前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >MSCNN算法:饭堂人群密度检测实现

MSCNN算法:饭堂人群密度检测实现

作者头像
机器学习AI算法工程
发布2019-10-28 15:56:17
1.6K0
发布2019-10-28 15:56:17
举报
文章被收录于专栏:机器学习AI算法工程
描述:

将应用合成在公众号上,获取饭 堂人群密度信息,帮助同学可以合理安 排出门时间、饭堂管理人员合理规划布局。

推广:

广场、公交站、地铁、游乐园等 人类流动场所,组建智能交通系统;农 场鸡鸭猪、山林鸟兽等动物流动场所,构造智能养殖系统。

实现架构

概括工作

寻找合适的网络实现人群密度估计,终选用MSCNN作为核心算法,由于笔记本显存无法训练,使用邢老师实验室提供的caffemodel,编写应用代码,预测出人群密度的二维数组,绘制热力图并生成视频。在与他人交流过程,发现网络值得优化的地方:loss方程、kernelsize等。

代码获取方式:

分享本文到朋友圈

关注微信公众号 datayx 然后回复 人群密度 即可获取。

知识准备

图像处理:《数字图像处理与机器视觉》《数字图像处理》

编程工具:python,opencv library,caffe(on windows)

参考文章:

人群密度检测-博客

http://blog.csdn.net/qq_14845119/article/category/6835127

人群密度检测-张营营

http://chuansong.me/n/443237851736

OpenCV算法

最初为方便,选择使用传统方法采集图像中的人体特征,统计人群数量,代码依赖于OpenCV。

Haar

Haar特征也称Haar-like特征,是一种简单且高效的图像特征,基于矩形区域相似的强度差异Haar小波。Haar特征的特点为:高类的可变性;低类的可变性;而向局部的强度差异;多尺度不变性;计算效率高。

参考文章:

HOG特征&LBP特征&Haar特征

http://dataunion.org/20584.html

级联

OpenCV在物体检测上使用的是基于haar特征的级联表,级联将人脸检测过程拆分成了多个过程。在每一个图像小块中只进行一次粗略的测试。如果测试通过,接下来进行更详细的细节测试,依次重复。检测算法中有30至50个这种过程或者级联,只有在所有过程成功后才会最终识别到人脸。

分类器

人们采用样本的haar特征训练出分类器,级联成完整的boost分类器,实现时分类器即数据组成的XML文件,OpenCV也自带了一些已经训练好的包括人眼、人脸和人体的分类器(位于OpenCV安装目录\data\haarcascades目录下,分类器是XML类型的文件)。

参考文章:

浅析人脸检测之Haar分类器方法

http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html

实现

使用python更加方便简洁,硬件选择PC或者Raspberry Pi,算法将读取图片并标注方框在人脸特征,改换haarcascades可用于其余特征。

参考文章:

25行Python代码完成人脸识别

https://python.freelycode.com/contribution/detail/36

借助摄像头在Python中实现人脸检测

https://python.freelycode.com/contribution/detail/37

完整代码在opencvdetect文件夹。

MSCNN算法

MSCNN参考googlenet的inception结构而利用多尺度卷积核群,提取图像中丰富的人群密度信息,并使用全卷积网络直接得到人群密度图。MSCNN主要的优点是提取多尺度特征、单列网络参数少且易于训练,具体思想与优点参考论文《MULTI-SCALE CONVOLUTIONAL NEURAL NETWORKS FOR CROWD COUNTING》,网络结构可见

http://ethereon.github.io/netscope/#/gist/f7cd1ebe4319fc80dc8cc27827e097f4

整个网络主要使用上海科技大学张营营其实验室的人群密度数据集,此处有训练好的caffemodel。

文件说明:

  • predictCam.py用于抓取PC摄像头拍摄外界并进行人群密度估计
  • predictImg.py用于对单张图片进行人群密度估计
  • 目前提供的文件仍不足以运行代码,原因是缺少CrowdData层源码,这份源码属于导师不敢擅自公开
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-10-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习AI算法工程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 概括工作
  • 知识准备
  • OpenCV算法
    • Haar
      • 级联
        • 分类器
          • 实现
          • MSCNN算法
          相关产品与服务
          人脸识别
          腾讯云神图·人脸识别(Face Recognition)基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景,充分满足各行业客户的人脸属性识别及用户身份确认等需求。
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档