[发明专利]面向地铁车站场景的密集人群计数方法

说明书

一种面向地铁车站场景的密集人群计数方法，包括步骤：一、先对图像进行亮度对比度饱和度进行初步调整；二、把步骤一得到图像信息送入多尺度卷积网络，处理得到人群密度图；三、由人群密度图得到图中的人群总数。步骤一的流程为：对采集到的图像进行去噪处理得到去噪图像；对去噪图像进行边缘提取得到边缘图像；对边缘图像进行图像增强处理得到去噪且边缘增强的图像；利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；对步骤所得到的图像进行线性叠加，得到最终的输出图像即人群图；在输出图像中标注人头位置即人群标注位置。所述步骤二中，把输出图像以及人头位置的标注输入到多尺度卷积网络中进行处理，并输出人群密度图。

技术领域

本发明涉及一种面向地铁车站的密集人群计数的方法，主要采用深度学习技术对地铁车站场景进行估计监控图像中的人群总数。

背景技术

近些年来，城市化逐步推进，地铁是城市的心脏，每天运送着百万千万的人，尤其在高峰时期，在防止踩踏和挽救生命方面，人群管理至关重要，车站的人群密集，很容易造成事故，一旦发生意外，后果不堪设想，而完全依靠地铁管理人员很难起到实时监督调控作用，事后去检查监控，调查事故发生原因，也于事无补。而人群计数估计是可以防止踩踏和挽救生命的人群管理系统的关键。

发明内容

为了解决上述问题，本方法把计算机视觉技术用应用在地铁车站的人群计数上，可以节约大量人力物力，降低成本，并且能提高效果，还可依据数据来制定相应预警方案。本计数方法具体为：

一种面向地铁车站场景的密集人群计数方法，包括步骤：

一、先对图像进行亮度对比度饱和度进行初步调整；

二、把步骤一得到图像信息送入多尺度卷积网络，处理得到人群密度图；

三、由人群密度图得到图中的人群总数；

所述步骤一中：

1.1)对采集到的图像进行去噪处理得到去噪图像；

1.2)对去噪图像进行边缘提取得到边缘图像；

1.3)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；

1.4)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；

1.5)对步骤1.3)和1.4)步骤所得到的图像进行线性叠加，得到最终的输出图像即人群图；

1.6)在步骤1.5)输出图像中标注人头位置即人群标注位置；

所述步骤二中，把步骤1.5)得到的输出图像以及经步骤1.6)得到的图像中人头位置的标注，输入到多尺度卷积网络中进行处理，并输出人群密度图。

所述步骤二中，通过密度生成算法生成人群密度图，步骤包括：

2.1)训练阶段：

对于步骤1.5)得到的人群图，以及步骤1.6)得到的人群标注位置图，使用固定核高斯滤波μ＝15，σ＝4，对人群标注进行标签密度图生成，方法为：先生成一张和原图一样大小的单通道图片，其中像素点全部取0；然后将label中有人头的点标记为1；最后通过高斯滤波处理这张图，形成的图就是人群密度图；

然后将人群图和人群密度图作为一个组合送入人群密度生成网络进行训练；人群密度生成网络即为所述多尺度卷积网络

人群密度生成网络分为两部分：前端使用一个卷积网络用于2D特征提取，后端用空洞卷积网络代替池化操作放大特征，最后使用一个1x1卷积，生成密度图；

2.2)评估阶段：

先将原图输入人群密度生成网络，得到单通道图即预测的密度图，对该密度图上所有值求和即得到预测人数，密度图上值大的表示该区域人流密集；