[发明专利]一种改进型PCCNN神经网络模型的人群聚集检测方法

摘要

本发明涉及一种改进型PCCNN神经网络模型的人群聚集检测方法，首先，收集各类远近视角的人群聚集分段序列图片，并对收集的数据集进行扩充；然后，利用扩充后的数据集对一个多深度的并行交叉神经网络进行训练，该网络由三个深度不同的子神经网络组成，三个子网络的初始训练参数利用不同远近视角的分类集独立训练得到；最后，用训练好的模型对目标视频的采样帧进行分析，得到相应的密度图。通过对密度图分别进行人群分布区域的提取和分布数量的估算，同时结合人群聚集加权中心矩的计算，从而判定是否存在人群聚集的行为。本发明方法可以对视频中的人群聚集行为作出准确的判别，且具有较其他检测方法更好的抗干扰性和可扩展性。

主权项

一种改进型PCCNN神经网络模型的人群聚集检测方法，其特征在于，包括以下步骤：(1)收集不同远近视角下的人群聚集分段序列图像并进行扩充后作为训练集，将训练集中的图像根据与摄像机的距离分为离摄像机近的、离摄像机适中的以及离摄像机远的A、B、C三类，并向训练集中添加无人的D类背景图像；(2)构建由三个深度不同的子神经网络组成的并行交叉神经网络模型，其中，第一个子网络深度>第二个子网络深度>第三个子网络深度；(3)分别以A、B、C类为正样本，其余三类总和为负样本依次训练第一个子网络、第二子网络、第三子网络响应的正样本分类正确率达设定阈值以上，将得到的参数作为并行交叉神经网络模型中子网络的初始训练参数；在确定三个子网络的初始训练参数后将ABCD四类图片作为输入对并行交叉神经网络模型进行训练，从而获得最终的神经网络模型；(4)用训练好的模型对目标视频的采样帧进行分析，得到相应的密度图；(5)通过对密度图分别进行人群分布区域的提取和分布数量的估算，同时结合人群聚集加权中心矩的计算，从而判定是否存在人群聚集的行为。