[发明专利]一种基于多尺度扩张卷积网络的人群密度估计方法及装置

说明书

本发明涉及一种基于多尺度扩张卷积网络的人群密度估计方法及装置，所述估计方法构建的卷积网络模型包括网络前端和网络后端，所述网络前端包括VGG‑16网络前10层卷积层和3层max‑pooling层，所述网络后端包括依次连接的多尺度扩展卷积模块和降维卷积层组，所述多尺度扩展卷积模块包括四个分支卷积层和与各分支卷积层相连的concat层，所述四个分支卷积层为并列的1个1×1卷积层和3个扩张率分别为1、2和3的3×3卷积层。与现有技术相比，本发明具有检测结果精确、计算量小等优点。

技术领域

本发明涉及机器学习技术领域，尤其是涉及一种基于多尺度扩张卷积网络的人群密度估计方法及装置。

背景技术

近年来，国内外发生了多起重大的人群踩踏事故，造成了众多人员的伤亡。此外，由于诸如视频监控、公共安全设计和交通监控等实际应用的需求，准确地对视频图像中的人群进行人数估计引起了人们的极大关注。人群技术，或称之为人群密度估计，主要是对一个人群场景中的人数进行统计，该技术面临着许多挑战，原因是图像中的人群存在严重遮挡、分布密集、视角失真以及尺度显著变化等问题。早期的人群计数方法是基于检测或回归。人群检测基于形状或是身体部分目标的探测器对图片进行相关处理，但在估计有严重遮挡和背景杂乱的图像时，该类方法会受到严重影响；基于回归的方法被提出来解决人群计数问题。基于回归的方法通常学习一种从特征到人数或者密度图的映射关系，但该方法会受到尺度和视角急剧变化的影响，准确度很难进一步提升。

近年来，卷积神经网络在计算机视觉任务中取得成功，基于卷积神经网络的方法也被研究者们用于人群计数领域，包括多列卷积神经网络MCNN、CSRnet网络模型、尺度自适应卷积神经网络SaCNN等技术，以上几种经典方法将输入的场景图片映射到相关的人群密度图片中，最终将人群密度图进行求和得到场景下人群数量，并且人群密度图能更好地表示出原有场景图片中的人群密度分布。但以上方法都至少存在以下两个问题的其中一个：感受野大小单一导致对于人群图像的人头尺寸大小不一的适应性差，计算精度不高；采用多通道卷积网络，多个子网络分支包含不同尺度感受野的大卷积核卷积层，网络参数过多导致的计算量过大，训练难度大。

现有技术也给出了一些解决方案，中国专利CN108388852A提出了一种基于多尺度卷积神经网络的人群密度估计方法，利用空洞卷积与原始卷积进行不同感受野信息的特征融合，以及融合不同分辨率下特征图不同的层级语义信息，从而生成具有更高质量的人群密度图，但该方法所采用的多尺度卷积神经网络需要将不同层网络获得的特征信息进行多次特征融合，网络结构复杂，计算量大，网络实现和训练难度高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多尺度扩张卷积网络的人群密度估计方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种基于多尺度扩张卷积网络的人群密度估计方法，包括以下步骤：

S1：构建卷积网络模型，将数据集中的图像分割成原图像长和宽的1/2，对获得的图片进行镜像处理，增加图像多样性，然后将数据集划分为训练集和测试集，所述训练集通过高斯核函数生成人群密度基准图；

S2：利用训练集和人群密度基准图对卷积网络模型进行训练；

S3：将测试集输入训练后的卷积网络模型，获得测试集的人群密度估计图；

所述卷积网络模型包括网络前端和网络后端，所述网络前端包括VGG16网络前10层卷积层和3层max-pooling层，所述网络后端包括依次连接的多尺度扩展卷积模块和降维卷积层组，所述多尺度扩展卷积模块包括四个分支卷积层以及与各个分支卷积层连接的concat层，所述多尺度扩展卷积模块设有多个，多个多尺度扩展卷积模块依次连接。