[发明专利]一种基于膨胀卷积的人群密度图生成方法

摘要

本发明公开了一种基于膨胀卷积的人群密度图生成方法，从网络上下载现有的关于人群密度估计的数据库；从现有的数据库中根据人群密度的大小挑选训练样本构建两个新的训练数据库：小人群密度数据库，大人群密度数据库；基于两个新的训练数据库，分别离线训练一个膨胀卷积CNN网络模型；在测试阶段，根据运动区域检测和运动区域的纹理分析得到人群密度粗略估计，根据估计的人群密度大小选择使用训练得到的小CNN网络模型或大CNN网络模型，得到精确的输入图像尺寸大小的人群密度图。采用膨胀卷积技术，可以生成和输入图像尺寸一样大小的人群密度图，结合输入图像可以提供直观的人群密度信息。

主权项

1.一种基于膨胀卷积的人群密度图生成方法，其特征在于，包括以下步骤：(1)从网络上下载现有的关于人群密度估计的数据库；(2)从现有的数据库中根据人群密度的大小挑选训练样本构建两个新的训练数据库：小人群密度数据库，大人群密度数据库；(3)基于两个新的训练数据库，分别离线训练一个膨胀卷积CNN网络模型：简称小CNN网络模型M1，大CNN网络模型M2；对卷积网络进行训练的过程如下：第一步：前向计算最终的输出结果，在整个网络中，每层网络对象里面都有一个前向计算该层网络输出结果的函数，即前向传播函数，当前层的前向传播函数计算完成之后，先把数据保存在当前对象中，然后进入下一层的前向传播函数继续进行计算，最终，整个网络的每一层的输出都会计算到；第二步：反向传播计算梯度，每一层网络中有进行反向传播的函数，根据反向传播函数先计算输出和目标的差值，然后利用插值先计算最后的输出相对于倒数第二层的梯度，等计算完毕，参数保存之后，再计算插值相对于倒数第三层的梯度，一直循环下去，每个网络的前向后向传播的实现函数都不相同；第三步：更新权值和偏置网络参数，更新网络参数利用前面计算得到权值和偏置的梯度对网络参数进行修正；(4)在测试阶段，根据运动区域检测和运动区域的纹理分析得到人群密度粗略估计，根据估计的人群密度大小选择使用步骤(3)训练得到的小CNN网络模型或大CNN网络模型，得到精确的输入图像尺寸大小的人群密度图。