基于多尺度引导注意力机制网络的人群计数方法及系统技术方案

本公开提供了一种基于多尺度引导注意力机制网络的人群计数方法及系统，获取待识别的图像数据；对获取的图像数据进行多尺度特征提取，得到多个特征图，对所有特征图进行融合得到多尺度融合特征图；将获取的各个尺度的特征图和多尺度融合特征图输入到预设的引导注意力机制模型中，得到不同尺度下的注意力特征图；将各个尺度下的注意力特征图进行融合，对融合后的特征图进行密度回归，得到人群密度图，根据人群密度图得到人群计数；本公开通过采用多尺度引导注意力机制来捕获更丰富的多尺度上下文特征信息，能够将局部特征与其相应的全局依赖关系相集成，并以自适应方式突出显示重要的通道信息，极大的提高了人群计数精度。

【技术实现步骤摘要】
基于多尺度引导注意力机制网络的人群计数方法及系统
本公开涉及计算机视觉图像处理
，特别涉及一种基于多尺度引导注意力机制网络的人群计数方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
，并不必然构成现有技术。随着科技水平发展到新的高度，人民的生活质量逐步得到提升。人们经常参加一些大型活动，在这种场景下，但随之而来的安全隐患诸如拥挤、踩踏等对人民生命财产带来巨大的威胁。因此，高密度人群分布场所的安防措施成了保障人民群众生命财产安全的关键性问题。因此，人群计数问题的研究也越来越火热，若能准确估计当前场景的人群密度、及时地检测人群急剧变化，就可以优化公共交通调度、安排相应的安保措施，以此来达到有效的减少或避免此类事件发生的目的。近年来，基于计算机视觉的人群计数取得了巨大的进展。人群计数的目的是预测图像中出现的人数。针对人群计数开发的算法具有多种应用，如视频和交通监控，农业监测(植物计数)，细胞计数，场景理解，城市规划和环境调查。计算机视觉领域已经通过各种方式来处理这个任务：早期的工作基于身体或头部检测器的输出进本文档来自技高网...

【技术保护点】
1.一种基于多尺度引导注意力机制网络的人群计数方法，其特征在于：包括以下步骤：/n获取待识别的图像数据；/n对获取的图像数据进行多尺度特征提取，得到多个特征图，对所有特征图进行融合得到多尺度融合特征图；/n将获取的各个尺度的特征图和多尺度融合特征图输入到预设的引导注意力机制模型中，得到不同尺度下的注意力特征图；/n将各个尺度下的注意力特征图进行融合，对融合后的特征图进行密度回归，得到人群密度图，根据人群密度图得到人群计数。/n

【技术特征摘要】
1.一种基于多尺度引导注意力机制网络的人群计数方法，其特征在于：包括以下步骤：
获取待识别的图像数据；
对获取的图像数据进行多尺度特征提取，得到多个特征图，对所有特征图进行融合得到多尺度融合特征图；
将获取的各个尺度的特征图和多尺度融合特征图输入到预设的引导注意力机制模型中，得到不同尺度下的注意力特征图；
将各个尺度下的注意力特征图进行融合，对融合后的特征图进行密度回归，得到人群密度图，根据人群密度图得到人群计数。


2.如权利要求1所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：
引导注意力机制模型中，根据空间注意力和通道注意力，得到加权后的不同尺度下的注意力特征图。


3.如权利要求1所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：
通过设置不同的损失函数，引导注意力机制模型在训练中自我调整需要注意的特征信息。


4.如权利要求3所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：
根据获取的特征图和多尺度融合特征图，结合引导注意力机制模型的编码-解码器和注意力机制模块，得到各个尺度上的第一注意力损失函数，将各个尺度上的第一注意力损失函数相加后得到组合引导损失。


5.如权利要求3所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：
引导编码-解码器的输出与其输入的特征一致或者接近一致，结合重构的特征图以及输入的特征图，得到各个尺度上的第二注意力损失函数，将各个尺度上的第二...

【专利技术属性】
技术研发人员：吕蕾，顾玲玉，谢锦阳，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37