[發明專利]尺度自適應感知的目標計數深度網絡設計方法

有效

• 申請號: 201910984593.2
• 申請日: 2019-10-16
• 公開（公告）號: CN110705698B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 成鋒娜;周宏平;張鏡洋;程衛國;徐亮
• 申請（專利權）人: 南京林業大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/774;G06V10/776;G06N3/0464;G06N3/084;G06N3/048
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 杜靜靜

本發明公開了一種尺度自適應感知的目標計數深度網絡設計方法，所述包括以下步驟：步驟1：制作訓練和測試樣本集合；將每個圖片的目標標注生成真實標簽，步驟2：將訓練集和測試集的圖片及其對應的真實標簽進行尺寸調整，步驟3：建立尺度自適應感知目標計數深度網絡模型；步驟4：將步驟2獲得訓練樣本輸入到步驟3建立的卷積網絡模型中，通過Adam優化策略對網絡進行參數學習，步驟5：深度網絡模型測試。本發明設計了一種尺度自適應感知的目標計數深度網絡設計方法，其在公共安全、交通、林業、農業等多個領域有著極其重要的應用價值。

技術領域

本發明涉及圖像處理和模式識別技術領域，尤其涉及尺度自適應感知的目標計數深度網絡設計方法。

背景技術

目標計數是對圖片或視頻幀中場景內容的一種理解，其在生產生活中變得越來越重要。例如，對公共場所中人群的密度統計，會幫助工作人員及時管理、便于疏導人群，以防擁擠、踩踏事件的發生。對某些果樹的果實或者植物進行統計，會幫助果農或者大型養殖場了解植物的生長密度以及產量情況。上述的目標統計將會對生產生活起著指導作用，幫助人們更好的處理存在的問題。

在圖片或者視頻幀中，由于拍攝視角的緣故，目標通常會有不同的視角。例如距離拍攝鏡頭近的物體尺度較大，相反較遠的目標在圖片中的尺度較小。這就需要設計的模型考慮目標多尺度的變化。但是由于不同的物體尺度不一樣，所以在網絡設計模型也需要自適應地條件感知的條件。基于以上分析，本發明提出了尺度自適應感知的目標計數深度網絡設計方法。

發明內容

為了解決上述問題，本發明設計了尺度自適應感知的目標計數深度網絡設計方法，該方法設計了自適應的尺度感知模塊，使得網絡可以自適應地調節尺度感知的范圍，同時設計了分塊的損失函數，以便更準確地預測更魯棒的密度圖。

為了實現上述目的，本發明采用了如下技術方案：

一種尺度自適應感知的目標計數深度網絡設計方法，所述方法包括以下步驟：

步驟1：制作訓練和測試樣本集合；將每個圖片的目標標注生成真實標簽，其具體包括：

步驟101：通過搜索引擎搜集一個特定目標有關的詞匯搜索目標圖片，例如，通過‘人山人海’搜索人群，搜索‘汽車’搜索車輛等。或自行拍攝N張帶有目標的圖片。

步驟102：通過人工方式對步驟101的每張圖片的每個目標進行標注，記錄每個標注點的位置，進而建立一個特定目標相關數據集。

步驟103：首先將步驟102制作的數據集分為訓練集和測試集；設數據集合總共有N個圖片和與之對應的目標標注，記數據集合中的圖片Dateset＝{I₁,I₂,...,I_N}和與之對應的目標標注Labelset＝{l₁,l₂,...,l_N}；將前M個圖片和它對應的目標標注設為訓練集合，記訓練圖片為Traindate＝{I₁,I₂,...,I_M}與之對應的標注Labeltrain＝{l₁,l₂,...,l_M}；同時將后N-M個圖片和它對應的目標標注設為測試集合；記測試圖片為Testdate＝{I_M+1,I_M+2,...,I_N}與之對應的標注Labeltest＝{l_M+1,l_M+2,...,l_N}；

步驟104：將步驟103中第i個圖片I_i轉換成高斯密度圖den_i(x)，可通過下述的公式進行計算：