[发明专利]基于卷积神经网络的人群密度分布估计方法

摘要

本发明涉及一种基于卷积神经网络的人群密度分布热度图生成方法，将人群图片集分为训练样本集及测试样本集，利用全卷积神经网络架构进行人群标签图像分割，利用卷积神经网络进行人数回归；并通过多尺度模板运算对密度图进行纠正，根据修正后的密度图和回归人数，生成人群密度分布热度图，完成人群密度分布估计。本发明利用全卷积神经网络强大的学习能力，提取图像的深层特征，进行准确的人群分割，克服了传统方法的密度计算对于全图特征的低效性和盲目性；通过多尺度的模板纠正，一定程度上克服了人群远近的透视效应；针对估计人数做映射，不同摄像头的热度图具可横向对比，适用于多种人群场景，能够实时获取人群密度分布热度图。

主权项

1.一种基于卷积神经网络的人群密度分布估计方法，具体包含如下步骤：步骤1.选取不同场景人群图像数据集，对单个图片中的人群位置进行像素级标注并统计人数，生成标签信息，标签信息包括：标签图片和人数标签，其中，标签图像中人群部分像素标记为目标灰度值；将图像数据集中原图及其对应的标签信息分成两部分，一部分作为训练样本集，另一部分作为测试样本集，每个样本集中的样本包括一张图像、相应的标签图片以及人数标签；步骤2.构建人群分割全卷积神经网络和人数回归卷积神经网络；并利用训练样本集，离线学习全卷积神经网络参数及卷积神经网络参数，得到相应的网络模型；步骤3.利用训练好的网络模型，得到输入图像的人数和人群标签图；步骤4.根据选取图片对应的摄像头高度和倾斜角设计纠正模板，对人群标签图进行多尺度模板卷积和蒙版运算，生成密度图像；步骤5.根据密度图像和人数，生成人群密度热度图，进行人群密度分布的估计；所述步骤4具体包含内容如下：步骤4.1、当标签图片中一个像素的周围均为人群像素时，该像素的人群密度相对较大，通过不同尺寸模板对标签图片进行卷积运算，得到该像素的相对密度，绘制出初步的人群密度图F₁(x,y)；步骤4.2、建立与图像同等尺寸的二维蒙版矩阵，假设图像的高度、宽度分别为H、W，将该二维蒙版矩阵看作单通道灰度图，以其左上顶点为坐标原点，水平向右为x轴，垂直向上为y轴，底边中间位置(W/2，H)处的像素值为1，其余位置的像素值为到该点的棋盘距离的k次方，对于该蒙版矩阵在点(x,y)处的值为：I(x,y)＝(Max(|x‑W/2|,|y‑H|))^k，其中，k＝λhsinθ，λ为可调参数，h为摄像头高度，参数θ为摄像头与垂直方向倾斜角度，0°＜θ＜70°；步骤4.3、通过公式：对蒙版矩阵做归一化；步骤4.4、将得到的蒙版矩阵I'(x,y)与F₁(x,y)点乘运算得到密度图像。