[發明專利]一種基于膨脹卷積的人群密度圖生成方法

在審

• 申請號: 201810922147.4
• 申請日: 2018-08-14
• 公開（公告）號: CN109117791A
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 張俊;姜少波;楊利紅;甘彤;連捷;李陽;胡博;王列偉;商國軍;程劍;劉海濤;張琦珺;陳曦
• 申請（專利權）人: 中國電子科技集團公司第三十八研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 合肥昊晟德專利代理事務所(普通合伙) 34153
• 代理人: 王林

本發明公開了一種基于膨脹卷積的人群密度圖生成方法，從網絡上下載現有的關于人群密度估計的數據庫；從現有的數據庫中根據人群密度的大小挑選訓練樣本構建兩個新的訓練數據庫：小人群密度數據庫，大人群密度數據庫；基于兩個新的訓練數據庫，分別離線訓練一個膨脹卷積CNN網絡模型；在測試階段，根據運動區域檢測和運動區域的紋理分析得到人群密度粗略估計，根據估計的人群密度大小選擇使用訓練得到的小CNN網絡模型或大CNN網絡模型，得到精確的輸入圖像尺寸大小的人群密度圖。采用膨脹卷積技術，可以生成和輸入圖像尺寸一樣大小的人群密度圖，結合輸入圖像可以提供直觀的人群密度信息。

技術領域

本發明涉及一種數字圖像處理技術，尤其涉及的是一種基于膨脹卷積的人群密度圖生成方法。

背景技術

隨著中國城市化水平的不斷提高,越來越多的人口涌入城市工作生活,人口密度大的城市中許多公共基礎設施,如火車站、地鐵站、公交車站以及超市等經常會迎來短期的人流高峰,一方面人群的高度擁擠容易造成災禍,具有很大的安全隱患；另一方面,在人流高峰期,若不能對人群進行迅速有效疏散分流,也會對居民日常生活造成不便。針對這一現狀,近年來城市的許多公共場合都安裝了監控系統對人群進行監控。傳統的人群監控系統都是通過閉路電視對不同場景進行監視,由監控室的工作人員針對監視場景中的情形進行人工判斷。這種方法具有主觀性,不能定量分析,而且耗費人力,尤其當監控人員疲憊的時候,容易忽視監視器上的突發狀況,從而造成不可挽回的后果。隨著現代數字圖像和視頻處理技術的發展,自動、實時的智能化人群密度監控系統成為人們的研究重點。

中國發明專利公開號為CN103985126A，介紹了一種計算視頻圖像中的人群密度圖的方法，該方法通過Harris算法提取圖像中的角點，對每個角點進行密度擴散，獲取檢測區域內相應于該角點的每個像素點的密度擴散值，再將該擴散值進行累加，獲得該像素點的密度值，由密度值得到人群密度圖。由于角點和人群之間沒有一一對應關系以及角點檢測本身存在一定不確定性，導致得到的人群密度圖精確性不高。

中國發明專利公開號為CN106203331A，介紹了一種基于卷積神經網絡的人群密度估算方法，構建了一個基于Mixed-Pooling的卷積神經網絡模型，將圖像監控區域按照遠近分為兩個分開，采用隨機梯度下降算法分別訓練一個卷積網絡模型，最后利用提出的分類檢測策略對整體區域人群密度進行估計。該方法相對于傳統方法改善了人群密度估計準確率，但是因為采用了池化運算沒有生成輸入圖像尺寸的人群密度圖，不能提供直觀的人群密度信息，人群密度估計準確率也有待進一步提高。

發明內容

本發明所要解決的技術問題在于：無法生成高精度原圖像尺寸大小的人群密度圖，提供了一種基于膨脹卷積的人群密度圖生成方法。

本發明是通過以下技術方案解決上述技術問題的，本發明包括以下步驟：

(1)從網絡上下載現有的關于人群密度估計的數據庫；

(2)從現有的數據庫中根據人群密度的大小挑選訓練樣本構建兩個新的訓練數據庫：小人群密度數據庫，大人群密度數據庫；

(3)基于兩個新的訓練數據庫，分別離線訓練一個膨脹卷積CNN網絡模型：簡稱小CNN網絡模型M1，大CNN網絡模型M2；

對卷積網絡進行訓練的過程如下：

第一步：前向計算最終的輸出結果，在整個網絡中，每層網絡對象里面都有一個前向計算該層網絡輸出結果的函數，即前向傳播函數，當前層的前向傳播函數計算完成之后，先把數據保存在當前對象中，然后進入下一層的前向傳播函數繼續進行計算，最終，整個網絡的每一層的輸出都會計算到；

第二步：反向傳播計算梯度，每一層網絡中有進行反向傳播的函數，根據反向傳播函數先計算輸出和目標的差值，然后利用插值先計算最后的輸出相對于倒數第二層的梯度，等計算完畢，參數保存之后，再計算插值相對于倒數第三層的梯度，一直循環下去，每個網絡的前向后向傳播的實現函數都不相同；