【技术实现步骤摘要】
一种基于图像的人群计数方法及设备
本专利技术涉及图像分析
,特别涉及一种基于图像的人群计数方法。本专利技术同时还涉及一种基于图像的人群计数设备。
技术介绍
随着社会经济的飞速发展,城市公共建设日益完善,公共场所的人群大量聚集现象越来越严重,规模越来越大。人群计数是智能监控技术的重要组成部分,对维护社会稳定,防止公共场所人群拥堵、非法聚集有着重要作用。常用的密集人数统计方法先在前景分块的基础上提取特征,然后利用特征进行回归,从而确定密集场景中的人数。受视角的影响,离摄像头近的人比远处的人占更多的像素,即透视现象,所以在提取特征前需要对图像进行视角归一化,从而提高回归的准确性。不同于目标检测,回归无法准确定位目标的位置,但是通过回归方法可以估计密集人群的总数。而这类方法通常存在以下三点缺陷:一、依赖前景分块提取的运行区域,无法确定大场景中移动缓慢的人群,前景分块的准确性也影响了人群计数的准确性;二、需要事先构造不同场景视角图,导致了算法对未知场景的适应性不佳;三、稀疏人群统计准确率低。传统的人群计数方法利用目标检测定位每个行人位置,然后通过统计检测到的行人数量确定人群总数。但是现有的目标检测算法基本无法检测密集人群中小尺度人头或者被遮挡的行人,所以传统的人群计数方法无法适用于密集人群计数。有鉴于此,现有技术中提出了以下两种常用密集人数计数方案:(1)基于多列卷积神经网络的单张图像人群计数该方案将测试图分别输入三个子网络,每个子网络包含四层卷积层和两层池化层,每列卷积网络使用的卷积核大小不同,三个子网络输出的特征图直接连接,然后再用一个1*1的卷积核生成单 ...
【技术保护点】
1.一种基于图像的人群计数方法,其特征在于,包括:将待分析图像输入包含多层卷积层以及特征融合层的神经网络,所述多层卷积层按照卷积层的层次顺序划分为多个不同的特征提取子网络;通过所述特征融合层对各所述特征提取子网络的输出特征进行尺度归一化处理,并将所述尺度归一化处理后的输出特征结合各输出特征对应的加权系数生成所述待分析图像的人群密度图,所述加权系数由所述特征融合层在所述神经网络的训练阶段学习所得;对所述人群密度图进行积分以确定所述待分析图像中的人数。
【技术特征摘要】
1.一种基于图像的人群计数方法,其特征在于,包括:将待分析图像输入包含多层卷积层以及特征融合层的神经网络,所述多层卷积层按照卷积层的层次顺序划分为多个不同的特征提取子网络;通过所述特征融合层对各所述特征提取子网络的输出特征进行尺度归一化处理,并将所述尺度归一化处理后的输出特征结合各输出特征对应的加权系数生成所述待分析图像的人群密度图,所述加权系数由所述特征融合层在所述神经网络的训练阶段学习所得;对所述人群密度图进行积分以确定所述待分析图像中的人数。2.如权利要求1所述的方法,其特征在于,在将待分析图像输入包含多层卷积层以及特征融合层的神经网络之前,还包括:获取当前场景下的测试图像,对所述测试图像进行灰度图转换以及伽马校正,将经过所述灰度图转换以及伽马校正后的所述测试图像均匀划分为多块子图像,并依次将各所述子图像作为所述待分析图像;在对所述人群密度图进行积分以确定所述待分析图像中的人数之后,还包括:将各所述子图像的人数之和作为所述测试图像中的人群总数。3.如权利要求2所述的方法,其特征在于,通过所述特征融合层对各所述特征提取子网络的输出特征进行尺度归一化处理,并将所述尺度归一化处理后的输出特征结合各所述尺度归一化处理后的输出特征的加权系数生成所述待分析图像的人群密度图,具体为:将各所述特征提取子网络的输出特征输入所述特征融合层,以转换为尺度一致的所述尺度归一化处理后的输出特征;接收所述特征融合层输出的融合特征,并将所述融合特征作为所述人群密度图;其中,所述融合特征为各个所述尺度归一化处理后的输出特征与对应的加权系数的乘积的总和。4.如权利要求1-3任一项所述的方法,其特征在于,在所述多层卷积层中按照卷积层的层次顺序,分别提取第一数量层数的卷积层构成第一特征提取子网络,提取第二数量层数的卷积层构成第二特征提取子网络,提取第三数量层数的卷积层构成第三特征提取子网络;其中,所述第一数量层数、第二数量层数、第三数量层数的和为所述多层卷积层的总层数。5.如权利要求4所述的方法,其特征在于,所述神经网络具体通过以下方式训练生成:向所述神经网络同时输入样本图像以及与所述样本图像尺寸相同的真实人群密度图;将所述真实人群密度图下采样为第一尺度的大小,用于训练所述第一特征提取子网络的卷积层;固定所述第一特征提取子网络的卷积层,将所述真实人群密度图下采样为第二尺度的大小,用于训练所述第二特征提取子网络的卷积层;固定所述第一特征提取子网络以及所述第二特征提取子网络的卷积层,将所述真实人群密度图下采样为第三尺度的大小,用于训练所述第三特征提取子网络的卷积层;将所述真实人群密度图下采样为所述第一特征提取子网络、所述第二特征提取...
【专利技术属性】
技术研发人员:徐茜,毛泉涌,王玲,
申请(专利权)人:浙江宇视科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。