[發明專利]一種基于全卷積網絡的人群密度估計、人數統計的方法

在審

• 申請號: 201710938273.4
• 申請日: 2017-09-30
• 公開（公告）號: CN107742099A
• 公開（公告）日: 2018-02-27
• 發明（設計）人: 劉云楚
• 申請（專利權）人: 四川云圖睿視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 成都睿道專利代理事務所(普通合伙)51217
• 代理人: 薛波

1.一種基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：包括以下模塊，

模塊一、訓練數據準備模塊，用于完成訓練數據的準備；訓練數據準備模塊包括真實標簽的準備和訓練數據的準備；

模塊二、預測模型設計模塊，用于設計人群密度估計和人數統計的模型結構；

模塊三、預測模型訓練模塊，用于訓練人群密度估計和人數統計的離線模型；

模塊四、實時檢測模塊，用于輸出人群密度估計圖譜和人群數量。

2.根據權利要求1所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：所述的模塊一中，所述的訓練數據的準備包括以下兩種方式，

訓練數據的準備方式一：

S0：將圖像按照步長為r0、區間為[0.5 1.2]做圖像金字塔處理；

S1：對金字塔圖像按照重合面積為p0的百分比采樣，得到訓練數據；

訓練數據的準備方式二：

對圖像中高密度人群圖像進行多次隨機采樣。

3.根據權利要求1所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：所述的模塊一中，所述的真實標簽的準備包括以下步驟，

S0：對圖像做人頭的位置標定，得到位置坐標(x,y)；

S1：生成一個和輸入圖像大小相同的標簽矩陣，其中有人頭的位置(x，y)等于1，其他位置等于0；

S2：采用歸一化高斯核卷積標簽矩陣；

S3：對S2中的標簽矩陣采用線性插值方法做降采樣操作，比例為八分之一。

4.根據權利要求1所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：所述的全卷積網絡包括1個深層卷積神經網絡和2個淺層卷積神經網絡。

5.根據權利要求4所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：所述的深層卷積神經網絡用于處理人群離攝像頭近的場景，獲取人的臉部和人體特征；深層卷積神經網絡采用10層卷積層，分別在第二層、第四層、第七層、第十層采用最大池化操作。

6.根據權利要求4所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：所述的淺層卷積神經網絡用于處理人群離攝像頭遠的場景，獲取人體輪廓信息；淺層卷積神經網絡分別采用8層、5層卷積層，8層的淺層卷積神經網絡的卷積核為5x5，5層的淺層卷積神經網絡的卷積核為7x7，采用平均池化操作。

7.根據權利要求3所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：對網絡的輸出做上采樣操作，倍數為8倍，得到與輸入網絡的原始圖像同樣尺寸的密度圖譜；對所述的密度圖譜求和，即統計得出人數。

8.根據權利要求7所述的基于全卷積網絡的人群密度估計、人數統計的方法，其特征是：采用歐式距離衡量真實人群密度和預測人群密度之間的誤差值，目標函數如下：

L(∀)=12NΣi=1N||F(Xi;∀)-Fi||22]]>

其中，為模型優化中的一些列學習參數的集合，N是訓練樣本的數量，X_i是i張輸入圖像，F_i是第i張圖像真實密度圖。是在學習參數下網絡估計的密度圖。