[发明专利]基于尺度自适应网络的人群人数计数方法及系统有效
申请号: | 201910390191.X | 申请日: | 2019-05-10 |
公开(公告)号: | CN110135325B | 公开(公告)日: | 2020-12-08 |
发明(设计)人: | 常发亮;张友梅;李南君 | 申请(专利权)人: | 山东大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06T3/40;G06T7/77 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 董雪 |
地址: | 250061 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 尺度 自适应 网络 人群 人数 计数 方法 系统 | ||
1.基于尺度自适应网络的人群人数计数方法,其特征在于,包括:
获取包含人群的原始图像,对原始图像进行缩放处理,并根据样本的人数标签生成对应的密度图;所述样本的人数标签指的是原始图像中标出的人头中心在图像中的位置;
从缩放后的图像中截取设定数量的图像块,从密度图中截取设定数量的密度图像块;
基于扩张卷积神经网络及通道注意力机制构建尺度自适应人群计数网络:所述尺度自适应人群计数网络首先由卷积层进行浅层特征提取,然后将提取的特征继续传送到堆叠的尺度扩大单元进行多尺度特征提取,所述尺度扩大单元之间采用密集连接模式;所述尺度扩大单元包括传统卷积分支和空洞卷积分支;
利用所述图像块和密度图像块训练尺度自适应人群计数网络;
利用训练完成的尺度自适应人群计数网络,计算每幅待测图像的密度图,并将密度图中的所有像素进行累加得到待测图像中的人数。
2.如权利要求1所述的基于尺度自适应网络的人群人数计数方法,其特征在于,所述根据样本的人数标签生成对应的密度图,具体为:
其中,J为图像中人群位置的个数,xi表示人头具体位置的坐标;G(·)和σi则分别表示高斯核和其方差。
3.如权利要求1所述的基于尺度自适应网络的人群人数计数方法,其特征在于,在每个尺度扩大单元后插入了通道注意力单元对特征通道分配不同的权重以针对不同的输入来加强具有合适感受野的特征通道。
4.如权利要求3所述的基于尺度自适应网络的人群人数计数方法,其特征在于,在空洞卷积分支中,采用了两层空洞卷积操作,将两个分支所提取的特征进行融合,然后传送到下个尺度扩大单元或特征提取层进行特征提取。
5.基于尺度自适应网络的人群人数计数系统,其特征在于,包括:
用于获取包含人群的原始图像,对原始图像进行缩放处理的模块;
用于根据样本的人数标签生成对应的密度图的模块;所述样本的人数标签指的是原始图像中标出的人头中心在图像中的位置;
用于从缩放后的图像中截取设定数量的图像块的模块,用于从密度图中截取设定数量的密度图像块的模块;
用于基于扩张卷积神经网络及通道注意力机制构建尺度自适应人群计数网络的模块:所述尺度自适应人群计数网络首先由卷积层进行浅层特征提取,然后将提取的特征继续传送到堆叠的尺度扩大单元进行多尺度特征提取,所述尺度扩大单元之间采用密集连接模式;所述尺度扩大单元包括传统卷积分支和空洞卷积分支;
用于利用所述图像块和密度图像块训练尺度自适应人群计数网络的模块;
用于利用训练完成的尺度自适应人群计数网络,计算每幅待测图像的密度图,并将密度图中的所有像素进行累加得到待测图像中的人数的模块。
6.一种终端设备,其特征在于,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-4任一项所述的基于尺度自适应网络的人群人数计数方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时执行权利要求1-4任一项所述的基于尺度自适应网络的人群人数计数方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910390191.X/1.html,转载请声明来源钻瓜专利网。