一种基于点预测的轻量化人群计数方法和边缘设备技术

本发明专利技术涉及一种基于点预测的轻量化人群计数方法和边缘设备，方法提出点预测网络模型，该模型包括：轻量化骨干网络：对人群图像进行处理，得到多个不同尺寸的特征图；多尺度特征融合模块：对特征图进行信息捕获和融合，进而得到融合特征图；人体头部点预测模块：根据融合特征图设置参考点网格，对人体头部进行点预测，生成预测点，计算预测点相对于参考点的偏移以及预测点为真正的人体头部中心的置信度，根据预测点相对于参考点的偏移，得到预测点的位置信息。与现有技术相比，本发明专利技术能够预测人数和单人头部的位置信息，同时本发明专利技术具备轻量化的优点，适用于边缘计算场景。适用于边缘计算场景。适用于边缘计算场景。

【技术实现步骤摘要】
一种基于点预测的轻量化人群计数方法和边缘设备


[0001]本专利技术涉及目标计数
，尤其是涉及一种基于点预测的轻量化人群计数方法和边缘设备。

技术介绍

[0002]随着中国乃至世界城市化进程的不断推进和经济不断发展，城市长居人口急剧增长,高密度的人群聚集往往为城市日常管理和紧急公共事件应急处置造成极大的困难。城市灾害防控预警要求算法能够大规模部署，并在系统层面实现统筹规划和快速响应，因此需要人群计数算法拥有轻量化的结构，并将计算载荷向边缘设备转移。与此同时，模型的部署不应被限制于安装了固定监控的区域，而应拥有更广的部署范围和更高的部署灵活性。
[0003]使用人工智能对给定图像中人群数量及其分布进行分析在工业界和学术界受到极大关注，尤其是与计算机视觉相关的监控治安和智慧交通领域。例如，公开号为CN107742099A的专利公开了一种基于全卷积网络的人群密度估计以及人数统计的方法，能够适应各种图片分辨率大小，并采用深层和浅层网络组合的方式以便于迁移到不同的场景。公开号为CN112101164A的专利公开了一种基于轻量化轻量化骨干网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点预测的轻量化人群计数方法，其特征在于，将待检测的人群图像输入预先构建并训练好的点预测网络模型中，得到人体头部预测点以及人体头部的位置信息；所述点预测网络模型包括：轻量化骨干网络：用以对人群图像进行处理，得到多个不同尺寸的特征图；多尺度特征融合模块：用以对特征图进行信息捕获和融合，进而得到融合特征图；人体头部点预测模块：用以根据融合特征图设置参考点网格，对人体头部进行点预测，生成预测点，计算预测点相对于参考点的偏移以及预测点为真正的人体头部中心的置信度，根据预测点相对于参考点的偏移，得到预测点的位置信息。2.根据权利要求1所述的一种基于点预测的轻量化人群计数方法，其特征在于，所述轻量化骨干网络基于EdgeNeXt构建，包括四个阶段，由输入至输出的每个阶段依次输出尺寸大小逐渐变小的特征图。3.根据权利要求2所述的一种基于点预测的轻量化人群计数方法，其特征在于，所述多尺度特征融合模块通过CBAM模块，同时对轻量化骨干网络第四阶段输出的特征图的通道注意力信息和空间注意力信息进行捕获，生成待融合特征图，对待融合特征图进行上采样操作，将待融合特征图与轻量化骨干网络第三阶段输出的特征图进行融合，得到融合特征图。4.根据权利要求3所述的一种基于点预测的轻量化人群计数方法，其特征在于，对轻量化骨干网络第四阶段输出的特征图的通道注意力信息和空间注意力信息进行捕获的过程具体为：通道注意力计算：对轻量化骨干网络第四阶段输出的特征图，在空间尺寸上分别进行全局平均池化和全局最大池化，分别对应生成一个向量，将两个向量采用参数相同的全连接层进行分量值学习，学习得到的结果进行逐点相加，通过sigmoid函数对相加得到的向量进行归一化处理，同时引进非线性，生成通道权重向量；空间注意力计算：对轻量化骨干网络第四阶段输出的特征图，分别进行通道维度上的平均池化和最大池化，得到两个形状相同的特征图，将两个特征...

【专利技术属性】
技术研发人员：刘庆文，莫子杰，沈书泽，朱溢寒，
申请(专利权)人：同济大学，
类型：发明
国别省市：