[发明专利]基于深度学习目标检测的人群计数方法

权利要求书

1.一种基于深度学习目标检测的人群计数方法，其特征在于：包括以下步骤：

步骤1：构建深度学习网络模型：采用以DarkNet网络为基础网络的YOLO3网络；

步骤2：训练数据的处理：通过多场景下获取人群图像数据，采用图像镜像处理，尺度上随机截取方式扩充训练集规模；

步骤3：训练网络：通过损失函数和梯度下降训练参数以优化网络。

2.根据权利要求1所述的基于深度学习目标检测的人群计数方法，其特征在于：所述步骤1中，在DarkNet网络这个基础网络之上，添加三个尺度提取特征，分别为Scale1、Scale2、Scale3，其中，Scale1在基础网络之后添加一些卷积层再输出box信息；Scale2从Scale1中的倒数第二层的卷积层上采样，再与最后一个16x16大小的特征图相加，再次通过多个卷积后输出box信息，尺度相比Scale1大两倍：Scale3与Scale2类似，最后输出大小为32×32的特征图。

3.根据权利要求1所述的基于深度学习目标检测的人群计数方法，其特征在于：所述步骤2具体包括以下步骤：

步骤2.1：在多个场景下利用摄像头拍摄人群获取包括多个人像的图像作为输入图像；

步骤2.2：将已有的样本数据进行样本均衡处理，首先确保不同场景下的训练样本数量相近，其次将图像大小、分辨率处理成相同大小；

步骤2.3：利用图像镜像处理、尺度上随机截取、亮度及对比度处理方式扩充已有的数据；

步骤2.4：图像标注：利用深度学习目标检测方法检测人群数量需要标注行人所在图像位置的矩形框，每个框是由矩形框对角线两个坐标确定；标注工具使用labelimg，每张图片标注完之后都会生成一个XML文件，将XML文件中图像名称及其行人坐标信息提取到TXT文件，用于网络训练时提取。

4.根据权利要求3所述的基于深度学习目标检测的人群计数方法，其特征在于：所述步骤2.1中，进一步通过网上下载已有数据集，并利用爬虫程序下载人群图像，与利用摄像头拍摄的图像一起作为输入图像。

5.根据权利要求1所述的基于深度学习目标检测的人群计数方法，其特征在于：所述步骤3具体包括以下步骤：

步骤3.1：将输入图像分成S×S个格子，如果人的中心掉落在一个格子内，那么这个格子就负责检测这个人；

步骤3.2：每一个格子预测B个矩形框以及这些矩形框的得分，这个得分用于反应模型对于这个格子中预测是否含有人以及是这个人的可能性是多少；

步骤3.3：如果这个格子中不存在人，得分为0；否则的话得分为1，每一个矩形框包含5个预测值，分别为b_x、b_y、b_w、b_h和confidence，坐标(b_x，b_y)代表矩形框的中心，b_w和b_h分别表示矩形框的宽和高，confidence表示包含人的概率值；

网络学习的目标是t，包括t_x、t_y、t_w和t_h，计算公式如下所示：

其中c_x和c_y分别是坐标的偏移量，p_w和p_h分别是预设的矩形框的边长；

步骤3.4：LOSS函数即损失函数的计算：

LOSS函数的具体公式如下所示：

上述公式中，前两行为坐标预测损失，第三行为包含检测物体box的概率损失，第四行为不包含检测物体box的概率损失，最后一行为类别预测概率损失；其中LOSS为整体损失函数，λ_coord为损失函数系数，表示判断第i个网格中的第j个box是否负责该对象，x_i为实际框的中心横坐标，为预测框的中心横坐标，y_i为实际框的中心纵坐标，为预测框的中心纵坐标，ω_i为实际框的宽度，为预测框的宽度，C_i为实际类别，为预测类别，p_i(c)为实际分类概率，为预测类别概率；

步骤3.5：通过损失函数和梯度下降训练参数，实现优化网络目的。