[发明专利]人群密度估计方法

权利要求书

1.一种人群密度估计方法，其特征在于，包括：

根据密度大于预设阈值的人群图像数据集给定的对应人群位置坐标构建相应真值图，训练用于图像情况分类的AlexNet网络、训练密集情况下的融合注意力机制的特征网络和训练稀疏情况下的融合空洞卷积的特征网络；

将所述AlexNet网络、融合注意力机制的特征网络和融合空洞卷积的特征网络搭建成一个具有分类图像、提取人群密度图像的最终训练网络;

训练用于图像情况分类的AlexNet网络，包括：

构建AlexNet网络，共8层，其中5层卷积层，3层全连接层;

分别将人群相对密集原始图像与稀疏原始图像作为输入，并将对应的疏密情况标号作为输出，将所述输入和输出导入到所述AlexNet网络中训练，训练完成，获得相对密集的图像集A与相对稀疏的图像集B,并保留训练后的AlexNet网络中的所有参数不变;

训练密集情况下的融合注意力机制的特征网络，包括：

构建融合注意力机制的特征网络；

将所述相对密集图像集A作为输入，导入到融合注意力机制的特征网络中进行训练，训练完成后，保留训练后该融合注意力机制的特征网络中的所有参数不变;

训练稀疏情况下的融合空洞卷积的特征网络，包括：

构建融合空洞卷积的特征网络;

将所述相对稀疏图像集B作为输入，导入到融合空洞卷积特征网络中进行训练，训练完成后，保留训练后该融合空洞卷积的特征网络中的所有参数不变。

2.如权利要求1所述的人群密度估计方法，其特征在于，根据密度大于预设阈值的人群图像数据集给定的对应人群位置坐标构建相应真值图，包括：

获取密度大于预设阈值的人群图像数据集中的原始图像，分为人群相对密集原始图像与稀疏原始图像两种情况对分别赋予不同的疏密情况标号；

利用自适应高斯核的人群密度图生成方法分别获得所述人群相对密集原始图像与稀疏原始图像中的人群位置坐标所对应的人群密度真值图。

3.如权利要求1所述的人群密度估计方法，其特征在于，将所述AlexNet网络、融合注意力机制的特征网络和融合空洞卷积的特征网络搭建成一个具有分类图像、提取人群密度图像的最终训练网络之后，还包括：

在验证环节中，将待估计的单张人群密度图像输入到最终训练网络，获得相应的人群密度图片，对所述人群密度图中所有像素进行求和得到该人群密度图片中的总人数。

4.如权利要求1所述的人群密度估计方法，其特征在于，将所述AlexNet网络、融合注意力机制的特征网络和融合空洞卷积的特征网络搭建成一个具有分类图像、提取人群密度图像的最终训练网络，包括：

以训练完成的AlexNet网络作为总分类依据，以训练完成的密集情况下的融合注意力机制的特征网络、稀疏情况下的融合注意力机制的特征网络作为各分支情况下的处理方式，以此搭建最终训练网络。