基于深度学习的人群密度估计方法

技术特征：

1.一种基于深度学习的人群密度估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的人群密度估计方法，其特征在于，所述s1步骤包括以下步骤：

3.根据权利要求2所述的基于深度学习的人群密度估计方法，其特征在于，所述s2步骤包括以下步骤：

4.根据权利要求3所述的基于深度学习的人群密度估计方法，其特征在于，所述s3步骤包括以下步骤：

5.根据权利要求4所述的基于深度学习的人群密度估计方法，其特征在于，所述s4步骤包括以下步骤：

6.根据权利要求5所述的基于深度学习的人群密度估计方法，其特征在于，所述s5步骤包括以下步骤：

7.根据权利要求6所述的基于深度学习的人群密度估计方法，其特征在于，

8.根据权利要求7所述的基于深度学习的人群密度估计方法，其特征在于，所述s6步骤包括以下步骤：

9.根据权利要求8所述的基于深度学习的人群密度估计方法，其特征在于，所述s7步骤包括以下步骤：

10.根据权利要求9所述的基于深度学习的人群密度估计方法，其特征在于，所述s8步骤包括以下步骤：

技术总结
本发明涉及人群密度估计，尤其涉及一种基于深度学习的人群密度估计方法。本发明通过使用深度学习技术进行人群密度估计，通过收集图像数据集并进行预处理，利用ResNet网络模型提取人群特征，再使用U‑net结构生成人群密度图。通过设计损失函数进行训练得到第二ACSCP模型，并使用该模型处理新的待处理图像，输出第三密度图。最后使用均方根误差评估第三密度图的准确性。这种基于深度学习的人群密度估计方法通过预处理图像数据、利用深度网络提取人群特征和生成人群密度图、设计合理的损失函数、训练和评估模型，能够以高准确性估计人群密度，同时还能改善数据质量、优化模型结构和参数，并提供客观的评估标准。

技术研发人员：周慧波,李萍,王智
受保护的技术使用者：哈尔滨师范大学
技术研发日：
技术公布日：2024/5/10