基于空洞卷积的跨层连接的施工场景人群计数方法技术

本发明专利技术公开了基于空洞卷积的跨层连接的施工场景人群计数方法，(1)获取公开的人群计数数据集，并根据人工标注生成真实密度图；(2)建立基于空洞卷积的跨层连接的施工场景人群计数网络CL

【技术实现步骤摘要】
基于空洞卷积的跨层连接的施工场景人群计数方法


[0001]本专利技术属于图像处理与计算机视觉
，具体涉及基于空洞卷积的跨层连接的施工场景人群计数方法。

技术介绍

[0002]工地的施工现场充满安全隐患，现场人员过多更易造成大型事故的发生，如果能及时掌握现场人员的数量及定位，就能早一步发现安全隐患，做出及时的合理疏通，减少人员伤亡，可见在施工场景下进行人群计数是很有意义的。
[0003]目前关于人群计数的方法可大体分为三类：(1)基于检测的方法，使用一个移动窗口式检测器来识别图像中的人，并将此信息用于计数任务中。检测有两种方式，基于整体和基于局部的方式，用检测器提取出整体或局部特征后，训练分类器，例如支持向量机、Boosting和随机森林等。但无论何种基于检测的方法，都很难处理人群之间严重的遮挡问题。(2)基于回归的方法，分两个步骤：第一步，从人群图像中提取有效特征，早期利用手工特征，如边缘特征和纹理特征(方向梯度直方图HOG、尺度不变特征SIFT、局部二值模式LBP、灰度共生矩阵GLCM等)，第二步，利用各种回归函数来估计人群数量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于空洞卷积的跨层连接的施工场景人群计数方法，其特征在于，具体包括如下步骤：步骤1，获取公开的人群计数数据集，并根据人群图像对应的标注信息生成真实密度图；步骤2，建立基于空洞卷积的跨层连接的施工场景人群计数网络CL
‑
DCNN；步骤3，将数据集中的人群图像输入步骤2的CL
‑
DCNN输出图像的预测密度图；步骤4，将输出的预测密度图进行积分求和得到图像的人群总数，并将输出的预测密度图与真实密度图进行损失计算，不断选代更新人群计数网络中的参数，得到最优的人群计数网络CL
‑
DCNN；步骤5，将施工场景下的测试图片输入步骤4训练好的最优的人群计数网络CL
‑
DCNN，输出对应的人群分布密度图，对密度图积分求和得到施工场景人群图像的计数结果。2.根据权利要求1所述的基于空洞卷积的跨层连接的施工场景人群计数方法，其特征在于，步骤1所述数据集包括人群图像和对应的人工标注文件，所述人工标注文件的格式为图片内每个人头位置的坐标，对每个数据集分别进行整理归类，随机抽选出所需数量的图片作为训练集，剩下的作为测试集。3.根据权利要求1所述的基于空洞卷积的跨层连接的施工场景人群计数方法，其特征在于，根据数据集包含的标注信息，将原始图像按照标注信息经过二值化后采用高斯平滑生成人群图像的真实密度图，具体如下：在一张人群图像中，首先创建一张与原图大小一致的全0矩阵，设像素x
i
处有一个人头目标，将其表示为δ(x
‑
x
i
)，并在矩阵中将该点处的值置1，则一张带有N个人头标记的图像定义为H(x)，用如下公式表示：其中，x代表二维坐标，i表示人群图像中在像素x
i
处有人头，N代表人群图像的人头总数，将人群密度图定义为F(x)，由H(x)与二维高斯核卷积得到，此时密度图F(x)计算公式如下：此时密度图F(x)计算公式如下：不同数据集由于人群分布的稀疏程度不同，高斯核的标准差也不同，当图像中人群分布较均匀时，此时采用固定标准差的高斯核，σ
i
＝15；当图像中人群较密集时，由于视角畸变严重，人头会呈现不同大小，此时采用k个最近邻人头距离的平均值作为高斯核的标准差，即在同一张人群图像内不同位置的人头采用不同标准差的高斯核，k＝3：σ
i
＝βd
i
(4)
其中，*表示卷积操作，β是系数因子，d
i
代表像素x
i
处的人头k个最近邻人头距离的平均值，表示像素x
i
处的人头和像素x
j
处的人头间的距离。4.根据权利要求1所述的基于空洞卷积的跨层连接的施工场景人群计数方法，其特征在于，步骤2具体如下：步骤2.1：构建基于空洞卷积的跨层连接的施工场景人群计数网络CL

【专利技术属性】
技术研发人员：赵志强，马培红，邱原，贾萌，黑新宏，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：