定制服务

  • 公司名称 *

  • 名称 *

  • 电话 *

  • 应用领域

  • 定制需求 *

  • 提交

  • 验证码
    看不清?换一张
    取消
    确定

图片展示

咨询电话:400-852-2968

扫    码    咨    询

 

图片展示

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

发表时间:2021-01-13 14:51:26


近年来,随着深度学习在计算机视觉领域获得广泛应用,算法框架也日渐成熟,例如基于深度神经网络的人群密度分析,通过自动学习能获得更有效的人群特征,相较于传统方法取得了一定的提高。

AI小知识

人群密度分析(MCNN)其原理为密度图回归,密度图回归是根据已知的每个人头位置,再估计该位置所在人头的大小,这样可以得到该人头的覆盖区域,通过一种方法(MCNN中采用几何自适应高斯核),将该区域转化为该区域内可能为人头的概率,该区域概率和为1(或者表示每个像素可能有多少个人),最终我们可以得到一张人群密度图。

热区分析,又称人群密度估计,为密集人群场景提供嵌入式端密集人群计数的一种方法,具有鲁棒性高、性能好的优点。

本次Demo演示,我们将采用MCNN进行人群热力估计算法,向大家展示英码软件开发团队,如何利用英码科技IVP02D人工智能工作站开发2路人群热力估计的算法应用,并列出相关数据供大家了解IVP02D的推理性能。


此次人群热力估计DEMO,基于pytorch框架研发,最多可搭载2路IPC视频编解码及算法推理;模型的分析流程如下(详情见图1):

人群热力估计流程 图1


人群热力估计 图2


首先,由IPC摄像头采集数据,通过H264数据解码为YUV数据;然后,进入IVP02D把数据做预处理,将图像转为灰度图输入推理单元,该算法支持INT8和FP16两种数据精度的模型推理;最后,图像通过HDMI输出显示热力图及人数的统计,实现人群在时间维度上的密度检测。以人群热力估计效果图举例(详情见图2),当白光越强说明该区域人流密集度越高,反之白光越暗甚至为黑色则表示人流相对稀少或无。整个DEMO模型在IVP02D上处理过程流畅,充分展示了其高算力、强性能、低功耗以及兼容性好等特点。

IVP02D智能工作站



同时,IVP02D搭载CAMBRICON寒武纪平台的芯片,与市面主流的平台相比,推理精度更高、推理耗时更短。(详情可见 图3)。

推理性能对比 图3


客户通过人群热力估计算法,可应用在视频监控、交通监测、公共安全等领域,实时了解监控区域的人群数目,防止由于人群密度过大,导致人群失控发生踩踏等危急情况;除此之外,人群热力估计也适用在商业场景,如商业广场、新零售、景区等,用于分析客户、游客等人群的热度区域检测。

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
近年来,随着深度学习在计算机视觉领域获得广泛应用,算法框架也日渐成熟,例如基于深度神经网络的人群密度分析,通过自动学习能获得更有效的人群特征,相较于传统方法取得了一定的提高。
长按图片保存/分享
0

    电话:400-852-2968              地址:广州市黄埔区科学城科研路3号A2栋3楼

售前咨询

微信公众号


Copyright @ 广州英码信息科技有限公司    All Rights Reserved  粤ICP备16023058号

在线咨询

您好,请点击在线客服进行在线沟通!

联系方式
售前客服
400-852-2968
上班时间
周一到周五
E-mail
sales@ema-tech.com
扫一扫二维码
二维码
添加微信好友,详细了解产品
使用企业微信
“扫一扫”加入群聊
复制成功
添加微信好友,详细了解产品
我知道了