[發明專利]一種基于對抗尺度一致性追求特征自學習的人群計數方法

在審

• 申請號: 202010129537.3
• 申請日: 2020-02-28
• 公開（公告）號: CN111353433A
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 張濤;袁佳偉;潘祥;于宏斌;孫俊
• 申請（專利權）人: 江南大學;深圳市數字城市工程研究中心
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 吳肖敏

本發明公開了一種基于對抗尺度一致性追求特征自學習的人群計數方法包括通過深度學習框架構建對抗尺度一致性網絡，其具備在多尺度的數據樣本中計算人群個數的功能；將特征自學習法融入對抗尺度一致性網絡；利用對抗尺度一致性網絡固有的對抗損失和感知損失以控制生成密度圖的真偽性；利用跨尺度一致性準則約束生成的密度圖；本發明的有益效果：構建一種新的人群計數回歸框架，該框架在應對多尺度訓練環境具有良好的性能，將帶有特征自學習加入到網絡圖片生成階段，對多尺度圖片特征提取起到關鍵性的作用，有利于對于后續判別器做出準確的判斷，提出了一種融合了特征自學習的人群回歸模型，以利用傳遞更好的特征生成更高質量的圖片信息。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種基于對抗尺度一致性追求特征自學習的人群計數方法。

背景技術

在現如今，由于社會的發展，大型集會和游行活動的增加，大型活動中頻繁發生的踩踏事件，已經造成了不小的傷亡，因此人群計數問題的研究也越來越火熱；傳統的人群計數方法主要分為兩類：一類為基于檢測的方法，另一類為基于回歸的方法；但是無論采取怎樣的檢測方法，都很難處理人群之間嚴重的遮擋的問題，一個主要的問題是來自于不同場景中人群規模的變化多樣性，人們日常生活活動中，在不同場景下人群的擁擠程度是不一樣的，要提出一個適應不同人群規模的模型并非是一件簡單的事情；為了解決多尺度的變化，以前的方法大多數是利用多列CNN或者利用多分支來提取不同接收場景的多個特征，然后再最后將所得到的特征進行融合形成最后的密度估計，但是這本身存在固有的缺陷一是沒有考慮到特征層內部的關系，二沒有考慮到傳統的多分支結構并沒有采取合作的方式而是以競爭的方式進行的。

特征自學習為特征層通道重標定，這表明對于圖像提取特征是有幫助的，為了解決上述人群計數存在的問題，我們遵循了特征自學習的方案；具體來說我們的目的是，首先利用對抗生成網絡在圖像生成方面的優秀性能，在此基礎上加入特征自學習的方案，使得在生成階段能夠生成更清晰的語義信息，再利用跨尺度一致性準則去約束得到的密度圖，這能夠使得最后得到的密度圖更清晰；研究表明，特征自學習在各種各樣的圖像處理任務中是非常有效的。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述和/或現有人群計數方法存在很難處理人群之間嚴重遮擋的問題，提出了本發明。

因此，本發明目的是提供一種基于對抗尺度一致性追求特征自學習的人群計數方法，其可以處理人群之間嚴重遮擋的問題。

為解決上述技術問題，本發明提供如下技術方案：通過攝像頭采集圖，將采集到的不同角度圖匯總；通過深度學習框架構建對抗尺度一致性網絡，其具備在多尺度的數據樣本中計算人群個數的功能；將特征自學習法融入所述對抗尺度一致性網絡，將采集到的圖輸入其中；利用所述對抗尺度一致性網絡固有的對抗損失和感知損失以控制生成密度圖的真偽性；利用跨尺度一致性準則約束所述生成密度圖。

作為本發明所述基于對抗尺度一致性追求特征自學習的人群計數方法的一種優選方案，其中：所述構建對抗尺度一致性網絡包括，

σ(W₂δ(W₁z))

引入以上兩個術語以提高特征自學習法有效性，第一術語中H為長，W 為寬，H×W為特征圖維度，i和j為常數，μ_c為第c個特征圖，第二術語中z 為第一術語中的結果。

作為本發明所述基于對抗尺度一致性追求特征自學習的人群計數方法的一種優選方案，其中：所述特征自學習法包括，