[发明专利]一种基于多特征回归式集成学习的人群密度估计方法有效
| 申请号： | 201610374700.6 | 申请日： | 2016-05-31 |
| 公开（公告）号： | CN106056078B | 公开（公告）日： | 2021-09-14 |
| 发明（设计）人： | 郑宏;张洞明 | 申请（专利权）人： | 武汉大学深圳研究院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 广东德而赛律师事务所 44322 | 代理人： | 叶秀进 |
| 地址： | 518057 广东省深圳市南山区科*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多特征回归式集成学习的人群密度估计方法，以人的头部宽度作为参照对场景帧图像进行多层次的图像分块，对块进行图像放缩和Gamma矫正以实现图像的尺度和光照一致性；利用预处理的样本构建密度估计模型，提取D‑SIFT、GLCM和GIST三种特征构建第一层支持向量机回归(SVR)粗预测模型，对粗预测结果作为新的特征构建第二层SVR细预测模型，将所有子图像的细预测结果相加根据场景设定的人数分级进行密度估计。本发明克服了场景光照变化、相机高度角度变化以及行人遮挡的问题，利用多个场景样本采取多种特征并应用回归的方式集成学习构建模型，来适用于多个不同场景以实现人群密度估计。 | ||
| 搜索关键词： | 一种 基于 特征 回归 集成 学习 人群 密度 估计 方法 | ||
【主权项】：
一种基于多特征回归式集成学习的人群密度估计方法，其特征在于，包括以下步骤：图像分块步骤：获取场景的视频监控帧图像，以人的头部宽度作为参照对场景进行多层次的图像分块，对多层次块图像进行缩放处理统一大小并经Gamma矫正预处理获得子图像样本；人群密度估计步骤：采用第一层支持向量回归模型对子图像样本的D‑SIFT、GLCM和GIST三种特征进行粗预测；将粗预测结果作为新的特征使用第二层支持向量回归模型进行细预测，将所有子图像样本的细预测结果相加，根据场景设定的人群密度分级进行密度估计。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学深圳研究院，未经武汉大学深圳研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610374700.6/，转载请声明来源钻瓜专利网。
