[发明专利]密集人群计数方法及装置

说明书

本发明提供一种密集人群计数方法及装置，通过获取包含人像的待检测图像，将待检测图像输入到卷积神经网络模型中，得到待检测图像的人群密度图，根据人群密度图确定待检测图像中的人像数量。上述过程充分提取待检测图像中的特征信息，实现效果良好的人群计数与密度估计，为后续的安全监测、人群管控等应用带来极大的便利。

技术领域

本发明涉及航空监视技术领域，尤其涉及一种密集人群计数方法及装置。

背景技术

随着近年来国家对低空领域使用的不断开放，无人机经常被用来执行辅助灾情巡查、特殊场景监视等任务。而在这些任务中，对于人群信息的统计与分析是其中最为重要的环节之一，在很多场景尤其是人群密集的场景下，统计场景人群数量与其密度分布对于安全监测、突发情况预警以及情报分析等多类任务均有不可估量的作用。

在大多数需要进行人群计数和密度估计的场景下，人群的密集度均较高，也就造成了严重的遮挡、目标尺度不一致的问题。早期的方法一般使用基于检测和回归的方法统计场景中人的总数。但由于密集人群遮挡严重、目标尺寸相差较大，基于检测的方法效果较差；而直接回归场景中人的数目从获取一个目标函数的角度来讲使问题的输入域和输出域相差很大，也就导致了目标函数更难以拟合，也无法达到较好的效果。近年来，基于密度图的方法成为了人群计数的主流，此类方法既可以简化任务的目标函数，也可以在统计人群总数的基础上得到信息更加充足的人群密度分布，为后续的其他应用提供更大的帮助。

生成密度图的方法有很多，近年来效果较好的方法大部分为基于多路卷积的方法，使用多路具有不同大小卷积核的卷积神经网络提取原始图像中的多尺度信息，之后将得到的多组特征图进行融合，得到最终的密度图，在一定程度上解决了人群计数中最为棘手的多尺度问题。但此类方法由于使用多路不同的卷积神经网络，多路分支的参数及其提取的特征均存在大量冗余，同时由于参数量巨大，为了控制参数导致网络较浅，每一路分支网络都无法充分地提取相应的信息，在一定程度上限制了其效果。

发明内容

本发明提供一种密集人群计数方法及装置，避免了现有技术中大量参数冗余的问题，能够充分提取待检测图像中的特征信息，提高了人群计数与密度估计的良好效果。

本发明第一方面提供一种密集人群计数方法，包括：

获取待检测图像，所述待检测图像中包括人像；

将所述待检测图像输入到卷积神经网络模型中，得到所述待检测图像的人群密度图；

根据所述人群密度图确定所述待检测图像中的人像数量。

在一种可能的实现方式中，所述卷积神经网络模型包括依次连接的卷积模块、残差融合模块、池化模块以及子像素模块。

在一种可能的实现方式中，所述将所述待检测图像输入到卷积神经网络模型中，得到所述待检测图像的人群密度图，包括：

将所述待检测图像输入到所述卷积模块，对所述待检测图像进行预处理，得到第一特征图像；

将所述第一特征图像输入到所述残差融合模块，对所述第一特征图像进行第一次多尺度特征提取与融合，得到第二特征图像；

将所述第二特征图像输入到所述池化模块，对所述第二特征图像进行第二次多尺度特征提取与融合，得到第三特征图像；

将所述第三特征图像输入到所述子像素模块，对所述第三特征图像进行解码，得到人群密度图。

在一种可能的实现方式中，所述将所述第三特征图像输入到所述子像素模块，对所述第三特征图像进行解码，得到人群密度图，包括：

将所述第三特征图像输入到所述子像素模块，对所述第三特征图像进行解码，得到第四特征图像；

对所述第四特征图像进行卷积，并采用双线性差值法得到人群密度图。