饭堂人群密度检测之Pythton
完整资料进入【数字空间】查看——baidu搜索"writebug"
一、饭堂人群密度检测
二、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 RaspberryPi3 Model B，终端为 Web APP 或者公众号平台，学生可以通过终端获取饭堂人数密度热力图。一方面有助于师生根据饭堂人数避开就餐高峰期，另一方面将人群密度分布数据提供给饭堂设计人员，方便做出更好的设计。此外，本项目运用计算机视觉、模式识别领域的相关理论同样对火车站、地铁站、广场等人群容易集中的场所进行人群密度估计和人数统计。
三、方案论证(设计理念)
本项目需要实现的功能为：通过手机终端实时获取饭堂人群密度信息，并具备核心算法估计人数和密度信息。初步架构为：使用智能硬件树莓派，控制摄像头获取视频或者图片并传输至服务器平台，利用服务器平台的优秀性能实现基于深度卷积神经网络的人群密度估计，若有用户使用终端请求数据，则返回人群密度数据，利用热力图或者其余指标呈现饭堂人群情况。下图为硬软件设施器件框图，本项目的工作围绕此图展开。
饭堂人群密
3.1 硬件摄像（谢博、黄坚荣）
本次实验硬件通过组员手中原有的树莓派及购入的摄像头进行摄像，作为一款信用卡大小的超小型电脑，安装好摄像头之后进行更新、设置便可以进行拍照，录影。
3.1.1 方案 1
Crontab 定时任务每分钟执行一次拍照和上传，树莓派通过 raspistill 命令拍照，Python 程序上传到七牛云，服务器可通过命令行工具 qshell 下载到服务端。
3.1.2 方案 2
Crontab 定时任务每分钟执行一次拍照和上传，树莓派通过 raspistill 命令拍照，编写基于 http 协议的 Python 程序将图片上传到服务器端。
3.1.3 方案优劣选择
由于七牛云是图床，云端除了上传图片不能做其他事情，得重新下载到服务端，所以采取步骤，费时较少的方案 2。
