[发明专利]一种面向无人机图像的人群聚集密度分析方法

权利要求书

1.一种基于无人机图像的人群聚集密度分析方法，采用卷积神经网络对无人机图像进行人群识别提取，包括人群计数部分以及密度估计部分，其中人群计数部分输出为人群计数结果，密度估计部分输出为人群密度估计结果，其特征在于，在卷积神经网络中构建多尺度共享特征提取部分，所述多尺度共享特征提取部分包括特征共享层以及多个不同尺度的输入卷积层，所述输入卷积层用于接收无人机图像，输出对应尺度的特征图；特征共享层用于将多个输入卷积层输出的特征图进行连接，并最终通过卷积操作输出特征图至人群计数部分以及密度估计部分；其中，输入卷积层的数目和各自的大小根据无人机拍摄高度的范围确定；

将人群密度估计结果记为密度概率矩阵，基于密度概率矩阵，采用基于数据场拥堵点的可视化方法或基于视场系数的密度可视化方法对人群聚集程度与分布进行可视化，两种可视化方法单独采用或同时进行；

其中，基于数据场拥堵点的可视化方法中，将密度概率矩阵上数值不为0的点视为带有该值权重的单个人，提取密度概率矩阵的每个非0点的坐标和密度值；利用拟核力场势函数对每个点计算该点受其它所有点或者一定范围内的点影响的势能值之和，预设一个势能值阈值，将超过该阈值的点设置为拥堵点；其中，拟核力场的势函数为：

其中，x，y为对应点的坐标，m为超参数，σ值取4.0，k表示距离指数；

基于视场系数的密度可视化方法中，通过视场系数的相对密度方法实现对人群聚集总体状况分析和拥堵等级划分，所述相对密度为原始概率与视场系数的比值，所述视场系数为密度估计得到的密度概率矩阵中概率最大的值。

2.如权利要求1所述的基于无人机图像的人群聚集密度分析方法，其特征在于，当拍摄高度高于80米时，输入卷积层尺寸小于3×3；当高度低于40米时，输入卷积层尺寸大于9×9。

3.如权利要求1所述的基于无人机图像的人群聚集密度分析方法，其特征在于，基于数据场拥堵点的可视化过程中，在拥堵点的基础上通过中心画圆方法，对应HSL色盘得到热力图，将热力图羽化，浮于原图之上，得到对应的密度图。

4.如权利要求1所述的基于无人机图像的人群聚集密度分析方法，其特征在于，将无人机图像添加标注信息之后用于卷积神经网络训练，卷积层输入无人机图像的图片信息，所述标注信息用于在训练过程中计算损失函数优化模型，所述添加标注信息的步骤如下：

步骤11，数据标注：

手工标注输入无人机图像，生成具有标注信息的.mat格式文件；其中每个文件中存储一个二维数字矩阵，矩阵的大小与图像大小一致，对于图像中所有存在人头的中心位置像素(a,b)，将矩阵中对应位置的值设置为1，其他不存在人头的位置的值设置为0；

步骤12，通过高斯函数处理.mat格式文件保存的图像标注矩阵得到概率形式的标注文件；取二维矩阵中标注为1的所有点，假设坐标为(a,b)，对于该点周围15×15大小矩阵内的其他点，将其坐标(x,y)代入以(a,b)点为中心的二维高斯分布函数，得到基于高斯分布的概率值，然后将15×15矩阵内的所有值进行归一化；其中不同点生成矩阵时若有重叠区域，重叠部分将概率值相加，在图像边缘区域减小选取的矩阵大小，处理完之后概率值保存在.csv格式的文件中；其中使用的二维高斯函数公式如下，其中σ值取4.0：