人群密度检测 SDK
CrowdNet模型是2016年提出的人流密度估计模型，论文为《CrowdNet: A Deep Convolutional Network for DenseCrowd Counting》，
CrowdNet模型主要有深层卷积神经网络和浅层卷积神经组成，通过输入原始图像和高斯滤波器得到的密度图进行训练，最终得到的模型估计图像中的行人的数量。
当然这不仅仅可以用于人流密度估计，理论上其他的动物等等的密度估计应该也可以。
以下是CrowdNet模型的结构图，从结构图中可以看出，CrowdNet模型是深层卷积网络（Deep Network）和浅层卷积网络（Shallow Network）组成，
两组网络通过拼接成一个网络，接着输入到一个卷积核数量和大小都是1的卷积层，最后通过插值方式得到一个密度图数据，通过统计这个密度就可以得到估计人数。
model
sdk功能：
- 计算人数
- 计算密度图
运行例子 - CrowdDetectExample
-
测试图片
crowd
例子代码：
Path imageFile = Paths.get("src/test/resources/crowd1.jpg");
Image image = ImageFactory.getInstance().fromFile(imageFile);
Criteria<Image, NDList> criteria = new CrowdDetect().criteria();
try (ZooModel model = ModelZoo.loadModel(criteria);
Predictor<Image, NDList> predictor = model.newPredictor()) {
NDList list = predictor.predict(image);
//quantity为人数
float q = list.get(1).toFloatArray()[0];
int quantity = (int)(Math.abs(q) + 0.5);
logger.info("人数 quantity: {}", quantity);
// density为密度图
NDArray densityArray = list.get(0);
logger.info("密度图 density: {}", densityArray.toDebugString(1000000000, 1000, 1000, 1000));
运行成功后，命令行应该看到下面的信息:
[INFO ] - 人数 quantity: 11
[INFO ] - 密度图 density: ND: (1, 1, 80, 60) cpu() float32
[
[ 4.56512964e-04, 2.19504116e-04, 3.44428350e-04, ..., -1.44560239e-04, 1.58709008e-04],
[ 9.59073077e-05, 2.53924576e-04, 2.51444580e-04, ..., -1.64886122e-04, 1.14555296e-04],
[ 6.42040512e-04, 5.44962648e-04, 4.95903892e-04, ..., -1.15299714e-04, 3.01052118e-04],
[ 1.58930803e-03, 1.43694575e-03, 7.95312808e-04, ..., 1.44582940e-04, 4.20258410e-04],
....
[ 2.21548311e-04, 2.92199198e-04, 3.05847381e-04, ..., 6.77200791e-04, 2.88001203e-04],
[ 5.04880096e-04, 2.36357562e-04, 1.90203893e-04, ..., 8.42695648e-04, 2.92608514e-04],
[ 1.45231024e-04, 1.56763941e-04, 2.12623156e-04, ..., 4.69507067e-04, 1.36347953e-04],
[ 5.02332812e-04, 2.98928004e-04, 3.34762561e-04, ..., 4.80025599e-04, 2.72601028e-04],
]
密度图
density
目录：
Git地址：
https://github.com/mymagicpower/AIAS
https://gitee.com/mymagicpower/AIAS
