【技术实现步骤摘要】
基于多尺度生成对抗网络的人群计数方法
本专利技术涉及图像处理、计算机视觉领域，具体是一种基于多尺度生成对抗网络的人群计数算法。
技术介绍
随着我国人口的不断增长，大规模人群聚集的场合越来越多。为了有效控制公共场所的人群数量，防止人群密度过载造成意外事故，视频监控成为了目前的主要手段。在视频监控和安防领域中，人群分析吸引了越来越多研究者的关注，成为了当前计算机视觉领域十分火热的研究课题。人群计数任务是准确估计出图片中人群的总人数同时给出人群密度的分布情况。图片人群计数可以用于许多的领域，例如事故预防、空间规划、消费习惯分析和交通调度等。目前，应用于智能监控上主流的人群计数算法主要分为两类：基于检测的人群计数算法与基于回归的人群计数算法。基于检测的人群计数算法，即在监控视频中，假设每帧图像的所有行人都能通过人工设计的视觉目标检测器被精确检测并定位，通过累计所有检测到的目标从而得到人数的估计值。Papageorgiou等早在1998提出了通过提取图像中不同尺度的小波特征训练SVM分类器，用于行人检测任务中。Lin等在200...
【技术保护点】
1.基于多尺度生成对抗网络的人群计数方法，其特征在于：具体步骤如下：/n1人群场景高斯核密度图：/n将给定的人头坐标数据转换为人群密度分布图的形式，在数据集的人群图像中，对于给定的人头坐标
【技术特征摘要】
1.基于多尺度生成对抗网络的人群计数方法，其特征在于：具体步骤如下：
1人群场景高斯核密度图：
将给定的人头坐标数据转换为人群密度分布图的形式，在数据集的人群图像中，对于给定的人头坐标，可以用离散的表示对应的人头的坐标位置，因此每张图像中的N个人头的位置可以标记为：
为了将人头位置坐标函数转换为连续的密度函数，将高斯滤波器与人头位置函数卷积得到密度方程，具体方程如下所示：
2构建多尺度生成对抗网络：
多尺度生成对抗网络模型结构主要包括两个部分：生成器和判别器，其中生成器是多尺度卷积神经网络，生成器以人群图像作为输入，输出为预测的人群密度图，然后将得到的密度图和人群图像相叠加同时输入到判别器中，训练判别器来辨别输入的是生成的密度图还是真实的密度图，同时由于人群图像的叠加输入，判别器还需要辨别生成的密度图与人群图像是否匹配；
3基于内容损失函数设计：
采用基于像素级的损失函数，计算预测密度图和真实密度图之间的欧氏距离作为网络的损失函数，损失函数采用像素级的平均平方误差（MeanSquareError,MSE）：
其中代表生成器生成的密度...
【专利技术属性】
技术研发人员：咸良，杨建兴，周圆，
申请(专利权)人：天津大学青岛海洋技术研究院，
类型：发明
国别省市：山东;37
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。