[发明专利]一种基于生成对抗神经网络的人群计数方法以及系统

权利要求书

1.一种基于生成对抗神经网络的人群计数方法，其特征在于，包括：

获取源数据，对所述源数据进行标注处理，所述源数据包括预设数量的图片；

采用预设的模型创建计数模型以及判别模型；

根据所述源数据训练所述计数模型，得到第一训练模型；

分别将所述源数据以及待识别的目标数据作为输入，根据所述计数模型以及判别模型，优化所述第一训练模型，得到第二训练模型；

采用所述第二训练模型预测所述目标数据以实现人群计数。

2.如权利要求1所述的方法，其特征在于，所述采用预设的模型创建计数模型以及判别模型，包括：

所述计数模型采用VGG-16模型中的卷积层并额外添加2层空洞卷积层。

3.如权利要求2所述的方法，其特征在于，所述根据所述源数据训练所述计数模型，得到第一训练模型，包括：

获取所述源数据及其对应的标注信息；

采用随机梯度下降法对所述计数模型进行训练。

4.如权利要求2所述的方法，其特征在于，所述根据所述源数据训练所述计数模型，得到第一训练模型，包括：

根据所述计数模型的训练任务确定任务损失函数。

5.如权利要求1-4任一项所述的方法，其特征在于，分别将所述源数据以及待识别的目标数据作为输入，根据所述计数模型以及判别模型，优化所述第一训练模型，得到第二训练模型，包括：

将所述源数据及目标数据的金字塔图片区域作为输入，所述金字塔图片区域共享中心点；

所述计数模型分别根据所述源数据以及所述目标数据的金字塔图片区域，生成对应的密度图；

所述判别模型判断所述密度图的来源，所述来源包括源数据以及目标数据；

根据所述判别模型的判断结果优化所述第一训练模型。

6.如权利要求5所述的方法，其特征在于，所述金字塔尺寸比例为1,0.8,0,6,0,4。

7.如权利要求5所述的方法，其特征在于，所述根据所述判别模型的判断结果优化所述第一训练模型，包括：

采用自适应矩估计法进行优化。

8.如权利要求5所述的方法，其特征在于，还包括：

根据所述目标数据的金字塔图片区域对应的密度图，确定对抗损失函数。

9.如权利要求5所述的方法，其特征在于，还包括：

根据输入所述判别模型的密度图，确定判别损失函数以及排序损失函数。

10.一种基于生成对抗神经网络的人群计数系统，其特征在于，所述系统包括处理器以及存储器，

所述存储器用于存储可执行程序；

所述处理器用于执行所述可执行程序以实现权利要求1-9所述的人群计数方法。