基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測方法
本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測方法,首先對待檢測視頻進(jìn)行預(yù)處理,分段并提取運(yùn)動(dòng)殘差圖像,將原始圖像與運(yùn)動(dòng)殘差圖像組合作為卷積神經(jīng)網(wǎng)絡(luò)算法的輸入,建立至少包含一個(gè)卷積層和最大池化層的特征提取塊,處理并計(jì)算原始圖像和運(yùn)動(dòng)殘差圖像中包含的人群狀態(tài)特征,再將人群狀態(tài)特征和運(yùn)動(dòng)特征結(jié)合,構(gòu)建至少包含一個(gè)卷積層、最大池化層和全連接層的特征融合塊,進(jìn)行融合處理,同時(shí)構(gòu)建分類器,使用預(yù)制的帶有擁擠程度標(biāo)簽的訓(xùn)練集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使分類器對待測視頻中的乘客擁擠程度進(jìn)行正確檢測,更加全面的表征監(jiān)控視頻中的客流狀況,實(shí)現(xiàn)擁擠程度的檢測,提高了算法檢測的準(zhǔn)確率。
東南大學(xué)
2021-04-13