[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

说明书

本发明公开了一种基于尺度自适应网络的人群人数计数方法及系统，包括：获取包含人群的原始图像并将其缩放；根据缩放后的图像生成密度图并分别对图像和密度图随机截取图像块；利用图像块及每个图像块所对应的密度图块来训练尺度自适应网络；利用训练完成的尺度自适应网络，针对每幅图像输出密度图，并将密度图中的所有像素加和，最终得到原始图像中所有人数。本发明有效提升了人群计数的准确度和对人头尺寸差异及复杂背景的鲁棒性。

技术领域

本发明属于图像处理领域，尤其涉及一种基于尺度自适应网络的人群人数计数方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

人群计数(Crowd Counting)是指针对视频或图像中的人群，统计个体目标数目。近年来，基于模式识别和机器学习的人群计数被广泛的研究和应用在智能监控领域，如：机场车站等地的人流量监控及大型商场区域性人群分布等。通过监控某场所的人数能为管理机构提供实时密度信息，有效控制人流量，从而提供给管理者准确的人数及其分布信息，可防止因人群密度过大而造成的潜在危机。然而，由于人头尺寸差异，人群无规律分布以及复杂背景等问题，人群计数仍面临着很大的挑战。

发明人发现，现有的人群计数方法大部分着重在输出单一数字来表示人数，无法展示人群分布等细节信息，因此现实应用意义不大。自2015年开始，逐渐出现了输出密度图并基于密度图得到人数的人群计数方法，但应对多尺度目标及复杂背景的能力较弱，计算耗时也相对较长。

发明内容

为了解决上述问题，本发明提出一种基于尺度自适应网络的人群人数计数方法及系统，针对图像中人头尺寸差异及复杂背景设计了由基础网络、尺度扩大单元、单元密集连接模式和通道注意力单元组成的尺度自适应网络，对每幅图像输出其对应的密度图及人数。

在一些实施方式中，采用如下技术方案：

基于尺度自适应网络的人群人数计数方法，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；

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。

在另一些实施方式中，采用如下技术方案：

基于尺度自适应网络的人群人数计数系统，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；

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。

在另一些实施方式中，采用如下技术方案：