[发明专利]面向地铁车厢场景的人群计数方法

权利要求书

1.一种面向地铁车厢场景的人群计数方法，其特征是步骤包括：

一、首先采用广角摄像机获取车厢内的图像数据，并对数据进行处理；

二、然后把数据送入人群特征识别网络进行处理，进行人群计数；

在步骤一中，将实时视频按时间截取图片，进行矫正和增强，然后把实时数据送入步骤二进行处理；

在步骤二中，对于实时数据，先判断是稀疏人群数据还是密集人群数据；人群特征识别网络使用权重A和权重B分别用于稀疏和密集人群数据计数；

权重A和权重B的选用方法为：取空无一人的车厢图片作为背景，将得到的实时数据与背景图片进行遮挡比对，当遮挡率小于某个阈值将其认定为稀疏人群数据，读取权重A来进行计数，反之，读取权重B进行计数；

所述人群特征识别网络包括：

网络前端：前端网络采用剔除了全连接层的VGG-16网络，并且采用3×3的卷积核；

上采样层：前端的VGG-16网络中，进行了三次最大池化，用以降低特征图的分辨率；

网络后端：后端网络为三层分支网络，它们分别采用空洞率为2和3的空洞卷积，空洞卷积的定义如下：

其中：x(m,n)是长宽分别为M和N的输入图像信息，经过卷积核w(i,j)得到空洞卷积的输出y(m,n)；参数r表示空洞率；如果r＝1，则空洞卷积是普通卷积；

所述人群特征网络的训练步骤包括：

1)生成密度图：

采用脉冲函数卷积高斯核的方式来定义密度图；

假设标注点的位置为xi，则具有N个头的标签设为H(x)；如果假设在一个人头区域的周围，人群的密度是均匀的，它的最近邻给出了一个对于几何形变的合理的估计；

为了使得密度图能够更好地与不同视角且人群很密的图像对应起来，使用几何适应高斯核的密度图；对于每一个人头的位置点xi，给出了多个近邻距离的平均值di，与xi相关的像素对应于场景中地面上的一个区域，这个区域的半径与di成正比；为了估计xi周围的人群密度，则把H(x)卷积一个自适应的高斯核，这个高斯核的方差σi是可变的并且和di成比例；

2)损失函数

在训练期间，随机梯度下降的学习率固定为1e-6；

采用欧氏距离测量生成的密度图与真实值的距离；使用分块计算损失函数的方法，将高密度区域和低密度区域分别计算损失以减少误差；

3)评估标准

评估人群密度估计模型时，采用均方误差MSE和平均绝对误差MAE，MSE用来描述模型的准确度，MSE越小则准确度越高，MAE能反映出预测值的误差情况。

2.根据权利要求1所述的面向地铁车厢场景的人群计数方法，其特征是网络前端的VGG-16网络采用10层卷积层和3层池化层的组合。