-
公开(公告)号：CN112989952B
公开(公告)日：2022-10-18
申请号：CN202110191225.X
申请日：2021-02-20
Applicant: 复旦大学
Abstract: 本发明提供了一种基于遮罩引导的人群密度估计方法，属于深度学习领域，其特征在于，包括如下步骤：步骤S1，对待测图像进行预处理获得预处理图像；步骤S2，搭建基于遮罩引导机制卷积神经网络模型；步骤S3，将包含多张训练图像的训练集输入步骤S2搭建的卷积神经网络模型，对该卷积神经网络模型进行训练得到训练完成的卷积神经网络模型；步骤S4，将预处理图像输入步骤S3训练完成的卷积神经网络模型，得到各个预处理图像中的人群密度结果并进行输出，其中，卷积神经网络模型包括遮罩引导模块以及分块预测模块，遮罩引导模块将预处理图像根据人群密度的稠密程度进行分层，再将多个图层分别对应输入分块预测模块中的多个与稠密程度相对应的预测网络层。
-
公开(公告)号：CN110852267B
公开(公告)日：2022-06-14
申请号：CN201911095764.2
申请日：2019-11-11
Applicant: 复旦大学
Abstract: 本发明的目的在于提供一种能够减小图像模糊带来的不良影响、减小人群群体特征干扰信息的人群密度估计方案，具体提供了一种基于光流融合型深度神经网络的人群密度估计方法及装置。其中，光流融合型深度神经网络模型包括空洞卷积子网络以及注意力子网络，空洞卷积子网络以及注意力子网络各含有多个卷积层，位于空洞卷积子网络中的多个卷积层以及位于注意力子网络中的至少一个卷积层相互配合形成不同的融合模块，模型中包含多个与融合模块分别对应的连接层，用于将各个融合模块中的注意力子网络数据流经归一化后矩阵加权到空洞卷积子网络数据流后得到的特征空间。
-
Patent Agency Ranking
公开(公告)号：CN112818907A
公开(公告)日：2021-05-18
申请号：CN202110198582.9
申请日：2021-02-22
Applicant: 复旦大学
Abstract: 本发明提供了一种基于课程学习机制的人群密度估计方法及装置，用于对与人群场景相关的待测图像进行人群密度估计得到人群密度结果，其特征在于，包括如下步骤：对训练数据集预处理得到预处理数据；构建基于课程学习机制的卷积神经网络模型，该卷积神经网络模型中包括主网络模块以及辅助网络模块；将预处理数据输入卷积神经网络模型，主网络模块从预处理数据中提取到预测密度图，辅助网络模块从预处理数据中提取到权重图；根据实际值、预测密度图以及权重图更新训练卷积神经网络模型得到训练好的卷积神经网络模型，并将其中的主网络模块作为人群密度估计模型；对待测图像预处理并输入人群密度估计模型从而得到人群密度结果。
-
公开(公告)号：CN112818904A
公开(公告)日：2021-05-18
申请号：CN202110198257.2
申请日：2021-02-22
Applicant: 复旦大学
Abstract: 本发明提供了一种基于注意力机制的人群密度估计方法及装置，用于对人群场景相关的待测对象进行人群密度估计得到人群密度预测结果，其特征在于，包括如下步骤：对训练集预处理得到预处理数据集；构建包括编码模块以及具有注意力模块的解码模块的神经网络模型；将预处理数据集输入神经网络模型，编码模块从预处理数据集中提取到特征图，解码模块对特征图还原得到预测结果；根据真实结果以及预测结果训练优化得到训练好的神经网络模型并作为人群密度预测模型；对待测对象进行处理并输入人群密度预测模型得到密度图，根据该密度图得到人群密度预测结果。其中，解码模块中包括卷积层以及紧随其后的注意力模块，该注意力模块包括用于获取通道注意力的通道注意力层以及获取空间注意力的空间注意力层。
-
公开(公告)号：CN110852267A
公开(公告)日：2020-02-28
申请号：CN201911095764.2
申请日：2019-11-11
Applicant: 复旦大学
Abstract: 本发明的目的在于提供一种能够减小图像模糊带来的不良影响、减小人群群体特征干扰信息的人群密度估计方案，具体提供了一种基于光流融合型深度神经网络的人群密度估计方法及装置。其中，光流融合型深度神经网络模型包括空洞卷积子网络以及注意力子网络，空洞卷积子网络以及注意力子网络各含有多个卷积层，位于空洞卷积子网络中的多个卷积层以及位于注意力子网络中的至少一个卷积层相互配合形成不同的融合模块，模型中包含多个与融合模块分别对应的连接层，用于将各个融合模块中的注意力子网络数据流经归一化后矩阵加权到空洞卷积子网络数据流后得到的特征空间。
-
公开(公告)号：CN112989952A
公开(公告)日：2021-06-18
申请号：CN202110191225.X
申请日：2021-02-20
Applicant: 复旦大学
Abstract: 本发明提供了一种基于遮罩引导的人群密度估计方法，属于深度学习领域，其特征在于，包括如下步骤：步骤S1，对待测图像进行预处理获得预处理图像；步骤S2，搭建基于遮罩引导机制卷积神经网络模型；步骤S3，将包含多张训练图像的训练集输入步骤S2搭建的卷积神经网络模型，对该卷积神经网络模型进行训练得到训练完成的卷积神经网络模型；步骤S4，将预处理图像输入步骤S3训练完成的卷积神经网络模型，得到各个预处理图像中的人群密度结果并进行输出，其中，卷积神经网络模型包括遮罩引导模块以及分块预测模块，遮罩引导模块将预处理图像根据人群密度的稠密程度进行分层，再将多个图层分别对应输入分块预测模块中的多个与稠密程度相对应的预测网络层。
-
公开(公告)号：CN114429665A
公开(公告)日：2022-05-03
申请号：CN202210111154.2
申请日：2022-01-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于深度学习的区域行人轨迹重构装置及方法，该轨迹重构装置具有行人检测模块、行人重识别模块以及行人轨迹重构模块，行人检测模块能够对采集到的监控视频RTSP数据流进行行人检测，由行人重识别模块将检测到的行人与数据存储更新模块存储的行人图像进行相似度比对，并根据比对成功的行人生成轨迹记录信息，然后经行人轨迹重构模块将该轨迹记录信息与存储的轨迹数据进行整理后按时序重构出该行人的轨迹图，最终由结果显示模块显示该轨迹图供分析人员查看，由于采用了深度学习方法对海量监控视频数据中的行人信息进行获取、检测分析以及利用视频数据的特征信息重构出行人轨迹，从而实现了对海量监控视频数据的高效处理以及智能化监测。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
