摘要
本发明公开一种基于多模态图像的拥挤检测方法及装置，涉及目标检测技术领域，本方法通过采集真实地铁场景内摄像头录制的视频，获得初始视频数据，并通过处理构建图像库；通过对设定拥挤程度的图像进行文本描述，并输入文本库，完成文本信息初始化；通过设定卷积神经网络对所述图像库中的图像进行特征提取，获得图像特征向量；通过设定文本编码器对所述文本库中的所述文本信息进行特征提取，获得文本特征向量；通过CLIP多模态模型生成多模态特征表示；设置基础判断参数；基于所述基础判断参数，通过多模态拥挤检测模型对所述多模态特征表示进行检测处理，输出检测结果。本发明能够分区域，快速、准确的对拥挤度识别和检测。
