[发明专利]一种基于迁移学习的人群计数方法

权利要求书

1.一种基于迁移学习的人群计数方法，其特征在于，采用本地数据集对全卷积神经网络进行预训练，然后用监控场景数据进行微调；

全卷积神经网络包括依次设置的基础网络、Average pooling、Conv、上采样；首先通过基础网络提取图像特征，然后依次进入Average pooling、Conv进行全局特征的提取，然后上采样到设定大小的特征图；将基础网络提取的特征图与经过上采样得到的特征图进行差值计算，以在全局特征下找到特征图中因为透视形变影响最大的参数；然后利用k=1的卷积核将差值拉成一维形成权重，随后乘以全局特征；最后解码网络，以生成密度图，对生成的密度图中的元素求和即为预测的总人数。

2.根据权利要求1所述的一种基于迁移学习的人群计数方法，其特征在于，所述基础网络为VGG-16网络的前十层，所述基础网络的第1-2层的卷积层的k=3、c=64、d=1，且maxpooling的k=2；第3-4层的卷积层的k=3、c=128、d=1，且max pooling的k=2；第5-7层的卷积层的k=3、c=256、d=1，且max pooling的k=2；第8-10层的卷积层的k=3、c=512、d=1；其中k为卷积核大小，c为通道数，d为扩张率。

3.根据权利要求2所述的一种基于迁移学习的人群计数方法，其特征在于，所述解码网络的第1-3层的卷积层的k=3、c=512、d=2，第4层的卷积层的k=3、c=256、d=2，第5层的卷积层的k=3、c=128、d=2，第6层的卷积层的k=3、c=64、d=2，第7层的卷积层的k=1、c=1、d=1。

4.根据权利要求1所述的一种基于迁移学习的人群计数方法，其特征在于，所述本地数据包括真实监控场景、游戏画面、电视电影画面的数据。

5.根据权利要求4所述的一种基于迁移学习的人群计数方法，其特征在于，采用拍摄或爬虫方式获取真实监控场景图像，所述游戏画面从接近真实场景的游戏中截取，所述电视电影画面从接近真实场景的现代都市剧中截取；截取的画面以高角度、覆盖人群广为基本要求，以接近真实场景。

6.根据权利要求4所述的一种基于迁移学习的人群计数方法，其特征在于，所述真实监控场景、游戏画面、电视电影画面的图像数量比例约为3:4:3。

7.根据权利要求4-6任一项所述的一种基于迁移学习的人群计数方法，其特征在于，利用Cycle GAN模型对游戏画面、电视电影画面的数据进行转换，缩小真实监控场景的数据与游戏画面、电视电影画面的数据的域差。

8.根据权利要求7所述的一种基于迁移学习的人群计数方法，其特征在于，所述CycleGAN模型通过从游戏画面、电视电影画面的图像域获取输入图像A，所述输入图像A被传递到第一个生成器GeneratorA，以将来自游戏画面、电视电影画面的图像域的输入图像A转换到监控场景图像域中的图像B；然后，所述图像B被传递到另一个生成器GeneratorB，在游戏画面、电视电影画面的图像域中转换回输出图像C；所述输出图像C与输入图像A相似，所述输出图像C是有真实监控场景风格的图像。