[发明专利]一种基于图像的人群计数方法及设备

权利要求书

1.一种基于图像的人群计数方法，其特征在于，包括：

将待分析图像输入包含多层卷积层以及特征融合层的神经网络，所述多层卷积层按照卷积层的层次顺序划分为多个不同的特征提取子网络；

通过所述特征融合层对各所述特征提取子网络的输出特征进行尺度归一化处理，并将所述尺度归一化处理后的输出特征结合各输出特征对应的加权系数生成所述待分析图像的人群密度图，所述加权系数由所述特征融合层在所述神经网络的训练阶段学习所得；

对所述人群密度图进行积分以确定所述待分析图像中的人数；

所述方法还包括：

向所述神经网络同时输入样本图像以及与所述样本图像尺寸相同的真实人群密度图；

针对每个所述特征提取子网络，固定已完成训练的特征提取子网络的卷积层；将所述真实人群密度图下采样为与所述特征提取子网络对应的尺度，对所述特征提取子网络进行训练；

将所述真实人群密度图下采样为均值尺度，对所述神经网络中剩余的网络层进行调整，其中，所述均值尺度为各所述特征提取子网络对应尺度的均值。

2.如权利要求1所述的方法，其特征在于，

在将待分析图像输入包含多层卷积层以及特征融合层的神经网络之前，还包括：

获取当前场景下的测试图像，对所述测试图像进行灰度图转换以及伽马校正，将经过所述灰度图转换以及伽马校正后的所述测试图像均匀划分为多块子图像，并依次将各所述子图像作为所述待分析图像；

在对所述人群密度图进行积分以确定所述待分析图像中的人数之后，还包括：

将各所述子图像的人数之和作为所述测试图像中的人群总数。

3.如权利要求2所述的方法，其特征在于，通过所述特征融合层对各所述特征提取子网络的输出特征进行尺度归一化处理，并将所述尺度归一化处理后的输出特征结合各所述尺度归一化处理后的输出特征的加权系数生成所述待分析图像的人群密度图，具体为：

将各所述特征提取子网络的输出特征输入所述特征融合层，以转换为尺度一致的所述尺度归一化处理后的输出特征；

接收所述特征融合层输出的融合特征，并将所述融合特征作为所述人群密度图；

其中，所述融合特征为各个所述尺度归一化处理后的输出特征与对应的加权系数的乘积的总和。

4.如权利要求1-3任一项所述的方法，其特征在于，

在所述多层卷积层中按照卷积层的层次顺序，分别提取第一数量层数的卷积层构成第一特征提取子网络，提取第二数量层数的卷积层构成第二特征提取子网络，提取第三数量层数的卷积层构成第三特征提取子网络；

其中，所述第一数量层数、第二数量层数、第三数量层数的和为所述多层卷积层的总层数。

5.如权利要求4所述的方法，其特征在于，所述针对每个所述特征提取子网络，固定已完成训练的特征提取子网络的卷积层；将所述真实人群密度图下采样为与所述特征提取子网络对应的尺度，对所述特征提取子网络进行训练，具体为：

将所述真实人群密度图下采样为第一尺度的大小，用于训练所述第一特征提取子网络的卷积层；

固定所述第一特征提取子网络的卷积层，将所述真实人群密度图下采样为第二尺度的大小，用于训练所述第二特征提取子网络的卷积层；

固定所述第一特征提取子网络以及所述第二特征提取子网络的卷积层，将所述真实人群密度图下采样为第三尺度的大小，用于训练所述第三特征提取子网络的卷积层；

所述将所述真实人群密度图下采样为均值尺度，对所述神经网络中剩余的网络层进行调整，具体为：

将所述真实人群密度图下采样为所述第一特征提取子网络、所述第二特征提取子网络以及所述第三特征提取子网络的均值尺度的大小，用于对所述特征融合层以及各所述特征提取子网络中的后两层卷积层进行调整。