基于深度学习的教室人数统计方法

为了提高教室视频人数统计的准确率,提出了一种基于深度学习的教室人数统计方法.该方法在使用YOLO v5模型作为基础模型,可以很好地实现快速检测和小物体检测的检测目标,但为了更好地进行交叠、遮挡等情境下的物体检测,对YOLO v5模型进行了改进.主要从3方面进行了改进:(1)在图像预处理阶段进行了畸变矫正;(2)在YOLO v5的损失函数进行了改进;(3)为了实现更好的检测效果,将人头与人脸分开来进行检测,并利用视频多帧图像信息,很好地实现交叠、遮挡的检测问题,再利用教室座位的网格信息将人头、人脸的检测统计结果进行相融合,避免出现人头、人脸重复统计的问题.实验证明,改进的深度学习物体检测模型具有更好的泛化能力,在能够进行快速检测和小物体检测的检测目标的基础上,又可以很好地实现交叠、遮挡等复杂情形下的人数统计.     

基于SSD卷积神经网络的公交车下车人数统计

传统典型的公交车人数统计方法在准确率和速度方面存在一些不足,且提取目标特征的效果较差.本文提出了基于深度卷积神经网络的公交车人数统计系统解决人群计数问题.首先制作数据集,难点在于所有用于训练的数据集均是手工标注.并且公交车摄像头角度比以往文献覆盖更广区域.本文首先比较了多种不同的深度卷积神经网络模型对乘客进行全身检测的效果.综合考虑检测速率、准确率等方面,最终采用单次检测器深度卷积神经网络模型对乘客进行人头目标检测,在线实时目标追踪算法实现人头的多目标追踪,跨区域人群计数方法统计公交车下车人数.系统准确率达到78.38%,运行速率约为每秒识别19.79帧.实现了人群计数.     

基于头部检测和跟踪的人数统计方法

提出一种基于头部检测和跟踪的人数统计方法。方法利用Adaboost算法进行头部检测,将头部检测分成了头顶检测、侧面检测、正面检测和后脑勺检测等多个子检测过程。此外,利用图像特征直方图的信息进行头部跟踪,排除了对静态误检目标的统计,提高了检测的精度。实验结果验证了该方法的有效性。     

基于PCA和多元统计回归的人群人数统计方法

针对人群人数统计中分割特征与纹理特征相分离以及回归模型精度提高的问题,提出一种基于PCA和多元统计回归相结合的人群人数统计方法。通过PCA对提取到的人群前景分割特征和纹理特征进行降维处理;建立多元线性回归模型,以确定特征量和人群人数之间关系的趋势方向;通过回归出的趋势方向,对高斯过程回归模型进行修正。实验结果表明该方法更适合进行大规模人群人数统计。     

基于全局注意力的室内人数统计模型

随着人工智能技术的爆炸式发展,机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用,其中利用目标检测进行室内人数统计一直以来是一个热门的研究。室内监控画面存在人群相互遮挡,且目标特征模糊等问题,往往导致检测准确率低,误检率和漏检率高等情况的出现。为了解决此问题,提出了一种基于全局注意力的室内人数统计模型,引入注意力机制,对目标检测算法YOLOv3进行改进,通过提取更多小人头或模糊人头的特征来增强检测能力。实验结果表明,改进后的网络模型具有更高的召回率和平均精度。     

基于骨架特征的人数统计

针对视频监控中行人在运动中将出现部分或严重遮挡的问题,提出了一种基于人体骨架特征的人数统计算法。首先,利用形态学骨架提取算法提取初始人体骨架图;然后,剔除骨架孤立点和骨架伪分支,得到最优人体骨架特征;最后,通过分析骨架的人头区域特征,建立人头检测响应规则,检测行人人头个数实现人数统计。实验结果表明,该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题,针对相对稀疏的场景该算法人数统计准确率为95%左右。     

基于自适应叠合分割与深度神经网络的人数统计方法

基于监控视频的人数(人群)统计是人群行为的分析、资源的优化配置、现代安防、商业信息的采集以及智能管理等重要任务的基础,具有较高的研究意义与应用价值。近年来,数字图像处理技术以及深度学习理论的不断完善和发展,极大地促进了基于监控视频的人数统计的研究,但仍然无法很好地解决监控场景中人数统计准确率较低、高清图片耗时的问题。针对在待检对象尺度变化较大的情况下,基于对象检测的人数统计方法的准确率大幅下降的问题,提出一种基于自适应叠合分割与深度神经网络的人数统计方法。该方法的思想来源于注意力机制,同时充分利用了叠合分割块内人头对象的尺度信息和人数信息。实验结果表明,自适应叠合分割算法能够与现有深度神经网络对象检测模型相结合,并且相较于直接利用深度神经网络对象检测模型进行人数统计的方法, 该结合方法可以大幅提高人数统计的准确率。     

基于骨架特征的人数统计

针对视频监控中行人在运动中将出现部分或严重遮挡的问题,提出了一种基于人体骨架特征的人数统计算法。首先,利用形态学骨架提取算法提取初始人体骨架图;然后,剔除骨架孤立点和骨架伪分支,得到最优人体骨架特征;最后,通过分析骨架的人头区域特征,建立人头检测响应规则,检测行人人头个数实现人数统计。实验结果表明,该算法能够解决视频监控人物相互之间部分遮挡和严重遮挡问题,针对相对稀疏的场景该算法人数统计准确率为95%左右。     

特征回归与检测结合的人数统计方法

针对目前特征回归与检测这2种主流的人流量统计方法的不足,提出一种基于特征回归与检测结合的人数统计方法.对于视频帧的远景区域,采用背景分割的方法提取出前景块,将前景块中的特征通过贝叶斯多核支持向量回归方法估计出人数;对于近景区域提取HOG特征,采用弱标签结构训练出模型,并采用星型结构混合模型级联检测实现行人的准确定位并统计出人数.在视频数据库上的实验结果表明,该方法不仅能够较准确地实现人流量的统计,在一定程度上减少统计时间,还能够准确地定位出一定尺度范围内行人的位置.     

基于RGB-D相机的实时人数统计方法

针对传统人数统计方法因遮挡、光照变化导致准确率低的问题,提出一种适用于深度图的模拟降水分水岭算法（Depth map based Rainfalling Watershed Segmentation,D-RWS）。修复深度图并用混合高斯背景建模提取前景。利用D-RWS算法分割深度图中感兴趣的行人头部区域（Region Of Interest,ROI）。采用质心欧式距离最短法关联各帧中同一目标并跟踪计数。实验结果表明：提出的方法准确率能够达到98%以上,平均每帧处理时间为25 ms（40 f/s）,准确率和实时性可满足实际应用的要求。     

一种基于双椭圆模型的视频人数统计方法

一种基于双椭圆模型的视频人数统计方法针对环境和背景较复杂的情况,实现了较密集人群和部分遮档的人流数统计。首先提取运动目标的外形轮廓,将外形拟合成椭圆,再根据先验知识在轮廓椭圆内拟合头部椭圆。如果外形和头部都能成功拟合成椭圆,就能简单确定出一个人体。当人群密集时,先将目标进行分割后,再进行基于双椭圆模型的目标识别。本方法适合镜头的垂直模式、倾抖模式、近景模式、远景模式,能够在鉴别人体与非人体的基础上统计人数。分别对静态图像和视频序列进行了仿真,结果表明,该方法能够准确地进行人数统计。     

基于HOG的快速行人计数算法

为解决智能监控中空间受限情景下的行人计数问题,设计了基于HOG的行人识别与计数算法. 通过限制HOG目标检测算法中图像的缩放范围,并设置感兴趣的检测区域,相比直接应用OpenCV函数实现的目标检测,其时间效率大幅提升;采用基于单计数线算法完成双向流量统计. 三个不同走廊环境的实验表明,本文算法具有不依赖帧间运动信息的特点,可快速稳定的对空间受限情景下的行人进行计数.     

基于自适应背景的目标跟踪算法研究

随着现在的社会发展以及经济进步,我国的科学技术方面发展迅速,特别是在技术监控方面更是突飞猛进。为了更好的对目标遮挡影响进行降低,我国在这方面主要依据自适应的技术发展背景下提出目标跟踪计算法,用来完善我国的监督控制技术。这种计算方式第一是根据对观察目标的基本外观形态进行的鉴定与跟踪,将其自身的运动量进行平均计算;其次是根据时空的运行方向与特征进行跟踪目标的计算,建立比较完善整体的运行模型,再根据这个运动模型以及整体的状态对监督目标进行检测与控制,这期间就会形成一种遮挡掩膜。对于掩膜是一种将程序数据等绘制成光刻板,在程序使用期间非常可靠,并且制造成本比较低,使用方便;最后是在不同的使用情况下将不同参数进行收集,自动的适应运动模型的运行。针对这种计算方式的实验主要是利用两种在国际上经常使用的CAVIAR、York数据进行测试,并且根据这两种数据对测试的精准度与多重目标跟踪等进行评定,检测跟踪的整体性能。通过多方面的研究表明这种方式的跟踪的性能非常好,并且还能很好的将跟踪目标的鲁棒性进行遮挡。     

基于CPLD的单光子计数系统研究

介绍基于CPLD和USB接口的单光子计数系统,通过软硬件技术的结合,实现对超短脉宽的光脉冲信号的采集和输出.系统采用CPLD芯片、单片机和USB接口芯片,进行高速数据的采集,并在计算机中使用图形界面显示和控制,操作更为方便.实验证明,系统具有响应速度快、低成本、低功耗、可靠性高等优点.     

基于格局检测的模型计数方法

模型计数是指求出给定命题公式的模型数,是SAT问题的泛化.模型计数在人工智能领域取得了广泛应用,很多现实问题都可以规约为模型计数进行求解.目前,常用的模型计数求解器主要有Cachet与sharp SAT,它们均采用完备方法且具有高效的求解能力,但其求解效率对模型数不敏感.有理由猜测:当给定问题的模型较少时,不完备算法可能发挥其效率优势而更适合模型计数.局部搜索是求解SAT问题的高效不完备方法,Cai等人提出了格局检测策略,并将其应用到局部搜索方法中,提出了SWcc算法,具有很高的求解效率.对SWcc算法进行扩充,分别得到了迭代法与优化后的增量法两种效率较高的不完备模型计数方法,给出了两种方法的思路和具体实现.最后给出了大量测试样例的实验结果,以验证当给定合取范式的模型较少时,该迭代法与优化后的增量法的求解效率有所提升.     

基于概念统计的英文自动文摘研究

文章提出了一种基于概念统计和语义层次分析的自动文摘方法,并以此实现了一个英文自动文摘系统。系统利用WordNet对英文文章进行词语分析,用概念统计的方法选取文章的主题概念,以此构建向量空间模型;并根据主题概念在概念层次树上的分布划分意义块,以意义块为单位抽取文摘,初步解决多主题文章的文摘结构不平衡问题。该文主要介绍概念层次树的构造,主题概念的抽取步骤,句子重要度的计算和意义块的划分算法。测试表明该文提到的方法比传统的基于词频统计的方法有更高的召回率与精确率。     

基于图像连通区域面积的成捆棒材自动计数方法

提出了一种基于图像连通区域面积的成捆棒材自动计数方法。该方法首先对获取的棒材图像进行灰度化、滤波和图像分割处理,然后对分割图像中的连通区域分类:小于基本面积的区域视为噪声区域,介于基本面积和阈值面积之间的区域视为一支棒材区域,大于阈值面积的区域表示多支棒材粘连区域。对于多支棒材粘连区域,采用区域面积除以标准面积得到棒材支数。最后将所有连通区域的棒材支数求和即可得到图像中全部棒材的支数。该方法应用于13幅成捆棒材图像计数实验时所得误差均小于3%。     

基于背景抑制与上下文感知的人群计数网络

针对图像背景噪声、透视畸变等影响人群计数网络计数精度的问题,提出一种基于背景抑制与上下文感知的新网络。利用VGG-16网络提取图像特征,并分别将特征输入密度图生成模块和背景噪声抑制（BNS）模块中进行处理,生成密度特征图和空间注意力图。使用BNS模块优化密度特征图并生成初级密度图,以抑制图像中背景噪声干扰,提高人群区域的特征权重。为减少透视畸变对人群密度估计的影响,使用上下文感知增强网络优化初级密度图,并生成预测密度图。在ShanghaiTech、UCF-CC-50及UCF-QNRF 3个公开数据集上的实验结果表明,该网络相较于MCNN、SwitchCNN、CSRNet等网络的计算准确度较高,尤其在UCF-QNRF数据集上其平均绝对误差和均方误差分别为85.8、146.0,相较于其他网络最高分别下降69.0%和67.2%,能充分抑制图像背景噪声并有效减小透视畸变引起的误差,具有良好的泛化能力和较强的鲁棒性。