[发明专利]基于峰值置信图的人群检测方法

说明书

本发明提供了一种基于峰值置信图的人群检测方法。所述基于峰值置信图的人群检测方法包括以下步骤：步骤S1、提取图像中的特征信息：步骤S2、将提取到的特征信息映射为峰值置信图；步骤S3、在峰值置信图中寻找峰值来计算人群的数目和位置。本发明利用峰值置信图进行人群检测，具有很好的人群计数性能，同时还能获取准确的位置信息。

技术领域

本发明涉及人群计数技术领域，特别涉及基于峰值置信图的人群检测方法。

背景技术

在城市中，这样的现象随处可见：在一公交车站有一群人在等车，而另一公交站几乎无人问津。根据车站人数合理安排车辆是人群计数问题中一个重要的应用，而这样的应用还有许多。因此，人群计数问题有着重要的应用前景。人群计数问题旨在估计图像或视频中的人群数量。该问题在其他方面也有着重要的应用，如交通管理，商场管理等。同时，在其它领域也存在一些相似的工作，如车辆计数，显微镜下的细胞计数等。这一系列问题的研究与应用，能极大的降低人力，物力和财力。和其他计算机视觉任务一样，在遮挡、背景干扰、图像失真等方面人群计数也面临着巨大的挑战。目前有很多研究者关注人群计数问题，并提出很多优秀的模型和算法来解决该问题。

在基于深度学习的框架下，人群计数方法包括密度图计数法。由于密度图方法是根据输入图像，通过网络回归的密度图进行求和而导致了如下问题：(1) 假阳性的比例更高。(2)人群位置信息的丢失。如图2所示，采用密度图计数法，以左侧曲线和右侧曲线表示将不同人的位置信息转化成的高斯核函数，易知x1，x3表示不同人的头部位置，而进行相加后可得到中间的虚线曲线，由于此时产生了假峰值x2，则无法判断哪些峰值是人的头部位置。

发明内容

本发明提供了一种基于峰值置信图的人群检测方法，其目的是为了解决背景技术中人群计数精度不高的技术问题。

为了达到上述目的，本发明的实施例提供的基于峰值置信图的人群检测方法，包括以下步骤：

步骤S1、提取图像中的特征信息：

步骤S2、将提取到的特征信息映射为峰值置信图；

步骤S3、在峰值置信图中寻找峰值来计算人群的数目和位置。

优选地，所述步骤S1具体为采用残差网络提取图像中的特征信息，获得特征图。

优选地，所述步骤S1具体包括如下步骤：

步骤S11、将残差网络的layer3以及之前的层作为外部后端，以提取图像中的特征信息；

步骤S12、更改layer3的步长，获得残差块；

步骤S13、对图像中的特征信息进行提取，并进行下采样，得到缩小了8 倍的特征图。

优选地，所述步骤S1中，所述残差网络训练过程中，使用残差网络在Image Net上预训练模型前三层的参数；将数据集划分为交叉集，验证集和训练集；使用Adam优化算法，由交叉集得出学习率为5e-5和权重衰退率为1e-4；输入图像进行正则化，然后在训练集上进行训练，得到预测的峰值置信图；将预测的峰值置信图经过求取极值点，统计预测的人数；同时，每在训练集上迭代一次，便在验证集上进行一次验证，保留验证集中最佳的模型。

优选地，所述步骤S2具体为：采用反卷积层和/或卷积层进行上采样，将特征图恢复成原图的大小，以获取峰值置信图：采用两个卷积层及四个反卷积层进行上采样，四个反卷积层依次设置于两个卷积层之间，其中，第一个卷积层负责编码特征图信息，中间四个反卷积层负责将特征图上采样成原图尺寸，最后一个卷积层负责将特征图映射成峰值置信图。

优选地，所述步骤S2中，所述峰值置信图函数为：

F(x,y)＝M(x_M,y_M)