基于深度学习和特征点数量的人数统计方法

为解决动态场景下不同密度人群的高精度人数统计问题,结合直接检测和回归方法的特点,构建了基于深度学习和特征点数量的人数统计方法。该方法引用基于深度学习的检测和语义分割的方法,检测出图片中人群位置,使用迪里赫雷特混合模型将检测结果聚类,采用基于特征点的方法统计人群数量。在低密度数据段采用低通滤波器的方法平滑平均数据,高密度数据段则设计了聚合三帧预计数结果与帧内检测框平均置信度的数据融合方法融合数据。实验证明,该方法在动态场景人群密度变化的情况下能更准确地统计人数。

应用超分辨率重建算法的图像匹配算法

图像场景中提取特征数量较少,难以满足三维重建对特征匹配的要求,为此提出基于超分辨率重建的特征提取算法。采用回归学习对低分辨率图像进行重建,对重建结果采用图像先验知识优化,获取较高分辨率图像,对高分辨率图像进行特征提取。实验结果表明,相较重建前图像平均提高6倍以上特征点数量,提高5倍以上匹配点数量,该算法能够提高提取特征点的数目,满足三维重建等需要较多特征点的情况。