[发明专利]一种基于图像的人群计数方法及设备

说明书

本发明公开了一种基于图像的人群计数方法及设备。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后，通过特征融合层对各特征提取子网络的输出特征进行尺度归一化处理，并将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待分析图像的人群密度图，最后对人群密度图进行积分以确定待分析图像中的人数。该方案可基于单张图像统计人群总数，准确率高，场景适应性好，能够同时满足密集人群计数和稀疏人群计数，能够极大减少统计人员的工作负担。

技术领域

本发明涉及图像分析技术领域，特别涉及一种基于图像的人群计数方法。本发明同时还涉及一种基于图像的人群计数设备。

背景技术

随着社会经济的飞速发展，城市公共建设日益完善，公共场所的人群大量聚集现象越来越严重，规模越来越大。人群计数是智能监控技术的重要组成部分，对维护社会稳定，防止公共场所人群拥堵、非法聚集有着重要作用。

常用的密集人数统计方法先在前景分块的基础上提取特征，然后利用特征进行回归，从而确定密集场景中的人数。受视角的影响，离摄像头近的人比远处的人占更多的像素，即透视现象，所以在提取特征前需要对图像进行视角归一化，从而提高回归的准确性。不同于目标检测，回归无法准确定位目标的位置，但是通过回归方法可以估计密集人群的总数。而这类方法通常存在以下三点缺陷：

一、依赖前景分块提取的运行区域，无法确定大场景中移动缓慢的人群，前景分块的准确性也影响了人群计数的准确性；

二、需要事先构造不同场景视角图，导致了算法对未知场景的适应性不佳；

三、稀疏人群统计准确率低。

传统的人群计数方法利用目标检测定位每个行人位置，然后通过统计检测到的行人数量确定人群总数。但是现有的目标检测算法基本无法检测密集人群中小尺度人头或者被遮挡的行人，所以传统的人群计数方法无法适用于密集人群计数。有鉴于此，现有技术中提出了以下两种常用密集人数计数方案：

(1)基于多列卷积神经网络的单张图像人群计数

该方案将测试图分别输入三个子网络，每个子网络包含四层卷积层和两层池化层，每列卷积网络使用的卷积核大小不同，三个子网络输出的特征图直接连接，然后再用一个1*1的卷积核生成单张人群密度图，该密度图的积分结果即为图像中的人群总数。

发明人在实现本发明的过程中发现，该方案中每个子网络只进行了四次卷积，最终提取的特征不佳，无法区分人群和纹理丰富的背景区域，如树林等。其次，该方案对图像尺度敏感，当测试图像和训练集图像尺寸相差较大时，人群计数准确率迅速下降。此外，该方案需要手动选择高斯核用于产生真实(Ground Truth)密度图，高斯核的大小影响了回归的准确性，所以该方案场景适应性不佳，也无法同时适用于密集人群和稀疏人群。

(2)基于深度学习的密集人数估计方法

该方案将测试图按原始图像宽高比分块，然后归一化为32*32的像素块，将像素块送入由三层卷积层和一层全连接层构成的网络中，网络输出结果即为该像素块所包含的人数，对所有像素块的预测结果求和，所得结果即为测试图中包含的总人数。

发明人在实现本发明的过程中发现，该方案将图像分块，并将其尺寸归一化为32*32，导致了图像发生变形，回归的准确性较差；其次，该方案中用于回归的特征图为网络全连接层输出的100维特征，该特征丢失了位置信息，无法准确回归人群密度图；此外，该方案构造的网络只有三层卷积，网络太浅，所得特征不佳，无法准确区分人群和背景。

发明内容

本发明提供了一种基于图像的人群计数方法，用以对各种不同场景下的采集图像中的人群总数进行准确的统计，该方法包括：

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；