[发明专利]一种基于深度学习的密集人群计数与人员分布估计方法

摘要

本发明公开了一种基于深度学习的密集人群计数与人员分布估计方法，对待检测的目标人群图像进行预处理，选取适当的数据集用于训练设计好的深度学习网络模型，再将目标数据输入到训练好的网络中进行分析与识别，最终得出覆盖区域人员热力图，得到人群人员数目与人员分布情况。本发明可以准确的估计高密度人群数目和人员分布情况，良好的解决了人群密集程度过高和人员遮挡问题；适用于任意光照条件、任意环境背景、任意分辨率大小的视频图像。

主权项

一种基于深度学习的密集人群计数与人员分布估计方法，其特征在于，该方法包括以下步骤：步骤(101)、从数据库中选取标注好的高密度人群图像数据；步骤(102)、对抽取好的数据集进行预处理；步骤(103)、对高密度人群图像进行预处理，该预处理包括去噪、增强、图像倾斜纠正和图像尺寸归一化；步骤(104)、判断是否为训练图片，将预处理后的数据集分为训练样本与测试样本两部分；步骤(105)、用测试样本训练好四通道深度残差网络；步骤(106)、用训练样本训练好四通道深度残差网络MResNets；步骤(107)、得到训练好的四通道深度残差网络MResNets；步骤(108)、判断估计准确率是否大于等于阈值？步骤(109)、当估计准确率大于等于阈值时，则表示网络性能良好，否则重新训练网络；步骤(110)、利用前端摄像头采集视频，将采集到的待检测目标人群图像进行去噪、增强等预处理工作，并上传至系统云端，输送到四通道深度残差网络MResNets中，经过处理输出待检测目标人群图像的训练结果；步骤(111)、对步骤(110)中的待检测目标人群图像的训练结果进行分析和处理，得到人群数目预测H(x)：H(x)=Σi=1Nδ(x-xi)]]>其中：xi为网络预测输入图片中的人在图像像素中的位置；δ(x‑xi)表示xi像素位置上的冲激函数；得到一幅有N个人的图像的标签，再引入高斯核得到图像中人群人员分布F(x)，其计算公式如下：F(x)=H(x)*Gδi(x)=Σi=1Nδ(x-xi)*Gδi(x)]]>δi=βd‾i]]>d‾i=1mΣj=1mdji]]>其中，为第i个人与第j个人的距离；m为第i个人周围距离最近的人数；为第i个人与周围距离最近的m个人的平均距离；β＝0.28由大量的实验总结得到；δi为较密集人群情况下近似的人头大小；Gδi(x)为高斯核函数；将上述得到的计算结果代入到反距离权重插值算法(IDW)中，生成区域人群人员热力图，得到人群人员数目和人员分布情况。