一种基于全卷积网络的人群密度估计、人数统计的方法技术

本发明专利技术公开了一种基于全卷积网络的人群密度估计、人数统计的方法，包括训练数据准备模块、预测模型设计模块、预测模型训练模块和实时检测模块。所述的全卷积网络包括1个深层卷积神经网络和2个浅层卷积神经网络；深层卷积神经网络用于处理人群离摄像头近的场景，获取人的脸部和人体特征，采用最大池化操作；浅层卷积神经网络用于处理人群离摄像头远的场景，获取人体轮廓信息，采用平均池化操作。本模型采用全卷积网络可以适应任何尺寸的输入图像；此模型采用的深层和浅层网络组合的方式，因此可以很容易地迁移到不同的应用场景；此系统可以同时高效且准确的预测出人群密度和人群数量。

A method of population density estimation and population statistics based on full convolution network

The invention discloses a method of crowd density estimation and population statistics based on full convolution network, including training data preparation module, prediction module design module, prediction model training module and real-time detection module. The convolutional network comprises 1 Deep convolutional neural network and 2 shallow deep convolutional neural network; convolutional neural network for processing the crowd from the camera near the scene, obtain the facial and body features, the maximum pool operation; shallow convolutional neural network for processing the crowd away from the camera scene, access the body contour, the average pool operation. This model adopts convolutional network can adapt to the input image of any size; this model uses the deep and shallow network combination, so you can easily migrate to different application scenarios; this system can predict the number of population density and population at the same time, high efficiency and accuracy.

【技术实现步骤摘要】
一种基于全卷积网络的人群密度估计、人数统计的方法
本专利技术属于计算机视觉技术与人工神经网络的
，具体地说，涉及一种基于全卷积网络的人群密度估计、人数统计的方法。
技术介绍
近年来随着经济水平发展，人口快速增长，由于人群聚集引起的骚乱已经不止一次的发生，人群监控也变得越来越重要，但是靠人力来实现人群监控容易产生疲劳并且容易受到个人主观因素影响，与此同时，计算机视觉技术日趋成熟，它在工程中的应用范围已经扩展到车牌识别、人脸检测、指纹识别等生活的方方面面，由此更加促进了人群密度自动估计方法的研究。人群密度等级估计和人群数量统计是人群监控的个重要研究方向。人群密度等级估计将人群按照密集程度划分为不同等级，通过特征分析及分类手段估计人群密度，常应用于人群密度的预警。而人群数量统计侧重于统计人数，要求结果能精确到人数。人群密度估计主要分为特征提取和人群密度分类两步。现有的人群密度估计方法，为了提升效果，特征提取方法往往设计得非常复杂，这在一定程度上使得检测速度难以兼顾。同时，人群密度估计常用的支持向量机等分类方法都属于浅层学习方法，在分类效果上都存在一定的局限性。然而，近年来，随着深度学本文档来自技高网...

【技术保护点】
一种基于全卷积网络的人群密度估计、人数统计的方法，其特征是：包括以下模块，模块一、训练数据准备模块，用于完成训练数据的准备；训练数据准备模块包括真实标签的准备和训练数据的准备；模块二、预测模型设计模块，用于设计人群密度估计和人数统计的模型结构；模块三、预测模型训练模块，用于训练人群密度估计和人数统计的离线模型；模块四、实时检测模块，用于输出人群密度估计图谱和人群数量。

【技术特征摘要】
1.一种基于全卷积网络的人群密度估计、人数统计的方法，其特征是：包括以下模块，模块一、训练数据准备模块，用于完成训练数据的准备；训练数据准备模块包括真实标签的准备和训练数据的准备；模块二、预测模型设计模块，用于设计人群密度估计和人数统计的模型结构；模块三、预测模型训练模块，用于训练人群密度估计和人数统计的离线模型；模块四、实时检测模块，用于输出人群密度估计图谱和人群数量。2.根据权利要求1所述的基于全卷积网络的人群密度估计、人数统计的方法，其特征是：所述的模块一中，所述的训练数据的准备包括以下两种方式，训练数据的准备方式一：S0：将图像按照步长为r0、区间为[0.51.2]做图像金字塔处理；S1：对金字塔图像按照重合面积为p0的百分比采样，得到训练数据；训练数据的准备方式二：对图像中高密度人群图像进行多次随机采样。3.根据权利要求1所述的基于全卷积网络的人群密度估计、人数统计的方法，其特征是：所述的模块一中，所述的真实标签的准备包括以下步骤，S0：对图像做人头的位置标定，得到位置坐标(x,y)；S1：生成一个和输入图像大小相同的标签矩阵，其中有人头的位置(x，y)等于1，其他位置等于0；S2：采用归一化高斯核卷积标签矩阵；S3：对S2中的标签矩阵采用线性插值方法做降采样操作，比例为八分之一。4.根据权利要求1所述的基于全卷积网络的人群密度估计、人数统计的方法，其特征是：所述的全卷积网络包括1个...

【专利技术属性】
技术研发人员：刘云楚，
申请(专利权)人：四川云图睿视科技有限公司，
类型：发明
国别省市：四川,51