本发明公开了一种基于编解码‑跳跃连接尺度金字塔网络的人群计数方法。本发明提出了一种深度卷积神经网络结构，称为ED‑SSPNet，由特征提取编码器(FEE)和特征映射解码器(DMD)两部分组成。FEE整合了尺度聚合模块中提取的特征，利用加权的跳跃连接的方式获取多尺度信息和上下文信息，保证信息不丢失。DMD采用反卷积和融合操作生成包含细节信息的特征，得到高质量的密度图，达到精确计数的目的。结果表明，这种方法具有更好的鲁棒性和自适应能力。
📄 2020104189605
📂 G06V20_52
👤 杭州电子科技大学
📅 2020-05-18
本发明提供一种基于视频图像的人群计数方法。本发明方法输入数据为连续视频帧图像，通过对采集的连续视频帧与给定的背景图像做像素减法分离冗余信息得到预处理后的输入图像；将经过预处理的图像输入基于密度分类的编码-解码网络模型中，使用主干网络提取多尺度特征，并对其进行特征融合用于密度回归给出权重；同时利用提取的多尺度特征上采样得到对应的密度估计图，最终实现不同尺度特征对应的密度图加权得到最终密度估计图。本发明提出的方法针对视频图像的人群计数，在一定程度上利用了行人间的相似性，并利用了冗余信息的过滤，不仅可以得到实时的行人计数，并且能够实时地保留背景图片。
📄 2020104305837
📂 G06K9_00
👤 杭州电子科技大学
📅 2020-05-20
本发明提供了一种基于全局上下文卷积网络的人群计数方法及系统，该方法分别提取待计数图像的低级特征图和高级特征图；对低级特征图和高级特征图分别提取多尺度特征，获得具有多尺度信息的特征图；通过对空间信息和通道信息的捕获，将全局上下文特征聚合到每个像素，得到具有上下文信息的特征图，得到像素间的远程依赖关系，使特征图包含更丰富的信息；并通过上采样和特征融合得到人群密度图，提高了人群计数精度。
📄 2021103826456
📂 G06T7_00
👤 山东师范大学
📅 2021-04-09
本发明公开了一种基于多尺度融合与分布匹配的人群计数方法及系统，所述方法包括：获取人群图像并进行预处理，建立数据集；以VGG为主干网络、引入注意力机制和多尺度特征融合模块构建多尺度分支预测模型，并基于数据集进行预训练；将预待测人群图像输入预训练的多尺度分支预测模型，生成密度图并进行人群计数。本发明可以对人群图像进行不同尺度的特征提取和融合，得到各种尺度的高级语义特征图，将前端输出的不同尺度的特征图进行通道融合生成密度图，可以兼顾不同人群密集尺度的差异，提高了人群计数的准确度。
📄 2024106223878
📂 G06V20_52
👤 中南民族大学
📅 2024-05-20
本发明公开一种复杂场景下结合跨模态信息的人群计数方法及系统，涉及计算机视觉技术领域，包括：获取待计数复杂场景下人群的RGB图像和深度图像；将RGB图像和深度图像输入优化后的深度神经网络模型中，得到估计的人群密度图；其中，深度神经网络模型包括依次连接的低层特征提取层、第一跨模态循环注意力融合层、中层特征提取层、第二跨模态循环注意力融合层、高层特征提取层、第三跨模态循环注意力融合层和人群密度图估计层；将估计的人群密度图进行逐像素相加，得到人群中人数的估计值。本发明能够避免现有人群计数方法在人群任意分布的复杂场景中准确率下降的问题。
📄 202110865293X
📂 G06T7_00
👤 燕山大学
📅 2021-07-29
本发明涉及一种跨模态人群计数方法及系统。所述方法包括：获取包括待计数人群的RGB图像和红外热图像；根据RGB图像得到RGB图像的跨模态人群分布信息注意力掩膜；分别对RGB图像和红外热图像进行特征提取操作得到RGB图像的特征表示和红外热图像的特征表示；根据跨模态人群分布信息注意力掩膜和RGB图像的特征表示得到RGB图像特征图；根据RGB图像特征图和红外热图像的特征表示得到特征图；对特征图进行卷积操作得到人群密度估计图；根据人群密度估计图得到待计数人群的总人数。本发明可以提高人群计数的准确率。
📄 2021108652624
📂 G06T7_00
👤 燕山大学
📅 2021-07-29
本发明公开了一种雾先验频域注意表征引导的雾天图像人群计数方法，包括如下步骤：将雾天场景图像输入到C1块中，得到第一初始特征图；将所述的第一初始特征图输入第一雾先验引导表征学习过程，得到第一中间特征图和第一雾天信息图；将所述的第一中间特征图输入到第二雾先验引导表征学习过程，得到高级语义特征图和第二雾天信息图；将所述的高级语义特征图输入密度图回归模块，进行密度图回归，得到估计人群密度图；将所述的估计人群密度图的像素值求和，得到估计人群计数结果。本发明能够显著降低户外场景中雾天气因素对人群计数特征提取过程的负面影响，从而提升人群计数方法在恶劣天气户外场景中的准确性、鲁棒性和普适性。
📄 2023110826498
📂 G06V20_52
👤 燕山大学
📅 2023-08-25
本发明公开了一种基于图像自适应恢复的雾天场景人群计数系统及方法，属于图像处理领域，包括获取待处理的雾天场景人群图像；将待处理的雾天场景人群图像输入到图像自适应恢复模块进行清晰化恢复；将待处理的雾天场景人群图像和清晰化图像输入到双分支特征引导模块进行初始特征提取；将雾天场景初始特征和清晰化初始特征输入到频域注意融合模块进行融合得到高级语义特征；将高级语义特征进行密度图回归，得到人群密度图；将人群密度图的像素值进行求和，得到人群计数结果，本发明可有效实现对雾天人群图像进行准确计数，在无清晰化标签的情况下对雾天图像进行针对性增强以提高模型的鲁棒性。
📄 2024100999353
📂 G06V20_52
👤 燕山大学
📅 2024-01-24
本发明提供一种人群计数模型训练方法及系统，方法包括：获取人群场景图像，并对人群场景图像的人群位置进行标注，构建训练集，并生成每一训练图像对应的标签密度图；将训练集当中的训练图像输入到特征提取模块当中进行特征提取，得到不同阶层的特征图；将特征图输入到特征聚合模块当中进行网络深层的语义信息和网络浅层的细节信息的聚合，得到聚合特征图；将聚合特征图输入到多尺度感知模块当中进行目标区域的多尺度感知，得到预测密度图；根据预测密度图和对应的标签密度图计算模型损失，并根据模型损失采用反向传播算法对网络参数进行更新迭代。本发明能够有效地解决人群计数场景中人群分布不均匀问题和目标尺度变化问题。
📄 2023105647801
📂 G06V20_52
👤 华东交通大学
📅 2023-05-19
本发明提供多模态人群计数模型训练方法、系统、存储介质及设备，方法包括获取并对人群场景图像的人群位置进行标注以获得多组训练图像，根据多组训练图像得到训练集并生成标签密度图；根据人群场景图像分别得到特征图，并根据特征图进行多模态特征融合得到融合后的特征；将融合后的特征进行自蒸馏学习并计算自蒸馏损失；将融合后的特征进行特征聚合和目标区域的多尺度感知并进行人数预测得到预测密度图；根据预测密度图和对应训练图像的标签密度图计算贝叶斯损失进而得到网络整体损失函数计算损失，进行反向传播以更新模型参数得到多模态人群计数模型。本发明可对全局上下文信息进行高效建模，增强多尺度信息提取能力。
📄 2024102702977
📂 G06V10_774
👤 通友(江西)网络技术有限公司
📅 2024-03-11
本发明涉及一种基于多尺度注意力机制的视频图像人群计数方法，与现有技术相比解决了在复杂场景干扰下难以保证人群计数精确性的缺陷。本发明包括以下步骤：人群图像的获取和预处理；真实人群密度图的生成；构建多尺度注意力机制模块；人群计数模型的构建；人群计数模型的训练；待检测视频图像的获取；视频图像人群的计数。本发明设计了多尺度注意力模块，在不同的尺度分支中嵌入注意力机制来降低模型在不同尺度下无关背景噪声的影响，同时增加模型的尺度多样性。
📄 2022110884713
📂 G06F16_587
👤 安徽建筑大学
📅 2022-09-07
本发明公开了基于跨模态的密度与亮度自适应的人群计数模型及方法，通过区域密度分布状态自适应地调整预测权重，以降低预测密度图估计不均衡度的影响，确保不同密度区域都能得到相对精确的计数结果，提高人群计数的准确性；通过亮度动态调整RGB图像与红外图像特征的融合比例，能够根据当前图像的亮度自适应地调整RGB和红外图像特征的权重，从而在亮度较低时抑制RGB特征的影响，以提高在各种光照条件下的人群计数性能，以应对不同光照条件下的计数需求。本发明大大提高了人群计数的准确性和鲁棒性，使其能够适应各种复杂环境。
📄 2024112969486
📂 G06V20_52
👤 西安邮电大学
📅 2024-09-18
柿子坊 · 知识产权运营
柿子坊知识产权运营平台