【技术实现步骤摘要】
一种面向无人机图像的人群聚集密度分析方法
本专利技术属于计算机应用
,具体涉及一种面向无人机图像的人群聚集密度分析方法。
技术介绍
人群聚集密度分析是在行人聚集场所中识别和发现人群分布情况。广场等行人聚集区域往往存在安全隐患,人群聚集密度分析有利于预防和处理踩踏拥挤等事故的。现有人群聚集分析的主要方法有根据动态视频识别行人、在非俯视图中识别行人以及在空中拍摄的俯视图中识别行人。其中,动态视频识别成本高;非俯视图像涵盖的人群范围小,不能涵盖人群周围环境等整体信息,无法适应无人机图像中大范围的人群分析;在俯视图识别行人的方法中,采用神经网络算法进行人群聚集分析,不存在上述两种方法存在的问题,但是会受到图像大小的限制,对于不同拍摄距离下的人群图像检测效果也不是很理想,并且在可视化的过程中对于标注信息的依赖过大,现有常用的可视化方法是通过自适应高斯核函数生成密度图,这种方法对于标注信息依赖过大,如果不包含标注信息,则无法生成密度图。具体地,在俯视图识别行人的方法中,现有的采用神经网络算法进行人群聚集分析,比如VishwanathA.Sindagi等人设计了一种基于先验和多任务学习相结合的卷积神经网络的人群聚集密度分析方法,用于对俯拍获得的图像进行分析,该方法将人数密集和稀疏的数据集提前分组,然后分开训练模型。该网络中共享特征提取层将训练人数估计模型和密度估计模型分开训练,从而达到多任务的效果,克服了全连接层对于图像大小的限制。但是由于该网络特征提取的尺度是单一的,该网络对于不同大小的图像的识别效果不好。通过密度 ...
【技术保护点】
1.一种基于无人机图像的人群聚集密度分析方法,采用卷积神经网络对无人机图像进行人群识别提取,包括人群计数部分以及密度估计部分,其中人群计数部分输出为人群计数结果,密度估计部分输出为人群密度估计结果,其特征在于,在卷积神经网络中构建多尺度共享特征提取部分,所述多尺度共享特征提取部分包括特征共享层以及多个不同尺度的输入卷积层,所述输入卷积层用于接收无人机图像,输出对应尺度的特征图;特征共享层用于将多个输入卷积层输出的特征图进行连接,并最终通过卷积操作输出特征图至人群计数部分以及密度估计部分;其中,输入卷积层的数目和各自的大小根据无人机拍摄高度的范围确定;/n将人群密度估计结果记为密度概率矩阵,基于密度概率矩阵,采用基于数据场拥堵点的可视化方法或基于视场系数的密度可视化方法对人群聚集程度与分布进行可视化,两种可视化方法单独采用或同时进行;/n其中,基于数据场拥堵点的可视化方法中,将密度概率矩阵上数值不为0的点视为带有该值权重的单个人,提取密度概率矩阵的每个非0点的坐标和密度值;利用拟核力场势函数对每个点计算该点受其它所有点或者一定范围内的点影响的势能值之和,预设一个势能值阈值,将超过该阈值的 ...
【技术特征摘要】
1.一种基于无人机图像的人群聚集密度分析方法,采用卷积神经网络对无人机图像进行人群识别提取,包括人群计数部分以及密度估计部分,其中人群计数部分输出为人群计数结果,密度估计部分输出为人群密度估计结果,其特征在于,在卷积神经网络中构建多尺度共享特征提取部分,所述多尺度共享特征提取部分包括特征共享层以及多个不同尺度的输入卷积层,所述输入卷积层用于接收无人机图像,输出对应尺度的特征图;特征共享层用于将多个输入卷积层输出的特征图进行连接,并最终通过卷积操作输出特征图至人群计数部分以及密度估计部分;其中,输入卷积层的数目和各自的大小根据无人机拍摄高度的范围确定;
将人群密度估计结果记为密度概率矩阵,基于密度概率矩阵,采用基于数据场拥堵点的可视化方法或基于视场系数的密度可视化方法对人群聚集程度与分布进行可视化,两种可视化方法单独采用或同时进行;
其中,基于数据场拥堵点的可视化方法中,将密度概率矩阵上数值不为0的点视为带有该值权重的单个人,提取密度概率矩阵的每个非0点的坐标和密度值;利用拟核力场势函数对每个点计算该点受其它所有点或者一定范围内的点影响的势能值之和,预设一个势能值阈值,将超过该阈值的点设置为拥堵点;其中,拟核力场的势函数为:
其中,x,y为对应点的坐标,m为超参数,σ值取4.0,k表示距离指数;
基于视场系数的密度可视化方法中,通过视场系数的相对密度方法实现对人群聚集总体状况分析和拥堵等级划分,所述相对密度为原始概率与视场系数的比值,所述视场系数为密度估计得到的密度概率矩阵中概率最大的值。
2.如权利要求1所述的基于无人机图像的人群聚集密度分析方法,其特征在于,当拍摄高度高于80米时,输入卷积层尺寸小于3×3;当高度低于40米时,输入卷积层尺寸大于9×9。
3.如权利要求1所述的基于无人机图像的人群聚集密度分析方法,其特征在于,基于数据场拥堵点的可视化过程中,在拥堵点的基础上通过中心画圆方法,对应HSL色盘得到热力图,将热力图羽化,浮于原图之上,得到对应的密度图。
4.如权利要求1所述的基于无人机图像的人群聚集密度分析方法,其特征在于,将无人机图像添加标注信息之后用于卷积神经网络训练,卷积层输入无人机图像的图片信息,所述标注信息用于在训练过程中计算损失函数优化模型,所述添加标注信息的步骤如下:
步骤11,数据标注:
手工标注输入无人机图像,生成具有标注信息的.mat格式文件;其中每个文件中存储一个二维数字矩阵,矩阵的大小与图像大小一致,对于图像中所有存在人头的中心位置像素(a,b),将矩阵中对应位置的值设置为1,其他不存在人头的位置的值设置为0;
步骤12,通过高斯函数处理.mat格...
【专利技术属性】
技术研发人员:袁汉宁,李晓蕾,王宇,王树良,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京;11
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。