[发明专利]基于多尺度卷积神经网络的图像人群计数方法

权利要求书

1.一种基于多尺度卷积神经网络的图像人群计数方法，其特征在于，该方法包括以下步骤：

步骤(1)、生成连续的密度图标签，将标注过的图像转化为连续的估计密度图，具体包括以下处理：

将人工标记好的人头坐标生成对应的密度图，具有N个人头标记的图像表示为如下函数：

H(x)=Σi=1Nδ(x-xi)]]>

式中，δ(x-x_i)为delta函数；x_i表示一个人头标注点所在的位置；

估计密度图F(x)表达式如下：

F(x)＝H(x)^*

；

步骤(2)、利用多尺度卷积神经网络得到预测人群的精确密度图，具体包括以下处理：

多尺度卷积神经网络经过卷积-池化-再卷积-再池化的连接得到三个卷积层，从前三个卷积层提取到不同感受野的特征，将这些特征以级联合并的方式进行融合，再经过两个卷积层输出对应的密度图；

计算该多尺度卷积神经网络的损失函数L(θ)，表达式如下：

L(θ)=I2NΣi=1N||F(xi,θ)-M(xi)||22]]>

其中，N为输入卷积神经网络的图像数量，x_i为卷积神经网络的第i幅输入图像，M(x_i)表示第i幅输入图像的精准密度图矩阵；

为卷积神经网络设置一个初始参数后，根据实际的精准密度图算出输入图片的损失L(θ)，然后在每一次优化迭代中更新整个网络的参数，直到损失值收敛到一个较小的值。