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，例如基于深度神經網絡的人群密度分析，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域，通過一種方法（MCNN中采用幾何自適應高斯核），將該區域轉化為該區域內可能為人頭的概率，該區域概率和為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的一種方法，具有魯棒性高、性能好的優點。

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團隊，如何利用英碼科技IVP02D人工智能工作站開發2路人群熱力估計的算法應用，并列出相關數據供大家了解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，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）：

首先，由IPC攝像頭采集數據，通過H264數據解碼為YUV數據；然后，進入IVP02D把數據做預處理，將圖像轉為灰度圖輸入推理單元，該算法支持INT8和FP16兩種數據精度的模型推理；最后，圖像通過HDMI輸出顯示熱力圖及人數的統計，實現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。

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）。

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