【技术实现步骤摘要】
基于多分支递进强化注意力人群计数方法
本专利技术涉及一种基于多分支递进强化注意力人群计数方法。
技术介绍
随着国家城市化步伐的加快和城市经济的迅猛发展,旅游事业和人群集会场景增多的同时,伴随而来的还有安全隐患。2014年上海外滩就因人数众多,发生踩踏事件。而另一方面,随着景点集会的人数越来越多,现有的空间又不足以容纳非常多的人数时,通过限制人流量来达到对安全情况的控制,已成为了一种必要手段。因此通过一种人群计数方法,预测人群数量,对高度拥挤的场景进行预警,可以帮助相关人员进行突发事件事前预警和事后决策,人们的生命和财产安全就可得到保障。目前已有的人群计数主要分为两种:1)基于传统方法的方法,例如支持向量机、决策树等;2)基于深度学习的方法,如MSCNN、CSRNet等网神经络方法。以上基于深度学习的人群计数方法均存在一定的局限性。方法1)使用传统方法,复杂度高,精度差;方法2)使用现有神经网络,精度较低等问题。
技术实现思路
本专利技术的目的在于提供一种基于多分支递进强化注意力人群计数方法。为解决上述问题,本专利技术提供一种基于多分支递进强化注意力人群计数方法,包括:S1:读取数据集并进行数据预处理,得到预处理的数据;S2:构建多分支递进强化注意力神经网络的主干;S3:基于所述预处理的数据和多分支递进强化注意力神经网络的主干,训练所述多分支递进强化注意力神经网络并测试网络准确性,以得到训练好的神经网络;S4:获取视频中的人群图像,输入进训练好的神经网 ...
【技术保护点】
1.一种基于多分支递进强化注意力人群计数方法,其特征在于,包括:/nS1:读取数据集并进行数据预处理,得到预处理的数据;/nS2:构建多分支递进强化注意力神经网络的主干;/nS3:基于所述预处理的数据和多分支递进强化注意力神经网络的主干,训练所述多分支递进强化注意力神经网络并测试网络准确性,以得到训练好的神经网络;/nS4:获取视频中的人群图像,输入进训练好的神经网络测试,得到该图片的预测人数。/n
【技术特征摘要】
1.一种基于多分支递进强化注意力人群计数方法,其特征在于,包括:
S1:读取数据集并进行数据预处理,得到预处理的数据;
S2:构建多分支递进强化注意力神经网络的主干;
S3:基于所述预处理的数据和多分支递进强化注意力神经网络的主干,训练所述多分支递进强化注意力神经网络并测试网络准确性,以得到训练好的神经网络;
S4:获取视频中的人群图像,输入进训练好的神经网络测试,得到该图片的预测人数。
2.如权利要求1所述的基于多分支递进强化注意力人群计数方法,其特征在于,S1包括:
S11:下载公开数据集;
S12:将公开数据集,分为数据集和训练集;
S13:分别将数据集和训练集的图像数据宽高像素补充为8的倍数,并按比例调整定位图的位置,以分别得到数据集的定位图和训练集的定位图;
S14:利用高斯核大小为25的高斯函数将数据集的定位图处理为数据集的密度图,利用高斯核大小为25的高斯函数将训练集的定位图处理为训练集的定位图。
3.如权利要求1所述的基于多分支递进强化注意力人群计数方法,其特征在于,所述S2包括:
S21:设置前端网络部分提取特征的结构:以VGG16的feature层作为特征提取层,卷积核大小为3,采用Pytorch的Conv2d卷积,每个卷积层后都加上Relu激活函数,每层的通道数为64,64,128,128,MaxPooling(kernel=2),256,256,256,MaxPooling(kernel=2),512,512,512,用所述结构提取到总体特征;
S22:基于提取到的总体特征,加载VGG16网络结构的预训练参数;
S23:后端网络设计。
4.如权利要求3所述的基于多分支递进强化注意力人群计数方法,其特征在于,所述步骤S23包括:
S231:后端主干网络为:二维卷积Conv2d,卷积核大小为3,输入到网络的通道数为512,输出网络层数为128,后接Relu激活函数;自定义的多分支递进强化注意力模块CPM1;最近邻插值上采样,上采样倍数为原数图像2倍;二维卷积Conv2d,卷积核大小为3,输入网络层数为128,输出网络层数为64,后接Relu激活函数;自定义的多分支递进强化注意力模块CPM2;最近邻插值上采样,上采样倍数为原数图像2倍;二维卷积Conv2d,卷积核大小为3,输入网络层数为64,输出网络层数为16,后接Relu激活函数;自定义的多分支递进强化注意力模块CPM3;最近邻插值上采样,上采样倍数为原数图像2倍;最后一层为二维卷积Conv2d输入通道数为16,输出网络层数为1,卷积核大小为1的全卷积网络,后接Relu激活函数,输出预测密度图;
S232:构建多分支递进强化注意力模块网络,其中,共前后两个阶段:将输入图像in1做二维卷积,输入通道等于输出通道,卷积核大小为3,扩张率为1,填充大小为1,得到卷积结果con1,后将con1输入强化注意力模块处理得到out1;将输入图像in1做二维卷积,输入通道等于输出通道,卷积核大小为3,扩张率为2,填充大小为2,得到卷积结果con2,后将con2加上out1输入强化注意力模块得到out2;将输入图像in1做二维卷积,输入通道等于输出通道,卷积核大小为3,扩张率为3,填充大小为3,得到卷积结果con3,后将con3加上out2输入强化注意力模块得到out3;将输入图像in1做二维卷积,输入通道等于...
【专利技术属性】
技术研发人员:沈世晖,黄良军,祝鲁宁,张亚妮,
申请(专利权)人:上海应用技术大学,
类型:发明
国别省市:上海;31
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。