[發明專利]基于場的高密度人流量定位與監測方法

在審

• 申請號: 201911346724.0
• 申請日: 2019-12-24
• 公開（公告）號: CN111008613A
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 賀垚凱;李坤彬
• 申請（專利權）人: 賀垚凱
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/70;G06T7/187;G06T7/11;G06T7/136
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 胡向陽

1.一種基于場的高密度人流量定位與監測方法，其特征在于，該方法包括：

步驟一，根據獲取的原始彩色人流量圖像生成七通道圖像數據T{R,G,B,D,H,M,N}，其中，R、G、B為原始彩色圖像RGB數據的對應通道分量，D通道為暗通道數據，H通道為亮通道數據，M通道為高光細節，N通道為陰影細節；

步驟二，根據常用的人流量監測數據集生成場數據F{X,Y,C,R}，作為標注數據，其中，X分量表示橫坐標方向上向真值點聚攏的強度，Y分量表示縱坐標方向上向真值點聚攏的強度，C分量表示標注位置的置信度，R分量表示標注半徑；

步驟三，根據場數據設計損失函數Loss＝MSE_XY*H(C)+MSE_R，其中，MSE_XY為場數據分量X、Y的聯合均方誤差損失，H(C)為分量C的交叉熵損失，MSE_R為分量R的均方誤差損失；

步驟四，將原始彩色人流量圖像與標注數據作為樣本數據集，基于損失函數Loss對深度神經網絡進行訓練；

步驟五，將待檢測原始彩色人流量圖像的七通道數據輸入訓練好的深度神經網絡，根據網絡輸出場數據進行熱力圖重建，對熱力圖中亮斑進行計數和定位，實現高密度人流量定位與監測。

2.如權利要求1所述的基于場的高密度人流量定位與監測方法，所述步驟一中的暗通道數據為：

D(i,j)＝min(R(i,j),G(i,j),B(i,j))

其中，D(i,j)是像素位置(i，j)處暗通道數據D的像素值；

所述亮通道數據為：

H(i,j)＝max(R(i,j),G(i,j),B(i,j))

其中，H(i,j)是像素位置(i，j)處亮通道數據H的像素值；

所述高光細節為：

其中，M(i,j)是像素位置(i，j)處高光細節M的像素值；

所述陰影細節為：

其中，N(i,j)是像素位置(i，j)處陰影細節N的像素值。

3.如權利要求1所述的基于場的高密度人流量定位與監測方法，所述步驟二中的場數據具體為：

設真值點坐標位置為(x’,y’)，當前像素位置的坐標為(x，y)，distance為當前像素位置與真值點位置之間的距離,d_x＝abs(x-x′)，d_y＝abs(y-y′)為當前像素坐標位置與真值點坐標位置之間的x軸、y軸距離；

對X分量有：

對Y分量有同上的定義：

對C分量有：

對R分量有：

其中，r₀為預設的標注半徑。

4.如權利要求1所述的基于場的高密度人流量定位與監測方法，所述步驟三包括：

根據場數據設計損失函數Loss＝MSE_XY*H(C)+MSE_R，

場數據分量X、Y的聯合均方誤差損失MSE_XY：

分量R的均方誤差MSE_R：

分量C的交叉熵損失H(C)：

其中，Output(i,j)_x、Output(i,j)_y、Output(i,j)_r、C_out(i,j)分別為輸出數據位置(i，j)處場數據中X分量值、Y分量值、R分量值、C分量值，GT(i,j)_x、GT(i,j)_y、GT(i,j)_r、C_Label(i,j)為標注數據位置(i，j)處場數據中X分量值、Y分量值、R分量值、C分量值，rows為輸出圖像的行數，cols為輸出圖像的列數，all指代所有像素位置，α為一超參數。