针对传统实时人群密度估计方法存在误差大、分类效果不佳等缺陷,提出了基于卷积神经网络的实时人群密度估计方法。通过对比4种常见网络结构:Alex Net、VGGNet、Goog Le Net和Res Net的准确度与实时性,选择综合性较好的Goog Le Net作为...针对传统实时人群密度估计方法存在误差大、分类效果不佳等缺陷,提出了基于卷积神经网络的实时人群密度估计方法。通过对比4种常见网络结构:Alex Net、VGGNet、Goog Le Net和Res Net的准确度与实时性,选择综合性较好的Goog Le Net作为人群密度估计的模型,利用关键帧截取技术实现人群密度的实时估计并简要分析人群密度特征图。最后用实例验证了该方法的实时性与准确度,证明了其可行性。展开更多
文摘针对传统实时人群密度估计方法存在误差大、分类效果不佳等缺陷,提出了基于卷积神经网络的实时人群密度估计方法。通过对比4种常见网络结构:Alex Net、VGGNet、Goog Le Net和Res Net的准确度与实时性,选择综合性较好的Goog Le Net作为人群密度估计的模型,利用关键帧截取技术实现人群密度的实时估计并简要分析人群密度特征图。最后用实例验证了该方法的实时性与准确度,证明了其可行性。