[发明专利]一种基于迁移学习的人群计数方法

说明书

本发明公开了一种基于迁移学习的人群计数方法，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。本发明经过迁移学习后的模型，在少量数据的微调下，就能达到较高的准确度。微调后的模型在特定监控场景下能达到较高的准确率，即使不使用特定监控场景的图像进行微调，相比于随机初始化的模型或在ImageNet上预训练的模型，在本发明的模型也能达到更低的预测误差。

技术领域

本发明属于计算机视觉的技术领域，具体涉及一种基于迁移学习的人群计数方法。

背景技术

国内外的大型活动中频发踩踏事件，已经造成了不小的伤亡，如2015年上海外滩踩踏事件，已达到了我国规定的重大伤亡事故级别。因此，人群计数问题的研究也越来越火热，若能通过准确估计当前场景的人群密度，并安排相应的安保措施，则可以有效减少或避免此类事件的发生。

传统的人群计数算法主要分类两大类：

1．基于检测的方法。早期的人群计数研究主要聚焦于基于检测的方法，其主要思想为使用一个滑动窗口检测器来检测场景中人群，并统计相应的人数。基于检测的方法主要分为两大类，一种是基于整体的检测，另一种是基于部分身体的检测。基于整体检测的方法主要适用于稀疏的人群计数，随着人群密度的提升，人与人之间的遮挡变得越来越严重。基于部分身体的检测通过检测身体的部分结构，例如头，肩膀等去统计人群的数量。这种方法比之基于整体的检测，在效果上有略微的提升。

2．基于回归的方法。无论何种基于检测的方法，都很难处理人群之间严重的遮挡问题。所以，基于回归的方法逐渐被用来解决人群计数的问题。基于回归的方法，主要思想是通过学习一种特征到人群数量的映射。这类方法步骤主要分为两步，第一步提取低级的特征，例如前景特征，边缘特征，纹理和梯度特征；第二步是学习一个回归模型，例如线性回归，分段线性回归，岭回归和高斯过程回归等方法学习一个低级特征到人群数量的映射关系。

然而，目前的人群计数方法均在已公开的数据集上进行研究，在实际的监控场景应用时效果往往不理想，主要原因在于目前的数据集图像跟实际的监控画面差距较大、部分标注不准确，导致计数的准确率下降。

目前公开数据集的规模较小、场景单一，导致训练模型很容易过拟合。另一方面，特定场景的监控数据属于敏感数据，大量获取和标注十分困难。且监控场景数据存在透视形变（perspective distortion）的问题，因此，本发明旨在解决透视形变的问题，利用少量的特定监控场景下的训练数据达到较高的准确率。

发明内容

本发明的目的在于提供一种基于迁移学习的人群计数方法，经过迁移学习后的模型，在少量数据的微调下，就能达到较高的准确度。

本发明主要通过以下方案实现：一种基于迁移学习的人群计数方法，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。

为了更好的实现本发明，进一步的，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Averagepooling、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。

为了更好的实现本发明，进一步的，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max pooling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。