[发明专利]一种人群密度估计装置、方法和存储介质

权利要求书

1.一种人群密度估计装置，其特征在于，包括数据采集模块、训练模块、检测模块，所述数据采集模块用于收集已标注人群数量的监控图像数据，并形成训练集；所述训练模块用于采用训练集训练网络模型，所述检测模块用于将待检测图片输入训练后的网络模型并输出人群密度估计结果；

所述网络模型包括上下文感知网络、多尺度特征提取网络以及若干个可监督的细致注意力模块，所述上下文感知网络与多尺度特征提取网络之间通过细致注意力模块进行横向链接，所述细致注意力模块用于利用真实密度图进行指导，将前一阶段计算出的注意力图精炼传播到下一阶段的特征信息；所述多尺度特征提取网络的输入图像为原始图像，用于利用不同层次的卷积层提取不同感受野、不同语义信息的特征信息f2；所述上下文感知网络的输入图像是原始图像的上采样图像，用于提取上采样图像的特征信息f1；所述细致注意力模块用于将特征信息f1和f2互补融合成新的信息，所述新的信息用于计算人群计数损失值，进而处理生成注意力图；

所述细致注意力模块包括重组向量层、卷积层、S型激活函数层、特征相加层；所述卷积层包括第一卷积层、第二卷积层、第三卷积层、第四卷积层，所述f1通过重组向量层处理后分别与并列设置的第一卷积层、第二卷积层连接，所述f2分别与并列设置的第三卷积层、第四卷积层连接，所述第一卷积层、第三卷积层输出的特征为value特征，用于保留详细的特征信息进行检测；所述第二卷积层、第四卷积层输出的特征为key特征，用于生成注意力图，定位重要特征值；所述第二卷积层、第四卷积层通过特征相加层实现互补融合成新的信息，用于计算人群计数损失值，然后采用S型激活函数层处理生成注意力图。

2.根据权利要求1所述的一种人群密度估计装置，其特征在于，所述细致注意力模块还包括特征点乘层、特征拼接融合层以及损失计算模块，所述卷积层还包括第五卷积层；所述第一卷积层、第三卷积层的输出端分别与特征拼接融合层连接，所述第二卷积层、第四卷积层的输出端经过特征相加层后依次连接第五卷积层、S型激活函数层，所述第五卷积层与损失计算模块连接，用于计算人群计数损失值；所述S型激活函数层的输出与特征拼接融合层的输出经过特征点乘层后，再次与特征拼接融合层的输出经过特征相加层后输出注意力图。

3.根据权利要求2所述的一种人群密度估计装置，其特征在于，所述第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层为不同通道、卷积核大小为1x1的卷积层。

4.根据权利要求1-3任一项所述的一种人群密度估计装置，其特征在于，所述上下文感知网络包括若干个从前至后依次设置的上下文特征提取模块，所述上下文特征提取模块用于提取上采样图像的特征信息f1；所述细致注意力模块与上下文特征提取模块交错设置。

5.根据权利要求4所述的一种人群密度估计装置，其特征在于，所述上下文特征提取模块包括从前至后依次设置的特征拼接融合层、特征重组层、嵌入位置向量层、层归一化层以及自注意力变换模块；所述自注意力变换模块包括从前至后依次设置的若干个多头自注意力模块以及层归一化层、全连接层、激活函数层。

6.根据权利要求1所述的一种人群密度估计装置，其特征在于，所述多尺度特征提取网络采用特征金字塔结构进行搭建；所述多尺度特征提取网络包括从前至后依次设置的卷积层、批归一化层、激活函数层、残差块、特征金字塔。