-
公开(公告)号:CN109446920B
公开(公告)日:2019-08-06
申请号:CN201811162491.4
申请日:2018-09-30
Applicant: 南京地铁集团有限公司 , 南京地铁建设有限责任公司 , 东南大学 , 北京全路通信信号研究设计院集团有限公司
Abstract: 本发明公开了一种基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法,首先对待检测视频进行预处理,分段并提取运动残差图像,将原始图像与运动残差图像组合作为卷积神经网络算法的输入,建立至少包含一个卷积层和最大池化层的特征提取块,处理并计算原始图像和运动残差图像中包含的人群状态特征,再将人群状态特征和运动特征结合,构建至少包含一个卷积层、最大池化层和全连接层的特征融合块,进行融合处理,同时构建分类器,使用预制的带有拥挤程度标签的训练集对卷积神经网络进行训练,使分类器对待测视频中的乘客拥挤程度进行正确检测,更加全面的表征监控视频中的客流状况,实现拥挤程度的检测,提高了算法检测的准确率。
-
公开(公告)号:CN109446920A
公开(公告)日:2019-03-08
申请号:CN201811162491.4
申请日:2018-09-30
Applicant: 南京地铁集团有限公司 , 南京地铁建设有限责任公司 , 东南大学 , 北京全路通信信号研究设计院集团有限公司
CPC classification number: G06K9/00724 , G06K9/00744 , G06K9/00778 , G06K9/4642 , G06K9/629 , G06N3/0454 , G06N3/08 , G06Q50/30
Abstract: 本发明公开了一种基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法,首先对待检测视频进行预处理,分段并提取运动残差图像,将原始图像与运动残差图像组合作为卷积神经网络算法的输入,建立至少包含一个卷积层和最大池化层的特征提取块,处理并计算原始图像和运动残差图像中包含的人群状态特征,再将人群状态特征和运动特征结合,构建至少包含一个卷积层、最大池化层和全连接层的特征融合块,进行融合处理,同时构建分类器,使用预制的带有拥挤程度标签的训练集对卷积神经网络进行训练,使分类器对待测视频中的乘客拥挤程度进行正确检测,更加全面的表征监控视频中的客流状况,实现拥挤程度的检测,提高了算法检测的准确率。
-