[發明專利]一種基于雙攝頭的列車車廂人群密度估計方法

有效

• 申請號: 201810408662.0
• 申請日: 2018-04-28
• 公開（公告）號: CN110414301B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 陳漢嶸;謝曉華;韋寶典
• 申請（專利權）人: 中山大學
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/764;G06V10/82;G06N3/0464;G06N3/047;G06N3/048;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于雙攝頭的列車車廂人群密度估計方法，其特征在于，包括如下步驟：

S10準備訓練樣本：建立包含4個參數共享的卷積層和5個全連接層的神經網絡，輸入同一車廂內相同時刻的兩個不同視角的視頻幀，訓練具有密度等級的標簽的樣本，其中卷積層用于提取視頻的特征向量，全連接層用于將卷積層所提取出的特征向量按密度等級進行分類；

所述5個全連接層包括FC5、FC6、FC7、FC8和Softmax層，第四個Conv層輸出雙攝頭的兩張36×58×8的特征圖，分別輸入到全連接層FC5_0和FC5_1，得到兩組1024維的特征向量；兩組向量分別輸入到FC6_0層和FC6_1層得到兩組512維的特征向量，接著兩組512維的特征向量進行相加操作得到新的一組512維特征向量；該新的一組512維特征向量輸入到FC7層得到256維的特征向量；再將該256維的特征向量輸入到FC8層得到128維的特征向量；最后將該128維的特征向量輸入到Softmax層得到一組5維的概率向量；

S20神經網絡訓練：數次迭代優化訓練神經網絡；

S30應用階段：截取雙攝頭拍攝的當前列車車廂的視頻幀分別輸入至優化后的神經網絡，將兩視頻幀進行加權融合，得到當前列車車廂的圖像分類結果，計算公式如下：

class＝argmax{[F(X₁；θ)+F(X₂；θ)]/2}

其中F(X_i；θ)為網絡模型的輸出，X₁,X₂分別為兩個攝像頭輸入的圖像，θ為收斂模型的參數。

2.如權利要求1所述的基于雙攝頭的列車車廂人群密度估計方法，其特征在于，所述S10中所述4個參數共享的卷積層包括第一Conv層、第二Conv層、第三Conv層和第四Conv層，所述第一Conv層的卷積核大小為9×9，步長為1，卷積核數目是16個，圖像輸入第一Conv層生成16個特征圖，接上線性整流函數Relu層和最大值池化Max-pooling層后，輸出大小為288×464×16的特征圖。

3.如權利要求2所述的基于雙攝頭的列車車廂人群密度估計方法，其特征在于，所述第二Conv層的卷積核大小為7×7，步長為1，卷積核數目是32個，圖像輸入第二Conv層生成32個特征圖，接上Relu層和Max-pooling層，輸出大小為144×232×32的特征圖。

4.如權利要求2所述的基于雙攝頭的列車車廂人群密度估計方法，其特征在于，所述第三Conv層的卷積核大小為7×7，步長為1，卷積核數目是16個，圖像輸入第三Conv層生成16個特征圖，再接上Relu層和Max-pooling層，輸出大小為72×116×16的特征圖。

5.如權利要求2所述的基于雙攝頭的列車車廂人群密度估計方法，其特征在于，所述第四個Conv層的卷積核大小為7×7，步長為1，卷積核數目是8個，圖像輸入第四Conv層生成8個特征圖，接上Relu層和Max-pooling層，輸出大小為36×58×8的特征圖。

6.如權利要求1所述的基于雙攝頭的列車車廂人群密度估計方法，其特征在于，所述密度等級包括ex-low、low、medium、high、ex-high，所述ex-low的樣本標簽為[1,0,0,0,0]，所述low的樣本標簽為[0,1,0,0,0]，所述medium的樣本標簽為[0,0,1,0,0]，所述high的樣本標簽為[0,0,0,1,0]，所述ex-high的樣本標簽為[0,0,0,0,1]，根據最后一層輸出值大小判定圖像的人群密度等級。

7.如權利要求1所述的基于雙攝頭的列車車廂人群密度估計方法，其特征在于，所述S20具體包括：

S201設置神經網絡的每個batch為一預定值，每次迭代輸入該預定值數的樣本；

S202采用gaussian初始化神經網絡卷積層的參數，采用xavier方法初始化全連接層參數，所述gaussian是高斯分布初始化為W～N(μ,σ²),其中μ＝0,σ²＝0.01，所述xavier是將參數以均勻分布的方式初始化，具體為其中n表示參數所在層的輸入維度，m則表示輸出維度；

S203使用Adam算法進行優化訓練，其中Adam算法的公式如下：

參數更新規則：

上式中，表示第t次迭代的梯度，β₁，β₂是超參數，一般設置為0.9和0.999，∈是一個很小的數值以防分母為零，一般設置成10^-8，m_t近似看做是對的期望,v_t近似看做對的期望，而和則分別是對m_t和v_t的無偏差估計；

S204利用損失函數Softmax迭代神經網絡數次，直至達到最優，所述損失函數Softmax的公式如下：

其中，左項是交叉熵代價函數，[f₁,f₂,…,f_K]為網絡的輸出向量，在本任務中K＝5,y_i表示為此次迭代中第i個樣本所對應的等級密度，右項R(W)是正則項，W表示網絡參數，λ是超參數，設置為0.0002。