[发明专利]一种基于多尺度特征信息的人群计数方法及系统

权利要求书

1.一种基于多尺度特征信息的人群计数方法，其特征在于，包括以下步骤：

对获取的图像进行预处理，得到图像对应的人群密度图；

将得到的人群密度图输入到预设多特征提取网络模型中，逐层计算得到多张尺度逐渐减小的特征图，将得到的多张尺度的特征图进行反向逐层侧边连接，得到多张连接后的特征图；

将得到的多张连接后的特征图进行特征融合，得到多尺度特征图，进行密度图回归后得到最终的人群密度图，进而得到最终的人群计数数值。

2.如权利要求1所述的基于多尺度特征信息的人群计数方法，其特征在于，对获取的图像进行预处理，具体为：对获取的图像进行人头位置标注，对位置标注后的图像通过二维高斯卷积核进行卷积，得到图像对应的人群密度图。

3.如权利要求2所述的基于多尺度特征信息的人群计数方法，其特征在于，得到图像对应的人群密度图，具体为：

其中，N代表人群图像中的人数，x代表图像中每个像素的位置，x_i代表第i个人的标注位置，δ(x-x_i)表示激活函数，表示标准差为σ_i的高斯核，为标记点x_i与其最近的K个人头之间的平均距离，β为预设系数。

4.如权利要求1所述的基于多尺度特征信息的人群计数方法，其特征在于，所述预设多特征提取网络模型为VGG-16卷积神经网络的前十层，将预处理得到的人群密度图标签输入多特征提取网络模型中，进行从下而上的前向计算，得到四张尺度逐渐减小的特征图；

然后对得到的四张特征图进行自上而下的逐层侧边连接，得到三张连接后的特征图，具体为最上层的特征图与下一层的特征图进行侧边拼接，将拼接结果与下一层的特征图进行拼接，知道最后一层的特征图。

5.如权利要求4所述的基于多尺度特征信息的人群计数方法，其特征在于，得到的多张连接后的特征图，具体为：

M_i＝Conv(h_i；θ)+Up(M_i+1)

其中，Conv(h_i；θ)表示卷积核大小为1*1的卷积层，h_i表示基于该尺度的特征图，Up()为上采样操作，将特征图向上采样两倍。

6.如权利要求4所述的基于多尺度特征信息的人群计数方法，其特征在于，对得到的尺度较小的特征图，通过双线性插值法进行上采样操作，通过第一预设尺寸的卷积层和第二预设尺寸的卷积层处理后，得到具备人群空间分布的特征图。

7.如权利要求1所述的基于多尺度特征信息的人群计数方法，其特征在于，采用通道拼接法对多张连接后的特征图进行特征融合，得到统一的结构化增强的多尺度特征图，使用预设尺寸的卷积核对得到的多尺度特征图进行定位信息加强。

8.一种基于多尺度特征信息的人群计数系统，其特征在于，包括：

数据预处理模块，被配置为：对获取的图像进行预处理，得到图像对应的人群密度图；

特征提取模块，被配置为：将得到的人群密度图输入到预设多特征提取网络模型中，逐层计算得到多张尺度逐渐减小的特征图，将得到的多张尺度的特征图进行反向逐层侧边连接，得到多张连接后的特征图；

人群计数模块，被配置为：将得到的多张连接后的特征图进行特征融合，得到多尺度特征图，进行密度图回归后得到最终的人群密度图，进而得到最终的人群计数数值。

9.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于多尺度特征信息的人群计数方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于多尺度特征信息的人群计数方法中的步骤。