[发明专利]一种基于膨胀卷积的人群密度图生成方法

说明书

本发明公开了一种基于膨胀卷积的人群密度图生成方法，从网络上下载现有的关于人群密度估计的数据库；从现有的数据库中根据人群密度的大小挑选训练样本构建两个新的训练数据库：小人群密度数据库，大人群密度数据库；基于两个新的训练数据库，分别离线训练一个膨胀卷积CNN网络模型；在测试阶段，根据运动区域检测和运动区域的纹理分析得到人群密度粗略估计，根据估计的人群密度大小选择使用训练得到的小CNN网络模型或大CNN网络模型，得到精确的输入图像尺寸大小的人群密度图。采用膨胀卷积技术，可以生成和输入图像尺寸一样大小的人群密度图，结合输入图像可以提供直观的人群密度信息。

技术领域

本发明涉及一种数字图像处理技术，尤其涉及的是一种基于膨胀卷积的人群密度图生成方法。

背景技术

随着中国城市化水平的不断提高,越来越多的人口涌入城市工作生活,人口密度大的城市中许多公共基础设施,如火车站、地铁站、公交车站以及超市等经常会迎来短期的人流高峰,一方面人群的高度拥挤容易造成灾祸,具有很大的安全隐患；另一方面,在人流高峰期,若不能对人群进行迅速有效疏散分流,也会对居民日常生活造成不便。针对这一现状,近年来城市的许多公共场合都安装了监控系统对人群进行监控。传统的人群监控系统都是通过闭路电视对不同场景进行监视,由监控室的工作人员针对监视场景中的情形进行人工判断。这种方法具有主观性,不能定量分析,而且耗费人力,尤其当监控人员疲惫的时候,容易忽视监视器上的突发状况,从而造成不可挽回的后果。随着现代数字图像和视频处理技术的发展,自动、实时的智能化人群密度监控系统成为人们的研究重点。

中国发明专利公开号为CN103985126A，介绍了一种计算视频图像中的人群密度图的方法，该方法通过Harris算法提取图像中的角点，对每个角点进行密度扩散，获取检测区域内相应于该角点的每个像素点的密度扩散值，再将该扩散值进行累加，获得该像素点的密度值，由密度值得到人群密度图。由于角点和人群之间没有一一对应关系以及角点检测本身存在一定不确定性，导致得到的人群密度图精确性不高。

中国发明专利公开号为CN106203331A，介绍了一种基于卷积神经网络的人群密度估算方法，构建了一个基于Mixed-Pooling的卷积神经网络模型，将图像监控区域按照远近分为两个分开，采用随机梯度下降算法分别训练一个卷积网络模型，最后利用提出的分类检测策略对整体区域人群密度进行估计。该方法相对于传统方法改善了人群密度估计准确率，但是因为采用了池化运算没有生成输入图像尺寸的人群密度图，不能提供直观的人群密度信息，人群密度估计准确率也有待进一步提高。

发明内容

本发明所要解决的技术问题在于：无法生成高精度原图像尺寸大小的人群密度图，提供了一种基于膨胀卷积的人群密度图生成方法。

本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：

(1)从网络上下载现有的关于人群密度估计的数据库；

(2)从现有的数据库中根据人群密度的大小挑选训练样本构建两个新的训练数据库：小人群密度数据库，大人群密度数据库；

(3)基于两个新的训练数据库，分别离线训练一个膨胀卷积CNN网络模型：简称小CNN网络模型M1，大CNN网络模型M2；

对卷积网络进行训练的过程如下：

第一步：前向计算最终的输出结果，在整个网络中，每层网络对象里面都有一个前向计算该层网络输出结果的函数，即前向传播函数，当前层的前向传播函数计算完成之后，先把数据保存在当前对象中，然后进入下一层的前向传播函数继续进行计算，最终，整个网络的每一层的输出都会计算到；

第二步：反向传播计算梯度，每一层网络中有进行反向传播的函数，根据反向传播函数先计算输出和目标的差值，然后利用插值先计算最后的输出相对于倒数第二层的梯度，等计算完毕，参数保存之后，再计算插值相对于倒数第三层的梯度，一直循环下去，每个网络的前向后向传播的实现函数都不相同；