[发明专利]一种基于卷积神经网络的图片人头计数的方法和装置

说明书

本发明公开了一种基于卷积神经网络的图片人头计数的方法和装置。该方法是基于单列特征融合卷积神经网络的人群计数技术，该网络一定程度上解决了人群遮挡等人群计数难点。网络以包含VGG16前十层的前端网络来获得基础特征，以包含小尺度卷积层的中端网络来获得多尺度特征，以包含不同空洞率的空洞卷积层的后端网络来获得人群密度图。最后根据人群密度图的积分累加得到人头数。经实验表明，在一般人群密度场景下，本发明的精度优于现有已知的一定方法。

技术领域

本发明涉及图片人头计数技术，尤其涉及基于卷积神经网络的深度学习的图片人头计数技术。

背景技术

随着计算机硬件水平的提高以及神经网络相关理论的丰富，深度学习相关行业蓬勃发展。计算机视觉相关知识的发展以及摄像头的普及，为深度学习所需数据集提供了技术前提。故基于深度学习的人群计数方法具备了可以实现的条件。

人群计数就是统计一定区域内的人数，在公共安全事件管理、特定场景精准管理、商业营销自动分析中有着广泛的应用。目前人群计数主流方法是通过计算机视觉相关知识来统计一张图片中的人数，从而节省人工统计的人力物力。除疫情防控用途之外，人群计数还可用于人数过密安全预警、服务资源优化调度、商业人流信息采集、学校课堂智能分析等场景。目前人群计数遇到的主要难点有目标尺度变化，背景复杂，目标分布不均、目标遮挡、视角透视以及图像分辨率差异等。这些难点是造成人群计数准确性以及实时性瓶颈的主要因素。

目前人群计数方法可分为传统人群计数方法以及基于深度学习的人群计数方法。Lin S F提出了一种传统的人群计数方法，提取头部轮廓的Harr特征并使用支持向量机（Support Vector Machine, SVM）分类器来判断提取的特征是否为人头轮廓特征，从而实现人群计数。虽然传统人群计数方法比较简单，但是其极易受到遮挡以及透视失真等因素的干扰，而且需要人工选取特征，场景限制性比较大，只适合中低密度的人群计数场景。基于深度学习的人群计数方法可以解决密集人群计数场景的遮挡和环境复杂等问题。ChuanWang将72×72的子块输入到神经网络中，通过交替优化人群密度图和人群计数结果来进行人群计数，但是该方法切块存在一定的切割误差。Zhang Y提出了多列卷积神经网络模型（MCNN），在输入端输入原始图像，通过三列含有不同大小卷积核的网络实现多尺度特征提取，进而得到密度图，避免了子块的切割误差。BoominathanL提出了将深网络、浅网络结合的端到端网络架构，为多尺度特征提取提供了新思路。W. Liu通过多列卷积神经网络的方法进行人群计数，取得了不错的结果，但是其参数量过大，实时性能不好，所以基于单列卷积神经网络的人群计数方法仍是人群计数算法的研究热点。

发明内容

本发明所要解决的问题：图片人头计数问题。

为解决上述问题，本发明采用的方案如下：

根据本发明的一种基于卷积神经网络的图片人头计数的方法，该方法包括模型计算步骤；所述模型计算步骤用于通过人头计数卷积神经网络模型计算得到人群密度图；

其中，所述人头计数卷积神经网络模型包括前端网络、中端网络和后端网络；

所述前端网络包括第一前端特征网络、第二前端特征网络、第三前端特征网络、第四前端特征网络和前端特征融合网络；

所述第一前端特征网络包括按顺序相连的第一前端卷积层、第二前端卷积层和第一前端池化层；所述第一前端卷积层的输入即为所述第一前端特征网络的输入，也即为所述前端网络的输入；所述第一前端特征网络的输出即为所述第一前端池化层的输出，输出通道数为64、尺寸大小为输入图像1/2的第一前端特征图ff1；

所述第一前端卷积层中，输入通道数为3，输出通道数为64，卷积核大小为3*3，步长为1，填充为1；所述第二前端卷积层中，输入通道数为64，输出通道数为64，卷积核大小为3*3，步长为1，填充为1；所述第一前端池化层中，池化核为2*2，步长为2，填充为0，采用最大池化；