目录
饭堂人群密度检测4
一、选题背景4
二、方案论证(设计理念)4
1、硬件摄像4
1.1方案15
1.2方案25
1.3方案优劣选择5
2、网页终端5
2.1设计原理5
2.2方案选择5
2.3实现的功能6
2.4系统的安全性6
2.5数据的完整性6
2.6应用的运行环境7
2.7性能7
3、核心算法7
3.1设计要求7
3.2手动提取特征回归人数7
3.3深度卷积神经网络8
三、过程论述10
1、硬件摄像11
1.1方案
1.2方案
2、应用终端12
2.1项目架构12
2.2组件结构14
2.3页面切换与路由跳转16
3、核心算法18
3.1手动提取特征18
3.2MSCNN19
四、结果分析24
1、硬件摄像24
1.1方案
1.2方案
2、应用终端26
3、核心算法29
手动提取特征29
MSCNN30
五、课程设计总结32
1、硬件摄像33
2、应用终端33
3、核心算法34
手动提取特征34
MSCNN34
参考文献36
六、附录37
1、硬件摄像37
1.1方案
1.2方案
2、应用终端38
3、核心算法38
手动提取特征应用代码38
MSCNN应用代码39
饭堂人群密度检测
一、选题背景
在这个人工智能快速发展的时代，智能交通、智能机器人等人工智能化产品不断出现。作为人工智能的重要分支，计算机视觉起到了重要作用。它通过一系列的图像处理与模式识别手段，模拟现实世界中的生物视觉系统，并对捕捉到的图像进一步处理以满足不同领域的需求。
本项目从生活细节出发，将计算机视觉应用在饭堂人数检测上，结合软硬件设施：算法基于深度卷积神经网络模型，硬件基于树莓派RaspberryPi3ModelB，终端为WebAPP或者