[发明专利]一种基于多尺度密度图融合空洞卷积的人群计数方法

说明书

本发明公开了一种基于多尺度密度图融合空洞卷积的人群计数方法。本发明步骤如下：获取人群图像数据集，并且进行预处理；建立基于多尺度密度图融合空洞卷积的人群计数网络；将预处理之后的人群图像输入该人群计数网络中提取特征数据，输出对应图像的低分辨率密度图；将低分辨率密度图融合空洞卷积网络，输出对应图像的高分辨率密度图；对人群计数网络输出的高分辨率密度图进行积分，得到对应人群图像中的人群总数；将最后输出的高分辨率密度图与人工标注的真实密度图进行损失计算，不断迭代更新人群计数网络；将测试图片输入最终确认的人群计数网络，生成人群分布密度图并且进行人群计数。本发明具有很好的自适应能力和很高的预测精度。

技术领域

本发明涉及人群计数领域，具体涉及一种基于多尺度密度图融合空洞卷积的人群计数方法，属于计算机视觉图像处理技术领域。

背景技术

由于各个国家的高速城镇化，拥有高度拥挤的人群场景越来越常见。人群计数在这一情况下能够在视频监控，智能治安管理领域中发挥十分重要的作用。早期传统的人群计数一般基于目标检测或者回归的方法，但是这两种方法都有很大的问题。基于检测的方法很难处理人群之间严重的遮挡问题，只适用于低密度，目标显著突出的场景，而基于回归的方法需要先建立人群特征和人数之间的关系，还要提取像素点，提取低级特征，过程复杂且困难。目前普遍流行的是通过深度学习绘制密度图，两张具有相同数量的人的图像可能具有完全不同的人群分布，因此仅计算人群数量是不够的，人群分布密度图可帮助我们获取更准确，更全面的信息。但是图像的空间角度、距离等严重影响密度图的准确度，所以本发明通过让模型自适应输入图片的不同尺度，提取具有不同深度语义信息的特征图生成低分辨率密度图，再结合使用空洞卷积网络提高最后生成密度图的质量，进行准确的计数。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于多尺度密度图融合空洞卷积的人群计数方法的方法，以解决人群图像中出现人群空间角度失真，人群之间相互遮挡导致的人群分布位置不准确、人群计数困难的问题。

一种基于多尺度密度图融合空洞卷积的人群计数方法，包括以下步骤：

步骤(1)获取人群图像数据集，并且进行预处理；

步骤(2)建立基于多尺度密度图融合空洞卷积的人群计数网络；

步骤(3)将预处理之后的人群图像输入该人群计数网络中提取特征数据，输出对应图像的低分辨率密度图；

步骤(4)将低分辨率密度图融合空洞卷积网络，输出对应图像的高分辨率密度图；

步骤(5)对人群计数网络输出的高分辨率密度图进行积分，得到对应人群图像中的人群总数；

步骤(6)将最后输出的高分辨率密度图与人工标注的真实密度图进行损失计算，不断迭代更新人群计数网络；

步骤(7)将测试图片输入最终确认的人群计数网络，生成人群分布密度图并且进行人群计数。

本发明所具有的优点如下：利用卷积网络对输入的人群图像进行分析，通过非人工干预的手段首先输出低分辨率的人群分布密度图，包含相应输入图像的人群空间分布信息，是生成高分辨率密度图的重要特征图。在此基础上融合空洞卷积，在保持高分辨率的同时增大感受野，进一步提取重要特征，输出最后的高分辨率人群分布密度图，并且对密度图进行积分求出总的人数，这种方法具有很好的自适应能力和很高的预测精度。

附图说明

图1是本发明的整体实施方案流程图；

图2是本发明的训练模型示意图；

图3是空洞卷积网络模型图；

图4是本发明工艺实施方案的具体流程图；

具体实施方式

下面结合附图对本发明作进一步描述。