[发明专利]一种基于卷积神经网络的人群密度及数量估计方法

说明书

本发明公开了一种基于卷积神经网络的人群密度及数量估计方法，该方法首先采集场景图像，标注出场景图像中的人头位置作为训练图像集；其次根据训练图像及其人头标注生成用于训练的真实人群密度分布图；然后搭建卷积神经网络来回归人群密度分布图，计算损失函数Loss，通过损失函数利用随机梯度下降的方法进行网络权重的调整，模型收敛时训练结束；最后将待预测图像输入到训练好的卷积神经网络中，得到预测的人群密度分布图，在整张人群密度分布图上进行求和操作得到预测的总人数。相比于目前的其他方法，本方法在密集、遮挡、视角不一等复杂情况下，能够提高人群计数的准确度，有效增强了公共安全防控。

技术领域

本发明属于机器视觉应用领域，特别涉及一种基于卷积神经网络的人群密度及数量估计方法。

背景技术

复杂场景下的人群计数是目前工业界和学界的一个研究热点和难点，其在实际生活中有重要应用价值。人群计数在视频监控、交通监测、公共安全、城市规划以及建设智能商超等方面有着广泛应用，如监控某个人群易聚集区域的人群数目，防止由于人群密度过大，导致人群失控发生踩踏等事件。由于密集、遮挡、视角不一等复杂情况，真实场景下的人群计数目前还是一个未解决的难题。

作为一种常用的公共安全防控手段，通过机器视觉对人群密度进行定量测量，目前大多采用基于目标检测和基于回归的方法。以上两种人群计数方法，在面对密集、遮挡、视角不一等复杂现实场景，都存在一定的局限性，无法保证人群计数的准确性和可靠性。基于目标检测的方法，就是通过对图像上每个行人或人头进行定位与识别，再根据结果统计人数。优点在于可以做到准确的行人或者人头位置，但缺点在于对高密度的人群图像来说，其检测效果精确度较差。基于回归的方法，可以叫做人群数量估计，没有精确定位行人位置，而是对大概的人群数目给出个估计值，优点在于对高密度人群图像来说，其效果优于目标检测方法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于卷积神经网络的人群密度及数量估计方法。

本发明的目的是通过以下技术方案来实现的：一种基于卷积神经网络的人群密度及数量估计方法，该方法包括以下步骤：

(1)通过摄像头采集场景图像，以像素点坐标标注出场景图像中的人头位置，作为训练图像集；

(2)根据训练图像及其人头标注生成用于训练的真实人群密度分布图，公式如下：

其中，(x,y)表示真实人群密度分布图的坐标，(x_i,y_i)表示人头坐标位置，N为图像中总人头数量。

(3)搭建卷积神经网络来回归人群密度分布图，卷积神经网络的输入为步骤(1)的训练图像，卷积神经网络的输出为预测的人群密度分布图；

网络结构：网络的前端为在ImageNet数据集上预训练的VGG16模型的前10层，其后串接多尺度空洞卷积模块用来捕捉图像多尺度特征，空洞卷积模块由三个并联的空洞卷积层组成，空洞率(dilate rate)分别为1、2、4；在空洞卷积特征模块之后接1x1的卷积核，将特征图通道数降为1，得到最后输出的单通道预测密度分布图。

(4)根据网络输出的预测人群密度分布图与真实人群密度分布图计算损失函数Loss，通过损失函数利用随机梯度下降的方法进行网络权重的调整，损失函数不再下降时训练结束，保存网络参数。

(5)将待预测图像输入到步骤(4)训练好的卷积神经网络中，得到预测的人群密度分布图，在整张人群密度分布图上进行求和操作得到预测的总人数。

进一步地，所述步骤(2)中，g(σ_i)通过K近邻算法计算人头i与其最相近的K个人头的距离加权得到：