【技术实现步骤摘要】
一种基于语义细化的空间金字塔人群计数方法
[0001]本专利技术属于计算机视觉
,具体属于一种人群计数方法。
技术介绍
[0002]人群计数在计算机视觉领域中起着至关重要的作用,它旨在准确预测出现在密集场景中的个体数量。人群计数算法可广泛应用于许多领域,包括城市规划、公共安全和监控。然而,由于严重的遮挡、规模变化和背景杂波,精确地评估人群的数量成为一项非常具有挑战性的任务。随着人群密度的增加,上述所有问题都变得尤为困难。
[0003]近年来,基于卷积神经网络(Convolutional Neural Network,CNN)的人群计数算法达到了令人兴奋的性能,因为CNN模型具有压倒性的特征提取性能能力。不幸的是,人群计数的尺度变化还没有得到很好的解决。这些方法通常使用多列架构来处理尺度变化来增强特征学习,这意味着输入被输入到每列中以捕获多尺度特征。Zhang设计了一种基于CNN的三个分支方法,采用了三个尺度的卷积核。然而,模型中会引入许多冗余参数,使得网络更加复杂,难以训练。Sam等人训练了一个分类器,为每个图像补丁选择最合适的回归路径,这导致网络不能进行端到端训练。此外,Sindagi等人设计了一个网络结构来捕获局部和全局特征并将它们合并,可以产生误差更小的密度图。虽然多尺度卷积核在多列网络结构中被广泛应用,但所得到的特征图仍然存在严重的信息损失。流行的分割方法通过连接不同层的输出特征图来解决上述问题,这表明通过跳跃连接在不同层融合多个特征具有很大的有效性。受上述方法的启发,我们的目标是设计一种新的多 ...
【技术保护点】
【技术特征摘要】
1.一种基于语义细化的空间金字塔人群计数方法,其特征在于,包括以下步骤:步骤1:获取人群图像数据集,并分为训练集和测试集,将训练集进行裁剪得到输入图像,输入图像进入基于VGG
‑
16的骨干网络提取基础特征;步骤2:设计空间金字塔多尺度模块SPMM,SPMM拥有多个具有不同的感受野的平行分支,这些拥有不同感受野的平行分支组成了空间金字塔结构,在步骤1的基础特征上捕获人群图像中的多尺度特征;步骤3:设计语义增强模块SEM,SEM将骨干网络提取出来的基础特征与SPMM提取出来的多尺度特征进行像素级别的相减操作,之后再经过降维和激活函数后,得到丢失细节信息的权重图,再把权重图与对应的多尺度特征进行相乘,得到增强特征;步骤4:利用步骤1骨干网络在浅层提取的纹理特征对步骤3得到的增强特征的细节信息进行补偿,用于丰富特征图的细节信息;步骤5:将步骤4得到的特征图输入由一系列空洞卷积组成的解码结构,从而生成最终的密度图,将密度图进行积分操作,就能得到网络预测的个体数。2.根据权利要求1所述的一种基于语义细化的空间金字塔人群计数方法,其特征在于,所述步骤1:获取人群图像数据集,并分为训练集和测试集,将训练集进行裁剪得到输入图像,输入图像输入卷积神经层提取特征,具体包含以下步骤:A1:从数据集中的训练集中将人群图像,裁剪为576
×
768尺寸大小的输入图像I;A2:将图像I输入到由VGG
‑
16的前13层构成的骨干网络中提取特征,从第7层提取的特征F7,从第13层提取的特征称为基础特征,用F
v
表示,则F
v
可以定义为:F
v
=f
vgg
(I)(1)其中f
vgg
骨干网络,F
v
是通过骨干网络提取到的基础特征。3.根据权利要求2所述的一种基于语义细化的空间金字塔人群计数方法,其特征在于,所述步骤2设计SPMM,SPMM拥有多个具有不同的感受野的平行分支,这些拥有不同感受野的平行分支组成了空间金字塔结构,在步骤A2的基础特征上捕获人群图像中的多尺度特征,具体包含以下步骤:B1:根据步骤A2,将基础特征F
v
输入到拥有四个平行分支的SPMM模块,具体地,SPMM第一个分支是卷积核大小3
×
3且空洞率为6的空洞卷积、第二个分支是卷积核大小3
×
3且空洞率为12的空洞卷积、第三个分支是卷积核大小3
×
3且空洞率为18的空洞卷积、第四个分支是输出特征图尺寸为1
×
1的全局自适应平均池化层;B2:拥有四个分支的SPMM能够利用不同分支拥有的不同尺寸的感受野来捕获多尺度特征,以F
si
表示,其中的s表示尺度的意思,i的取值范围是1、2、3、4,分别对应了SPMM四个不同分支,F
s1
、F
s2
、F
s3
、F
s4
分别表示SPMM从第一个分支到第四分支提取到的特征。4.根据权利要求3所述的一种基于语义细化的空间金字塔人群计数方法,其特征在于,所述步骤3设计SEM,SEM将骨干网络提取出来的基础特征与SPMM提取出来的多尺度特征进行像素级别的相减操作,之后再经过降维和激活函数后,得到丢失细节信息的权重图,再把权重图与对应的多尺度特征进行相乘,得到增强特征,具体包含以下步骤:C1:将在A2步骤中提取到基础特征F
v
输入到1
×
1卷积层进行...
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。