[发明专利]基于子模技术和半监督学习的人群计数方法

说明书

本发明属于计算机视觉和机器学习领域，具体为一种基于子模技术和半监督学习的人群计数方法。本发明主要解决了人群计数在训练模型过程中样本稀缺的问题。对于连续的高频人群监控图像，首先对每帧图像进行预处理，并提取人群面积、纹理等特征；对该图像样本集合，使用子模样本选择算法抽取少量的最优样本，再进行人为标注；最后使用半监督回归算法训练模型，利用大量未标注的样本提升模型性能。相比于随机采样、基于聚类的样本选择方法，本发明能显著降低训练样本数量，并提升模型的预测性能。

技术领域

本发明属于计算机视觉、机器学习、及智能交通技术领域，具体涉及基于图像和视频的人群计数方法。

背景技术

基于视频图像的人群计数问题是计算机视觉和机器学习领域研究的问题之一。当给定某场景人群图像，要求根据计算机视觉或机器学习算法输出行人数量。目前该领域已经有不少前人工作，其主要方法可以分为两大类：基于行人检测的方法、基于图像特征的回归方法。以下是这两类方法的一些参考文献：

[1]A.B.Chan,Z.J.Liang,and N.Vasconcelos.Privacy pre-serving crowdmonitoring:Counting people without people models or tracking.In Conference onComputer Vision and Pattern Recognition,pages 1–7,2008.

[2]B.Chan and N.Vasconcelos.Counting people with low-level featuresand bayesian regression.IEEE Transactions on Image Processing,21(4):2160–2177,2012.

[3]K.Chen,C.C.Loy,S.Gong,and T.Xiang.Feature min-ing for localisedcrowd counting.In British Machine Vision Conference,2012.

[4]C.C.Loy,S.Gong,and T.Xiang.From semi-supervised to transfercounting of crowds.In Conference on Computer Vision and Pattern Recognition,pages 2256–2263,2013.

[5]W.Ouyang and X.Wang.Single-pedestrian detection aided by multi-pedestrian detection.In Conference on Computer Vision and PatternRecognition,pages 3198–3205,2013.

[6]B.Tan,J.Zhang,and L.Wang.Semi-supervised elastic net forpedestrian counting.Pattern Recognition,44(10):2297–2304,2011.

[7]W.Xia,J.Zhang,and U.Kruger.Semisupervised pedes-trian countingwith temporal and spatial consistencies.IEEE Transactions on IntelligentTransportation Systems,16(4):1705–1715,2015.