[發(fā)明專利]一種基于深度網(wǎng)絡(luò)的多策略全局人群分析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810461606.3
• 申請(qǐng)日: 2018-05-15
• 公開(kāi)（公告）號(hào): CN108717528A
• 公開(kāi)（公告）日: 2018-10-30
• 發(fā)明（設(shè)計(jì)）人: 鄭宏;趙云峰;姜壽林;張瑩
• 申請(qǐng)（專利權(quán)）人: 蘇州平江歷史街區(qū)保護(hù)整治有限責(zé)任公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本發(fā)明提供一種基于深度網(wǎng)絡(luò)多策略的全局人群分析方法。首先，監(jiān)控區(qū)域建模，包括全局地圖示意圖繪制，建立圖層在攝像頭監(jiān)控區(qū)域?qū)θ謭D對(duì)應(yīng)方向和范圍建立圖層，等待人群密度數(shù)據(jù)的導(dǎo)入。其次，對(duì)每個(gè)攝像頭的監(jiān)控場(chǎng)景，通過(guò)透視變換，得到呈現(xiàn)的監(jiān)控圖像的空間視角映射圖，即攝像頭側(cè)視視角到地面的俯瞰視角映射。通過(guò)VGG16遷移學(xué)習(xí)法獲取圖像特征，將輸入圖像的預(yù)分塊，通過(guò)步幅映射到特征層，將各個(gè)塊的圖像特征經(jīng)過(guò)SWITCH判斷，選擇通過(guò)R1密度估計(jì)網(wǎng)絡(luò)或是R2行人檢測(cè)網(wǎng)絡(luò)對(duì)圖像進(jìn)行密度估計(jì)或是行人檢測(cè)操作。每塊的行人檢測(cè)或密度估計(jì)結(jié)果整合成密度圖，并將估計(jì)的密度圖經(jīng)過(guò)透視變換在映射到圖層上，方便對(duì)全局的人群情況進(jìn)行精確監(jiān)管。

技術(shù)領(lǐng)域

本發(fā)明涉及一種人群計(jì)數(shù)和密度估計(jì)方法，尤其涉及一種基于深度網(wǎng)絡(luò)的多策略全局人群分析方法，屬于機(jī)器視覺(jué)人工智能技術(shù)領(lǐng)域。

背景技術(shù)

隨著指數(shù)級(jí)的人口增長(zhǎng)，都市化程度加深，大規(guī)模集會(huì)活動(dòng)的人數(shù)和頻率急劇增加，如法定假日的景區(qū)旅游，運(yùn)動(dòng)會(huì)，政治集會(huì)，公開(kāi)展覽等。為更好的管理，確保環(huán)境安全和人身安全，分析人群是十分必要的，行人檢測(cè)和人群計(jì)數(shù)是目前的研究重點(diǎn)。目前檢測(cè)和計(jì)數(shù)方法主要有：

1、基于個(gè)體統(tǒng)計(jì)的方法

通過(guò)攝像機(jī)的俯視圖，檢測(cè)人頭，有效抗遮擋；人的身軀檢測(cè)，通過(guò)各個(gè)人體部位的做檢測(cè)；頭肩模型，根據(jù)頭肩的“Ω”形狀檢測(cè)?；痉椒ㄓ蠬OG提取特征SVM用于特征分類。其他常用特征還有haar特征，Hough變換，類圓檢測(cè)，使用的特創(chuàng)新之處一般在特征分析中加入多種特征。在分類中研究重點(diǎn)在于改進(jìn)SVM，boosting分類器，或者使用各種分類器的組合。這類方法胡研究難點(diǎn)在于光線變化，人群擁擠時(shí)個(gè)體特征缺失。

2、基于人群特征的分析

基于人群特征的分析主要是針對(duì)個(gè)體分析中人群擁擠個(gè)體檢測(cè)不精確的情況，直接提取人權(quán)特征，特征提取之后，進(jìn)行特征回歸。回歸的方法一般為SVR、高斯回歸、最小二乘法、嶺回歸等。現(xiàn)在的研究集中于通過(guò)特征提取，對(duì)不同的特征進(jìn)行特征結(jié)合或者特征聚類，在聚類方法上做創(chuàng)新，回歸過(guò)程的創(chuàng)新主要體現(xiàn)在對(duì)不同的特征選用不同的和核函數(shù)回歸。光線變化，高密度人流或者開(kāi)闊場(chǎng)景下導(dǎo)致計(jì)數(shù)不精確，行人檢測(cè)處理時(shí)間較長(zhǎng)；攝像頭“遠(yuǎn)小近大”造成的透視是這類方法的研究難點(diǎn)。

3、基于卷積神經(jīng)網(wǎng)絡(luò)的人數(shù)統(tǒng)計(jì)方式

利用深度網(wǎng)絡(luò)學(xué)習(xí)的圖像特征，使其相較于傳統(tǒng)圖像特征有更強(qiáng)的泛化性、代表性，可以利用較多特征表征目標(biāo)，計(jì)算量較大。比如安徽大學(xué)一篇碩士論文采用包含三層卷積和一層全連接層，其中每層卷積后都跟隨有池化操作而激活函數(shù)則選用ReLU函數(shù)。

在監(jiān)控場(chǎng)景中，人群稀疏和密集情況是同時(shí)存在的，且人群分布呈不均勻趨勢(shì)，同一監(jiān)控?cái)z像頭下在不同時(shí)間呈現(xiàn)不同的分布態(tài)勢(shì)。針對(duì)監(jiān)控視頻的這些特點(diǎn)，為更好的刻畫監(jiān)控場(chǎng)景的人群分布，針對(duì)同一場(chǎng)景在不同時(shí)間不同區(qū)域人群的表現(xiàn)形式，實(shí)現(xiàn)不同的目標(biāo)(檢測(cè)，計(jì)數(shù))，本發(fā)明提供一種基于深度網(wǎng)絡(luò)的多策略全局人群分析方法。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題在于，針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于深度網(wǎng)絡(luò)的多策略全局人群分析方法，用以克服復(fù)雜場(chǎng)景背景干擾以及行人遮擋等問(wèn)題，進(jìn)而實(shí)現(xiàn)對(duì)場(chǎng)景中人群密度的準(zhǔn)確估計(jì)。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用如下技術(shù)方案，一種基于深度網(wǎng)絡(luò)的多策略全局人群分析方法，包括以下步驟：

步驟S1，數(shù)據(jù)準(zhǔn)備，包括如下子步驟，

S11、對(duì)于同一場(chǎng)景下人群圖片，選取同一攝像頭一天的監(jiān)控視頻截取大量包含不同人群的幀；

S12、選取單人步行通過(guò)監(jiān)控區(qū)域的連續(xù)幀，根據(jù)人體頭部目標(biāo)中心點(diǎn)、人體高度、道路寬度及長(zhǎng)度信息，估計(jì)透視模型，生成場(chǎng)景透視圖模型；