[發明專利]一種基于深度網絡的多策略全局人群分析方法

在審

• 申請號: 201810461606.3
• 申請日: 2018-05-15
• 公開（公告）號: CN108717528A
• 公開（公告）日: 2018-10-30
• 發明（設計）人: 鄭宏;趙云峰;姜壽林;張瑩
• 申請（專利權）人: 蘇州平江歷史街區保護整治有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于深度網絡的多策略全局人群分析方法，其特征在于，包括如下步驟：

步驟S1，數據準備，包括如下子步驟，

S11、對于同一場景下人群圖片，選取同一攝像頭一天的監控視頻截取大量包含不同人群的幀；

S12、選取單人步行通過監控區域的連續幀，根據人體頭部目標中心點、人體高度、道路寬度及長度信息，估計透視模型，生成場景透視圖模型；

S13、對每幀的人群個體進行標記，采集的方法是在人的頭部定點進行點標注，對于稀疏的可辨識行人頭部，或完整軀干的圖像采用標記框標記；

S14、將標記圖位置生成密度圖；

步驟S2，模型設計及訓練階段，包括如下子步驟，

S21，訓練數據選取，隨機選取n張圖片及對應的密度圖，劃分為k塊不重疊區域的子圖，將人均距離小于a1米或人均面積小于a2平方米的子圖標記為密集，其余子圖標記為稀疏；

S22、構建神經網絡模型，包括用于獲得子圖特征的頂層網絡、用于將子圖分為密集和稀疏兩類的等級密度分類網絡、用于預測密集區域人群密度的密度估計子網絡R1、用于檢測稀疏區域行人位置的行人檢測子網絡R2；

S23、等級密度分類網絡訓練，根據S21中圖像劃分區域的范圍，通過步幅映射從頂層網絡的輸出中提取對應子圖的特征，將每塊子圖特征及在S21中定義的對應特征的密集和稀疏兩類標簽輸入到等級密度分類網絡中進行訓練；

S24，將密集子圖特征以及密集子圖對應的人群密度圖輸入到密度估計子網絡R1中進行訓練；

S25，將稀疏子圖特征特征以及對應的人頭和軀干的包圍框輸入到行人檢測子網絡R2中進行訓練；

步驟S3，模型測試階段，具體實現方式如下；

對于一張輸入測試圖像，將圖像分為不重疊的k塊子圖，經由步幅映射選取頂層網絡輸出中對應子圖的特征，各塊特征經訓練好的全局密度等級分類網絡，將圖像中密集和稀疏區域分開，將分塊的密集區域輸入密度估計子網絡R1中提取人群的密度圖像，將稀疏區域輸入到子網絡R2中進行人體檢測；然后將密度估計子網絡R1的密度圖輸出結果拼接成原圖像的密度圖，將行人檢測子網絡R2中檢測的標記框的頂部中心點進行標記，并將標記結果加入到拼接密度圖中，場景人數表達為密度圖各像素點累加結果；

S4，數據分析使用，具體實現方式如下；；

根據密度估計得到人群密度估計，采用各場景對應的透視模型投影映射，將各監控的密度圖進行變換矯正視角畸變，根據現有的密度等級分類方法，將密度圖分為極密集，密集，中等，稀疏，極稀疏五種，創建景區全局地圖圖層，根據監控相機的覆蓋范圍，以m米長度的距離作為分割將監控范圍劃分為若干塊，每一塊在地圖圖層的對應區域，分別計算密集等級并以不同色彩表征，將測試結果顯示在對應的地圖道路圖層上，實現全局景區的整體人群密集情況分布圖。

2.如權利要求1所述的一種基于深度網絡的多策略全局人群分析方法，其特征在于：步驟S14中使用真實標記圖與高斯核的卷積表示密度圖，計算公式x_i表示人頭標記位置，δ(x-x_i)表示人頭位置的沖擊函數，N表述人數總數，G為高斯核。

3.如權利要求1所述的一種基于深度網絡的多策略全局人群分析方法，其特征在于：步驟S22中所述頂層網絡包括通過遷移學習使用VGG16網絡中的前10個固定參數的卷積層。

4.如權利要求1所述的一種基于深度網絡的多策略全局人群分析方法，其特征在于：步驟S22中所述等級密度分類網絡的結構為全局平均池化層、全連接層FC521、全連接層FC3，以及softmax層。

5.如權利要求1所述的一種基于深度網絡的多策略全局人群分析方法，其特征在于：步驟S22中所述密度估計子網絡R1的網絡結構為Conv3-512-2，Conv3-512-2，Conv3-512-2，conv3-256-2，conv3-128-2，Conv3-64-2，Conv1-1-1；其中Conv3-512-2表示為卷積核大小為3，濾波器數量為512，空洞卷積結構步長為2。