[发明专利]一种基于VGGNet的人数估计方法

摘要

本发明公开了一种基于VGGNet的人数估计方法，属于基于深度学习的人群密度估计技术领域。本发明提出了一种新的深度卷积网络VGG‑MCNN，用于图像的人数估计。本发明将用于图像分类领域的VGGNet迁移至人数估计领域，并在VGGNet的基础上添加多列不同大小卷积核所组成的卷积网，以获取不同感受野信息。本发明的深度卷积网络不仅充分利用了VGGNet强大的提取有效特征的能力，又有效获取了不同尺度人头信息，从而大大提高了网络估计的准确度。同时，由于引入了已经过有效预训练的VGGNet，该部分网络参数不用再次训练，从而降低了网络训练规模，对训练数据数量的要求也大大降低，同时降低了网络过拟合风险。

主权项

一种基于VGGNet的人数估计方法，其特征在于，包括下列步骤：构建深度神经网络模型：底层网络采用VGG16的前10个卷积层和3个池化层构成；10个卷积层分为顺次连接的四组，第一和第二组均包括2个卷积层、第三和第四组均包括3个卷积层，每组之间连接一个池化层；在底层网络后设置3列卷积网，每列卷包括4个卷积层和1个池化层，3列的卷积核大小分别为5x5、7x7、9x9；3列卷积网的网络输出并入1个拼接层，所述拼接层再顺次连接3个卷积层，各卷积层的卷积核大小分别为：5x5、5x5、1x1；采集训练样数据对所构建的深度神经网络模型进行训练，获得训练好的深度神经网络模型，且训练时，将底层网络设置为无后向计算；将待估计图像输入训练好的深度神经网络模型中，得到待估计图像的估计密度图，对所述估计密度图进行积分，得到待估计图像的估计人数。