[发明专利]一种基于深度学习的人数估计方法

说明书

本发明公开了一种基于深度学习的人数估计方法，属于基于深度学习的人群密度估计。本发明采用一种基于卷积层和池化层的单列卷积神经网络，通过大量样本的训练，学习人群特征，从而估计输入图像的人群密度图，进而对密度图进行积分，得到该图像上人群的人数估计。对比目前的其他深度学习算法，本发明所采用的卷积神经网络，结构简单，复杂度低，训练时间短，且估计精确度更高。

技术领域

本发明属于数字图像技术领域，具体涉及基于深度学习的人群密度估计。

背景技术

随着科学技术的快速发展和经济水平的不断提高，人们的生活需求也越来越高，从而促使了人工智能的快速发展，目前人工智能技术已经逐渐应用到各个领域，包括智能驾驶、智能监控、安防等等。通过视频图像实现人数估计在智能监控、安防领域有重要的应用价值，在大型公共场合，比如大型活动现场，火车站等地方，通过图像及时估计人数，有助于及时疏散过密人群，防止踩踏等安全事故的发生等。另外，还可用于异常警示信号等等。

目前的人数统计算法可以概括为3类：

(1)基于目标检测的方法：

根据行人目标特征建立检测模型，选择的目标特征有多种，包括人头、整体行人目标、或者头部和肩部轮廓相结合等等，根据这些特征训练检测器，并结合滑窗的方法进行目标检测，统计检测到的目标个数，即为人数。其中，检测器主要是特征加分类器的形式，特征主要采取HOG(梯度方向直方图)、LBP等特征，分类器主要采用Adaboost、SVM等。这种基于检测的方法对所使用的目标检测方法的准确度依赖性很高，且只适用于背景简单，人数稀疏、行人之间没有遮挡或者遮挡较少的场景，实用性及可推广性较低。

(2)基于密度图或人数回归的方法：

这种方法通过建立图像特征和人数之间的回归模型，或者通过建立图像特征与人群密度图之间的回归模型来估计图像中的人数。常用的特征有边缘特征，纹理特征等，常用的回归函数主要有高斯回归，线性回归等。这类方法多用于监控视频场景，利用前景分割提取视频图像中的目标区域，以提取有效特征。但是由于此类算法主要依赖于特征的选取，目前基于边缘信息、纹理信息以及融合多种特征信息等方法准确性较差，如何设计有效特征仍然是该类算法的主要问题，且该类方法对场景依赖性高，不同场景之间的可迁移能力差，即泛化能力差。

(3)基于深度学习的方法：

目前深度学习在计算机视觉的众多研究领域都表现出了惊人的优越性，虽然深度学习算法在人数统计方面的应用不多，但是此类算法在准确度上和推广性上相比较于传统算法具有显著的进步。此类方法利用深度卷积神经网络，通过大量的标记样本来训练该网络学习人群特征，从而输出图像中的人数，此类方法不用人为设计特征，并且算法简单，易于训练。但是目前的深度学习算法多采用多列卷积神经网络，存在复杂度高，样本需要量大，训练时间长的问题。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于单列卷积神经网络的深度学习的人数估计方法。

本发明的基于深度学习的人数估计方法，包括下列步骤：

构建深度神经网络模型：基于10个卷积层和2个池化层的单列卷积神经网络，其中前6个卷积层的卷积核大小均为5x5，第7～9个卷积层的卷积核大小均为3x3，最后一个卷积层的卷积核大小为1x1；2个池化层的池化方式采用最大池化，且池化核大小均为2x2；

采集训练样数据对所构建的深度神经网络模型进行训练，获得训练好的深度神经网络模型，所述深度神经网络模型的损失函数其中为网络前向计算所得到的密度图，M为训练样本数目，输入图像的真实密度图其中δ(x-x_i)为图像中人头位置的冲击函数，x_i表示人头位置，N为人头总数，G为高斯核；