[发明专利]一种人群密度估计方法及系统

说明书

本发明公开了一种人群密度图估计方法及系统，所述方法包括以下步骤：获取场景图像，对场景图像进行预处理，生成人群密度标签图；对场景图像和人群密度标签图进行数据增广，得到多个场景图像及相应人群密度标签图；根据所述多个场景图像及相应人群密度标签图，训练人群密度图估计模型；接收场景图像，基于训练好的人群密度图估计模型进行人群密度估计。本发明针对复杂背景下人头尺寸差异问题，利用多尺度模块和特征强化单元特征提取有效特征，实现了由粗到细的策略进行人群密度图估计。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种人群密度估计方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

人群密度图估计是指针对给定图像或视频，估计该图像或视频中人群分布，并以密度图的形式展示。进一步地，根据密度图的像素值可统计其中的人群人数。作为智能人群行为分析技术的一个子任务，近年来该技术已成为学术界及工业界的研究热点，其应用也较为广泛，如车站等地的人流量监控及景区的人群分布等。实时监控场所中的人群密度及人数可提供给监控后台参照信息，防止因人群密度过大或人数太多所带来的潜在危机，如踩踏事故等。

目前的人群密度估计方法多采用卷积神经网络，避免了传统机器学习中复杂的手动特征提取的任务，但其应对多尺度目标及复杂背景的能力较弱。

发明内容

为克服上述现有技术的不足，本发明提供了一种人群密度图估计方法及系统，针对复杂背景下人头尺寸差异问题，利用多尺度模块和特征强化单元特征提取有效特征，实现了由粗到细的策略进行人群密度图估计。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种人群密度图估计方法，包括以下步骤：

获取场景图像，对场景图像进行预处理，生成人群密度标签图；

对场景图像和人群密度标签图进行数据增广，得到多个场景图像及相应人群密度标签图；

根据所述多个场景图像及相应人群密度标签图，训练人群密度图估计模型；

接收场景图像，基于训练好的人群密度图估计模型进行人群密度估计。

进一步地，所述人群密度标签图的生成方法包括：

对场景图像进行人群区域识别和人头识别；

基于最近邻算法对各个人群区域的人头密度进行估计，生成人群密度标签图。

进一步地，所述数据增广包括：首先对场景图像和密度标签图进行随机截取，并进行水平翻转得到图像块；然后针对场景图像和密度标签图的图像块进行缩放，得到多对场景图像和密度标签图。

进一步地，所述人群密度图估计模型包括特征提取模块、多个串联的多尺度模块和特征强化模块；其中，所述特征提取模块包括卷积层和池化层；所述多尺度模块包括多个并行的空洞卷积层；所述特征强化模块包括并行的一路池化层、激活层和全连接层，以及一路卷积层。

进一步地，所述人群密度图估计模型采用双密度图生成机制，包括两个生成密度图的分支；一个分支包括特征提取模块、多个串联的多尺度模块和特征强化模块，另一个分支包括特征提取模块和卷积网络，两路分别生成精度不同的人群密度估计图。

进一步地，所述多尺度模块包括串联的空洞卷积单元及人头定位单元，所述空洞卷积单元包括三个分支，分别执行卷积核大小相同、空洞率不同的空洞卷积操作，且设置填充项，使三个分支得到的特征图大小一致，最后将三个分支得到的特征图相加；所述人头定位单元包括两个分支，一路执行3x3卷积得到单张人头概率图，另一路由1x1的卷积进一步提取特征，最终计算两个分支的哈达玛积，得到人头位置的强化特征。