[发明专利]基于强化学习图像亮度调节的空中视角人群计数方法

权利要求书

1.基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于包括如下步骤：

1）获取已经进行标注的无人机人群计数数据集，对于其中的空中视角人群图像和标注进行图像块切割和降低分辨率预处理，得到原始分辨率图像块的数据集和低分辨率图像块的数据集；

2）分别用原始分辨率图像块的数据集和低分辨率图像块的数据集训练机器学习人群计数模型，得到原始人群计数模型和粗糙人群计数模型；

3）构建和训练强化策略网络模型，所述强化策略网络模型的输出为是否使用低分辨率图像块，以及使用低分辨率图像块时，低分辨率图像块需要增减的亮度值；

对于步骤1）所得数据集中的每个图像，以HR表示原始分辨率版本，以LR表示低分辨率版本，每个原始分辨率图像或低分辨率图像均由n²个相等大小的非重叠图像块组成，第i个图像块表示为或；

强化策略网络模型通过观察每个图像，输出一个二元数组，其中表示模型倾向于选取HR的第i个图像块，表示模型倾向于选取LR的第i个图像块；

同时，强化策略网络模型通过观察每个图像，输出，表示将第i个图像块或的图像转换成HSV图像，将V通道的值进行增减的值；图像转换成HSV图像并将V通道的值进行增减后转换回RGB图像；

4）对于待处理的无人机实时图像，进行图像块切割和降低分辨率预处理，利用步骤3）训练得到的强化策略网络模型选取对应分辨率的图像块并进行亮度值的调整，其中将选择原始分辨率的每个图像块，使用步骤2）已经训练好的原始人群计数模型得到该图像块的人群计数结果；将选择低分辨率的每个图像块，使用步骤2）已经训练好的粗糙人群计数模型得到该图像块的人群计数结果，各图像块的计数结果之和即为输入图像经估算的人群计数结果最终得到整张图像的人群计数结果。

2.根据权利要求1所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，步骤1）中所述的对于其中的空中视角人群图像和标注进行图像块切割和降低分辨率预处理，包括如下步骤：

1.1）将空中视角人群图像均分为n²个图像块，得到原始分辨率图像块，并将每张图像对应的真值标注映射到切割后的图像块上，得到原始分辨率图像块的标注，即每个图像块可以得到对应的一个标注文件；原始分辨率图像块和其标注构成原始分辨率图像块的数据集；其中n为大于等于2的整数；

1.2）对原始分辨率图像块的数据集，做降低分辨率处理，得到低分辨率图像块的数据集。

3.根据权利要求2所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，所述步骤1.2）中，降低分辨率的倍数由预先设定。

4.根据权利要求2所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，所述步骤1.2）中，所述低分辨率图像块的数据集包括低分辨率图像块及其标注，其中，低分辨率图像块的标注通过将每张图像对应的真值标注映射到切割后的低分辨率图像块上得到，每个低分辨图像块对应的一个标注文件。

5.根据权利要求1所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，

利用经标注的训练集对强化策略网络模型进行训练，强化策略网络模型的奖励函数包括精度部分和时间成本部分；奖励函数促使模型在考虑精度要求的同时选择更少的HR图像块以节约计算成本。

6.根据权利要求5所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，强化策略网络模型的奖励函数R示为：

其中，表示预测的误差值，表示估计的时间成本；表示原始人群计数模型得到的预测结果，表示粗糙人群计数模型得到的预测结果，为超参数。

7.根据权利要求6所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，

、表示超参数，在训练的过程中需要进行设置及调整，表示一组蒙特卡洛采样生成的二进制数，表示一张图像中使用HR图像块的数量。

8.根据权利要求1所述的基于强化学习图像亮度调节的空中视角人群计数方法，其特征在于，所述的将V通道的值进行增减为：对每个图像块中的像素点进行相同的亮度调整，为正则增加亮度，负则降低亮度。