[发明专利]一种基于多尺度特征融合的人群计数方法

说明书

本发明属于神经网络技术领域，具体的说是涉及一种基于多尺度特征融合的人群计数方法。本发明主要方法是：从骨干网络中提取出三个尺度的特征图，送入特征融合子网络，利用融合后的特征图计算密度图，从而预测图像中的人群数量。其中特征融合子网络设计为三个卷积网络分支，每个分支的结构相同，都采用注意力融合网络，分为两路，每一路由卷积层、归一化层和激活函数构成，两路的输入相同，输出通道数不同，分别是单通道和N通道，单通道的分支学习了多通道输出分支的特征权重，将其与多通道输出特征图输出相乘，最后叠加三个大分支的特征图，共同送入一个解码模块输出图像密度图，密度图积分值即为图像中的人群数量。本发明提高了人数统计的精度。

技术领域

本发明属于神经网络技术领域，具体的说是涉及一种基于多尺度特征融合的人群计数方法。

背景技术

人群计数是通过算法自动统计图像场景中的目标人数，这项方法被广泛地用于视频监控、安防等领域。尤其是在商场、车站、景点等公共场所，进行实时人数估计有助于对拥挤情况的分析和异常状况的监测，可以有效保障安全问题。目前主流的人群计数方法都是基于密度图回归，即通过预测一个图像密度图来估计人数。其简要步骤可以描述为，将场景图片送入网络模型，输出密度图，统计密度图的积分值。现有人群计数算法存在的主要缺陷在于密集场景的检测。在密集场景下，人头目标像素范围小，很难准确的统计到每个目标。

现有技术存在的主要问题及缺陷为：

（1）采用多列网络计算的特征冗余。这一问题体现在对网络采用多列分支计算的时候，各个分支的类似性，带来巨大的参数量的同时，也有很多的特征冗余，同时这种结构训练耗时长，不容易收敛，各分支的结果大同小异，很难起到区分不同尺度信息的作用。

（2）对多尺度信息的使用不全面。多列网络试图通过不同的分支提取不同尺度的信息，但是由于多列网络的设计困难和分支相似性太高，导致各列分支信息差异不大，因此利用各个分支表示不同尺度的图像特征效果不太好。而单列网络，高层的特征使用较为充分，但是低层的特征有很多又被丢失。

解决以上问题及缺陷的难度为：现有的网络设计单纯采用多列或单列结构，二者优点不能兼顾，多列分支的目的是提取不同尺度信息，但限于本身设计困难，很难达到较好的提取多尺度信息，单列可以提取更深层次的信息，但是对低层信息丢失过于严重，因此可以设计一种结构兼容两种方法的优点，实现对多尺度信息的有效利用。

发明内容

本发明针对上述问题，为了解决密集和小目标难以检测的问题，从特征融合的角度提升算法精度，从而提出的一种多尺度特征融合的人群计数方法。

本发明的技术方案是：

一种基于多尺度特征融合的人群计数方法，如图1所示，包括以下步骤：

S1、制作训练数据集：获取场景图像，不同图像中具有不同密集度的人群，对每张图像中人头中心点进行标记，获得实际密度图，将所获得的实际密度图作为训练数据集；获取图像的方法可以从网络上下载公开图像，或者按照需求，自己收集某个场景下的图片，尽可能保证图像的差异性，稀疏和密集场景的人群图像都需要采集，对图像进行标注，制作实际密度图。标注图像时只需标记图像的人头中心点，实际密度图是通过对图像的人头中心点进行高斯滤波处理得到；

S2、构建神经网络模型：采用骨干网络、特征融合网络和解码模块构成神经网络模型；