[发明专利]一种基于空洞卷积高分辨率网络的人群计数方法及系统

说明书

本公开提供了一种基于空洞卷积高分辨率网络的人群计数方法及系统，所述方案中空洞卷积高分辨率网络模型从高分辨率前端网络开始，逐步地增加低分辨率分支，形成了三个并行分支结构，每个分支都具有不同大小的感受野，可以捕捉不同尺度的特征，进行多次多尺度融合，使每一个分支都反复接收来自另一个并行分支的信息，从而生成了丰富的高分辨率密度图；本公开所述方案有效地解决了多尺度等问题，提高了人群计数的精度。

技术领域

本公开涉及深度学习、计算机视觉技术领域，尤其涉及一种基于空洞卷积高分辨率网络的人群计数方法及系统。

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。

随着人口数量的不断增长以及经济水平不断提高，各种大型活动举办得愈加频繁，人群聚集也随之越来越频繁，相应地带来了许多安全隐患问题。近些年来踩踏事件在全国乃至全世界层出不穷，引起了人们的广泛关注。与此同时，视频监控摄像机也越来越普及，遍布大街小巷，假如可以利用视频中的图像数据，精确地估算出当前场景的人数及密度分布，相关部门做出相应的措施和人流疏导，那么就可以极大程度的减少类似事件的发生。

发明人发现，人群计数问题的难点主要是在图像中人群之间的遮挡以及人员离摄像头远近造成的尺度差异等。目前主流的人群计数算法主要有基于基本CNN的方法、基于单列CNN的方法以及基于多列CNN的方法。其中基于基本CNN的方法仅采用最基本的CNN层，并没有额外的特征信息，也正因此，其计数准确度表现得比较差；基于单列的方法使用单列的且更深的CNN，但由于单列网络的简单结构，很难去获得不同尺度的特征信息。与单列网络结构相比，多列神经网络在不同的列使用不同大小的卷积核，捕捉不同尺度的信息，但是模型往往参数众多且产生过多的冗余信息，造成计算时间过长等问题。

发明内容

本公开为了解决上述问题，提供了一种基于空洞卷积高分辨率网络的人群计数方法及系统，其能够精准、快速地对图像中的人群进行计数，有效解决了在人群分布不均、尺度不同情况下的人群计数的问题。

根据本公开实施例的第一个方面，提供了一种基于空洞卷积高分辨率网络的人群计数方法，包括：

获取待测人群图像，并进行预处理；

将预处理后的人群图像输入预训练的人群计数网络，生成相应的密度图并通过积分得到预测人数；

其中，所述人群计数网络基于空洞卷积高分辨率网络，从高分辨率前端网络开始，逐步地增加低分辨率分支，形成了三个并行分支结构，每个分支具有不同大小的感受野，来捕捉不同尺度的特征，且每个分支都反复接收来自另一个并行分支的信息，进行多次多尺度融合。

根据本公开实施例的第二个方面，提供了一种基于空洞卷积高分辨率网络的人群计数系统，包括：

图像获取单元，其用于获取待测人群图像，并进行预处理；

人群计数单元，其用于将预处理后的人群图像输入预训练的人群计数网络，生成相应的密度图并通过积分得到预测人数；

其中，所述人群计数网络基于空洞卷积高分辨率网络，从高分辨率前端网络开始，逐步地增加低分辨率分支，形成了三个并行分支结构，每个分支具有不同大小的感受野，来捕捉不同尺度的特征，且每个分支都反复接收来自另一个并行分支的信息，进行多次多尺度融合。

根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于空洞卷积高分辨率网络的人群计数方法。

根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于空洞卷积高分辨率网络的人群计数方法。

与现有模型相比，本公开的有益效果是：