近年來，隨著深度學習在計算機視覺領域獲得廣泛應用，算法框架也日漸成熟，例如基于深度神經(jīng)網(wǎng)絡的人群密度分析，通過自動學習能獲得更有效的人群特征，相較于傳統(tǒng)方法取得了一定的提高。

AI小知識

人群密度分析（MCNN）其原理為密度圖回歸，密度圖回歸是根據(jù)已知的每個人頭位置，再估計該位置所在人頭的大小，這樣可以得到該人頭的覆蓋區(qū)域，通過一種方法（MCNN中采用幾何自適應高斯核），將該區(qū)域轉化為該區(qū)域內可能為人頭的概率，該區(qū)域概率和為1（或者表示每個像素可能有多少個人），最終我們可以得到一張人群密度圖。

熱區(qū)分析,又稱人群密度估計，為密集人群場景提供嵌入式端密集人群計數(shù)的一種方法，具有魯棒性高、性能好的優(yōu)點。

本次Demo演示，我們將采用MCNN進行人群熱力估計算法，向大家展示英碼軟件開發(fā)團隊，如何利用英碼科技IVP02D人工智能工作站開發(fā)2路人群熱力估計的算法應用，并列出相關數(shù)據(jù)供大家了解IVP02D的推理性能。

知乎視頻?www.zhihu.com

此次人群熱力估計DEMO，基于pytorch框架研發(fā)，最多可搭載２路IPC視頻編解碼及算法推理；模型的分析流程如下（詳情見圖1）：

人群熱力估計流程 圖1

人群熱力估計 圖2

首先，由IPC攝像頭采集數(shù)據(jù)，通過H264數(shù)據(jù)解碼為YUV數(shù)據(jù)；然后，進入IVP02D把數(shù)據(jù)做預處理，將圖像轉為灰度圖輸入推理單元，該算法支持INT8和FP16兩種數(shù)據(jù)精度的模型推理；最后，圖像通過HDMI輸出顯示熱力圖及人數(shù)的統(tǒng)計，實現(xiàn)人群在時間維度上的密度檢測。以人群熱力估計效果圖舉例（詳情見圖2），當白光越強說明該區(qū)域人流密集度越高，反之白光越暗甚至為黑色則表示人流相對稀少或無。整個DEMO模型在IVP02D上處理過程流暢，充分展示了其高算力、強性能、低功耗以及兼容性好等特點。

IVP02D智能工作站

同時，IVP02D搭載CAMBRICON寒武紀平臺的芯片，與市面主流的平臺相比，推理精度更高、推理耗時更短。（詳情可見 圖3）。

推理性能對比 圖3

客戶通過人群熱力估計算法，可應用在視頻監(jiān)控、交通監(jiān)測、公共安全等領域，實時了解監(jiān)控區(qū)域的人群數(shù)目，防止由于人群密度過大，導致人群失控發(fā)生踩踏等危急情況；除此之外，人群熱力估計也適用在商業(yè)場景，如商業(yè)廣場、新零售、景區(qū)等，用于分析客戶、游客等人群的熱度區(qū)域檢測。
了解更多人群熱力估計的應用方案，歡迎點擊瀏覽官網(wǎng)。

總結

以上是生活随笔為你收集整理的人工智能 信道估计 深度学习_DEMO演示|基于IVP02D 人工智能工作站的深度学习引擎，实现人群热力估计...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。