNN。

Faster可以通过神经网络来做regionproposal,在

随着科技进步和社会发展,计算机视觉技术应运而生,

fast-RCNN的基础上使用共享卷积层的方式。卷积后的特征

通过计算机视觉技术对人流量大的区域所采集的信息进行

图也可以用来生成regionproposals。通过增加两个卷积

相应的处理与分析,可以给管理者们提供有效的数据支撑,

层来实现RegionProposalsNetworks,一个用来将每个特

做出更为合理的决策方案。

征图的位置编码成一个向量,另一个则是对每一个位置输出

本研究旨在一定的区域内可以根据视频来统计人流量

一个objectnessscore和regressedboundsforkregion

的情况。在一些人流密集的场所,如:景区、车站、商场等,

监测一定时间内的人流情况,目的是为了保障公共安全,同proposals[3]。

■1.1传统的RCNN算法流程

时也具有潜在的商业价值[1]。现如今公共场所都装有摄像头,

首先利用SelectiveSearch算法使用图像分割的手

易获取实时的视频情况,采用基于的视频的深度学习与目标

段得到一些原始区域,然后使用各种合并策略将这些区域

跟踪、运动检测的算法,既能方便快速的获取数据,又能

[2]

合并,从而可以得到一个层次化的区域结构,我们所需要

实时的准确获取相关的数据。系统整体结构如图1所示。

的物体可能就存在于则和谐结构中。其次,对于每个候选

的区域,使用深度网络提取其特征将2000候选区缩放到

构建数据库

与卷积神经227×227pixel,然后将候选区输入实现训练好的AlexNet

网络模型

CNN网络后去4096维的特征得到2000×4096维的矩阵。

视频运动检测目标分割目标识别其次,将这些特征送入每一类的SVM分类器当中,

文档评论(0)

185****3268 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档