[發明專利]密集人群計數方法及裝置

有效

• 申請號: 201810986919.0
• 申請日: 2018-08-28
• 公開（公告）號: CN109241895B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 曹先彬;甄先通;李巖;肖澤昊;胡宇韜
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊澤;劉芳

本發明提供一種密集人群計數方法及裝置，通過獲取包含人像的待檢測圖像，將待檢測圖像輸入到卷積神經網絡模型中，得到待檢測圖像的人群密度圖，根據人群密度圖確定待檢測圖像中的人像數量。上述過程充分提取待檢測圖像中的特征信息，實現效果良好的人群計數與密度估計，為后續的安全監測、人群管控等應用帶來極大的便利。

技術領域

本發明涉及航空監視技術領域，尤其涉及一種密集人群計數方法及裝置。

背景技術

隨著近年來國家對低空領域使用的不斷開放，無人機經常被用來執行輔助災情巡查、特殊場景監視等任務。而在這些任務中，對于人群信息的統計與分析是其中最為重要的環節之一，在很多場景尤其是人群密集的場景下，統計場景人群數量與其密度分布對于安全監測、突發情況預警以及情報分析等多類任務均有不可估量的作用。

在大多數需要進行人群計數和密度估計的場景下，人群的密集度均較高，也就造成了嚴重的遮擋、目標尺度不一致的問題。早期的方法一般使用基于檢測和回歸的方法統計場景中人的總數。但由于密集人群遮擋嚴重、目標尺寸相差較大，基于檢測的方法效果較差；而直接回歸場景中人的數目從獲取一個目標函數的角度來講使問題的輸入域和輸出域相差很大，也就導致了目標函數更難以擬合，也無法達到較好的效果。近年來，基于密度圖的方法成為了人群計數的主流，此類方法既可以簡化任務的目標函數，也可以在統計人群總數的基礎上得到信息更加充足的人群密度分布，為后續的其他應用提供更大的幫助。

生成密度圖的方法有很多，近年來效果較好的方法大部分為基于多路卷積的方法，使用多路具有不同大小卷積核的卷積神經網絡提取原始圖像中的多尺度信息，之后將得到的多組特征圖進行融合，得到最終的密度圖，在一定程度上解決了人群計數中最為棘手的多尺度問題。但此類方法由于使用多路不同的卷積神經網絡，多路分支的參數及其提取的特征均存在大量冗余，同時由于參數量巨大，為了控制參數導致網絡較淺，每一路分支網絡都無法充分地提取相應的信息，在一定程度上限制了其效果。

發明內容

本發明提供一種密集人群計數方法及裝置，避免了現有技術中大量參數冗余的問題，能夠充分提取待檢測圖像中的特征信息，提高了人群計數與密度估計的良好效果。

本發明第一方面提供一種密集人群計數方法，包括：

獲取待檢測圖像，所述待檢測圖像中包括人像；

將所述待檢測圖像輸入到卷積神經網絡模型中，得到所述待檢測圖像的人群密度圖；

根據所述人群密度圖確定所述待檢測圖像中的人像數量。

在一種可能的實現方式中，所述卷積神經網絡模型包括依次連接的卷積模塊、殘差融合模塊、池化模塊以及子像素模塊。

在一種可能的實現方式中，所述將所述待檢測圖像輸入到卷積神經網絡模型中，得到所述待檢測圖像的人群密度圖，包括：

將所述待檢測圖像輸入到所述卷積模塊，對所述待檢測圖像進行預處理，得到第一特征圖像；

將所述第一特征圖像輸入到所述殘差融合模塊，對所述第一特征圖像進行第一次多尺度特征提取與融合，得到第二特征圖像；

將所述第二特征圖像輸入到所述池化模塊，對所述第二特征圖像進行第二次多尺度特征提取與融合，得到第三特征圖像；

將所述第三特征圖像輸入到所述子像素模塊，對所述第三特征圖像進行解碼，得到人群密度圖。

在一種可能的實現方式中，所述將所述第三特征圖像輸入到所述子像素模塊，對所述第三特征圖像進行解碼，得到人群密度圖，包括：

將所述第三特征圖像輸入到所述子像素模塊，對所述第三特征圖像進行解碼，得到第四特征圖像；

對所述第四特征圖像進行卷積，并采用雙線性差值法得到人群密度圖。