一种基于伪标签的半监督人群计数方法及装置制造方法及图纸

本发明专利技术公开了一种基于伪标签的半监督人群计数方法及装置，包括：获取并输入人群图片训练集；分别得到每幅人群图片所对应的人群密度等级概率分布向量、预测密度图、密度图伪标签和人群密度等级聚合分数向量；依次对所有的人群图片进行损失函数计算，并监督迭代训练，以使在每一次迭代训练中，根据人群密度等级概率分布向量和人群密度等级聚合分数向量的交叉熵损失，以及，预测密度图的L2损失，来进行监督迭代训练，直至所有的人群图片都进行监督迭代训练，从而完成了对人群计数模型的训练；将待计数的人群图片输入已完成训练的人群计数模型，从而得到预测人群数量。本发明专利技术解决了现有技术中依赖大量有标记数据的局限性问题。有技术中依赖大量有标记数据的局限性问题。有技术中依赖大量有标记数据的局限性问题。

【技术实现步骤摘要】
一种基于伪标签的半监督人群计数方法及装置


[0001]本专利技术涉及人群计数领域，尤其涉及一种基于伪标签的半监督人群计数方法及装置。

技术介绍

[0002]随着城市人口的不断增长，各公共场所如商场、地铁站、旅游景点等面临着巨大的人群压力，监控场景中的人群密度并做出合理的管理决策，是城市规划与商业规划的重要一环。特别地，随着新型冠状病毒疫情防控的常态化，对人员密集型场所进行人群密度监控的重要性日益突显。人群计数的目的是准确估计图像中的人群数量，作为一项重要的计算机视觉任务，人群计数在人群分析、人群流量监控、公共安全、城市规划等领域都有着广泛的应用价值。
[0003]人群计数任务充满了各种挑战，如极端的尺度变化、严重遮挡、视角扭曲、光照变化、背景杂乱、人群分布不均匀等。因此，人群计数是一项困难的任务。近年来，随着深度学习的快速发展，基于卷积神经网络的人群计数方法取得了重大进展，已成为目前最主流和最有效的方法。目前人群计数的常用方法是，把人群计数视为一种端到端的逐像素回归的任务，即把一张人群图片输入到模型中，输出人群密度图，把人群密度图中的每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于伪标签的半监督人群计数方法，其特征在于，包括：获取并输入人群图片训练集；其中，所述人群图片训练集包括有标记人群图片和无标记人群图片；对所述人群图片训练集中所有的人群图片分别进行密度等级分类、密度图预测、伪标签标记和密度等级聚合，分别得到每幅人群图片所对应的人群密度等级概率分布向量、预测密度图、密度图伪标签和人群密度等级聚合分数向量；依次对所有的人群图片进行损失函数计算，并监督迭代训练，以使在每一次迭代训练中，根据真值密度等级或伪密度等级分别对人群密度等级概率分布向量和人群密度等级聚合分数向量的交叉熵损失，以及，真值密度图或密度图伪标签对预测密度图的L2损失，来进行监督迭代训练，直至人群图片训练集中所有的人群图片都进行监督迭代训练，从而完成了对人群计数模型的训练；其中，所述真值密度等级和所述真值密度图由所述有标记人群图片的真值标注处理得到，所述伪密度等级由所述无标记人群图片处理得到；将待计数的人群图片输入已完成训练的人群计数模型，得到待计数的人群图片的预测密度图，从而得到预测人群数量。2.如权利要求1所述的一种基于伪标签的半监督人群计数方法，其特征在于，在所述对所述人群图片训练集中所有的人群图片分别进行密度等级分类、密度图预测、伪标签标记和密度等级聚合之前，还包括：将所有的人群图片输入骨干网络，分别得到每幅人群图片所对应的骨干网络特征图。3.如权利要求2所述的一种基于伪标签的半监督人群计数方法，其特征在于，对所述人群图片训练集中所有的人群图片分别进行密度等级分类、密度图预测、伪标签标记和密度等级聚合，分别得到每幅人群图片所对应的人群密度等级概率分布向量、预测密度图、密度图伪标签和人群密度等级聚合分数向量，具体为：对每幅骨干网络特征图进行第一特征过渡，分别得到每幅骨干网络特征图对应的密度等级特征图，并对每幅所述密度等级特征图进行自适应平均池化和展平，分别得到每幅所述密度等级特征图所对应的人群密度等级概率分布向量；对每幅骨干网络特征图进行第二特征过渡，分别得到每幅骨干网络特征图对应的密度特征图；对每幅骨干网络特征图进行第三特征过渡，分别得到每幅骨干网络特征图对应的密度等级激活特征图；对每幅骨干网络特征图所对应的密度等级特征图、密度特征图和密度等级激活特征图进行拼接与特征融合，得到每幅骨干网络特征图所对应的预测密度图；对每幅所述密度等级激活特征图进行密度等级激活，分别得到每幅密度等级激活特征图所对应的预设通道数的特征图，对每幅预设通道数的特征图进行对数求和指数处理，得到每幅预设通道数的特征图所对应的人群密度等级聚合分数向量；对每幅预设通道数的特征图进行计算，得到每幅预设通道数的特征图所对应的等级加权密度图，对每幅等级加权密度图和每幅预测密度图一一对应进行密度融合，得到每幅等级加权密度图对应的密度图伪标签。4.如权利要求1所述的一种基于伪标签的半监督人群计数方法，其特征在于，所述根据真值密度等级或伪密度等级分别对人群密度等级概率分布向量和密度等级聚合分数向量
的交叉熵损失，以及，真值密度图或密度图伪标签对预测密度图的L2损失，来进行监督迭代训练，具体为：若当前监督迭代训练的人群图片为有标记人群图片，则根据真值密度等级分别对人群密度等级概率分布向量和人群密度等级聚合分数向量的交叉熵损失，以及，真值密度图对预测密度图的L2损失，来进行监督迭代训练；若当前监督迭代训练的人群图片为无标记人群图片，则根据伪密度等级分别对人群密度等级概率分布向量和人群密度等级聚合分数向量的交叉熵损失，以及，密度图伪标签对预测密度图的L2损失，来进行监督迭代训练。5.如权利要求4所述的一种基于伪标签的半监督人群计数方法，其特征在于，所述依次对所有的人群图片进行损失函数计算，并监督迭代训练，具体为：对所述有标记人群图片进行损失函数计算，并监督迭代训练，直至所述人群计数模型收敛后，从所述有标记人群图片和所述无标记人群图片中随机交替选择一幅人群图片，用于进行损失函数计算，并监督迭代训练。6.如权利要求5所述的一种基于伪标签的半监督人群计数方法，其特征在于，所述若当前监督迭代训练的人群图片为有标记人群图片，则根据真值密度等级分别对人群密度等级概率分布向量和人群密度等级聚合分数向量的交叉熵损失，以及，真值密度图对预测密度图的L2损失，来进行监督迭代训练，具体为：若当前监督迭代训练的人群图片为有标记人群图片，根据有根据真值密度等级分别对人群密度等级概率分布向量和人群密度等级聚合分数向量的交叉熵损失，以及，真值密度图对预测密度图的L2损失：L
LD
＝λ1L
m
+λ2L
cls
+λ3L
pseudo
，其中，L
LD
表示有标记图...

【专利技术属性】
技术研发人员：李冠彬，伍正涛，刘凌波，林倞，毛明志，
申请(专利权)人：中山大学，
类型：发明
国别省市：