技术特征:
技术总结
本发明公开了一种基于边界选择的人流统计的装置和方法,属于深度学习和图像处理领域。本发明通过对YOLO神经网络进行改进,即将YOLO单元的划分从7×7增加到9×9,每个单元的检测数量增加到3,再用SqueezeNet中的Fire模块分别替代YOLO‑PC神经网络中的第16个、第18个和第24个3×3的卷积层,并将Fire模块中的压缩部分的卷积核数量由128减少为96,重新训练网络,即可得到新的S‑YOLO‑PC神经网络,再利用S‑YOLO‑PC神经网络进行边界选择的人流统计,利用新的神经网络,使得其在模型大大缩小的情况下提高了其精确度,能够用于多种场合的人流检测。
技术研发人员:方伟;王林;任培铭;吴小俊;孙俊
受保护的技术使用者:江南大学
技术研发日:2018.11.23
技术公布日:2019.04.05