基于深度学习的人员密度检测方法及检测系统
基本信息
申请号 | CN202111465837.X | 申请日 | - |
公开(公告)号 | CN114170568A | 公开(公告)日 | 2022-03-11 |
申请公布号 | CN114170568A | 申请公布日 | 2022-03-11 |
分类号 | G06V20/52(2022.01)I;G06V10/46(2022.01)I;G06V10/762(2022.01)I;G06K9/62(2022.01)I;G06T7/80(2017.01)I;G06T3/00(2006.01)I | 分类 | 计算;推算;计数; |
发明人 | 毛熙皓;廖长明;敬志坚;庄永忠;张翔;卢建伟;刘锐;张鑫蕊;涂雄伟;王帅 | 申请(专利权)人 | 成都鼎安华智慧物联网股份有限公司 |
代理机构 | 北京天奇智新知识产权代理有限公司 | 代理人 | 王大刚 |
地址 | 610096四川省成都市高新区天府大道中段177号18栋1单元2层4号 | ||
法律状态 | - |
摘要
摘要 | 本发明公开了基于深度学习的人员密度检测方法及检测系统,涉及目标检测技术领域,方法包括S1确定摄像头的内参和外参,将摄像头当前帧做仿射变换导入RTM3D网络模型;S2将摄像头的当前帧生成热点图,请将其传入检测头部;S3将热点图进行分类回归,生成8个三维框顶点和三维框中心点的分类回归,S4将8个三维框顶点和三维框中心点回归映射在摄像头的当前帧,S5生成目标在世界坐标系中的x、y坐标,S6生成所有目标的聚类中心点,计算中心点检测内的人员数量得到人员密度;通过图片进行实时人员密度计算,与现有的3D目标检测技术相比,硬件成本更低且计算速度更快,与现有的2D目标检测技术相比可提供三维空间下的人员密度计算,提供的位置信息更加准确。 |
