[发明专利]人群密度检测方法、装置、计算机设备和存储介质

权利要求书

1.一种人群密度检测方法，其特征在于，所述方法包括：

获取待检测图像；

将所述待检测图像输入注意机制特征图生成网络中，得到第一特征图；

将所述待检测图像和所述第一特征图输入多尺度卷积网络中，得到第二特征图；所述第二特征图包括不同尺度卷积下的特征图；

将所述第二特征图输入特征融合网络中，得到人群密度热力图。

2.根据权利要求1所述的方法，其特征在于，所述将所述待检测图像和所述第一特征图输入多尺度卷积网络中，得到第二特征图，包括：

对所述待检测图像和所述第一特征图进行融合，得到融合特征图；

将所述融合特征图输入所述多尺度卷积网络中，得到所述第二特征图。

3.根据权利要求2所述的方法，其特征在于，所述多尺度卷积网络包括深层全卷积网络和浅层全卷积网络；所述将所述融合特征图输入所述多尺度卷积网络中，得到所述第二特征图，包括：

将所述融合特征图输入所述深层全卷积网络中，得到深层特征图；将所述融合特征图输入所述浅层全卷积网络中，得到浅层特征图；

将所述深层特征图和所述浅层特征图作为所述第二特征图。

4.根据权利要求3所述的方法，其特征在于，所述深层全卷积网络包括16层卷积层和4层最大池化层；

所述4层最大池化层分别位于第2层卷积层之后、第4层卷积层之后、第7层卷积层之后和第16层卷积层之后，所述4层最大池化层中前3层最大池化层的步长大小为2、最后一层最大池化层的步长大小为1。

5.根据权利要求3或4所述的方法，其特征在于，所述浅层全卷积网络包括3层卷积层和3层最大池化层；所述3层最大池化层与所述3层卷积层顺序连接。

6.根据权利要求1所述的方法，其特征在于，所述将所述待检测图像输入注意机制特征图生成网络中，得到第一特征图，包括：

将所述待检测图像输入所述注意机制特征图生成网络，输出所述待检测图像属于前景图像的第一概率和属于背景图像的第二概率；

提取所述注意机制特征图生成网络最后一层卷积层中的特征图，得到前景特征图和背景特征图；

根据所述前景特征图和所述第一概率、所述背景特征图和所述第二概率，确定所述第一特征图。

7.根据权利要求1所述的方法，其特征在于，所述特征融合网络的训练方法包括：

获取样本图像的第三特征图和人群密度标签图；所述第三特征图包括不同尺度卷积下的特征图；

将所述第三特征图输入初始特征融合网络中，得到预测人群密度热力图；

计算所述预测人群密度热力图与所述人群密度标签图之间的损失，根据所述损失对所述初始特征融合网络进行训练，得到所述特征融合网络。

8.一种人群密度检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测图像；

第一特征图生成模块，用于将所述待检测图像输入注意机制特征图生成网络中，得到第一特征图；

第二特征图生成模块，用于将所述待检测图像和所述第一特征图输入多尺度卷积网络中，得到第二特征图；所述第二特征图包括不同尺度卷积下的特征图；

特征融合模块，用于将所述第二特征图输入特征融合网络中，得到人群密度热力图。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。