[发明专利]基于多分支扩张卷积神经网络的人群计数方法及系统

说明书

本发明属于计算机视觉领域，提供了一种基于多分支扩张卷积神经网络的人群计数方法及系统。该方法包括：获取包含人群的场景图像并据此分别生成人群密度图标签和人头位置二值图标签；根据训练样本，构建训练集；其中，每幅图像及其所对应的人群密度图标签和人头位置二值图标签作为一个训练样本；基于训练集，训练多分支扩张卷积人群计数网络模型，得到网络最优参数，以此生成训练好的多分支扩张卷积人群计数网络模型；将待测图像输入训练好的多分支扩张卷积人群计数网络模型，输出人群密度图；将人群密度图中像素值加和，得到人群计数结果。

技术领域

本发明属于计算机视觉领域，尤其涉及一种基于多分支扩张卷积神经网络的人群计数方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

人群计数(Crowd Counting)旨在面向图像数据或视频数据实时估计图像或视频中所出现的人群分布并统计人数。近年来人群计数方法研究已经成为计算机视觉领域的研究热点，其应用领域主要为智能安防，实时提供人群分布及人数可有效分析并控制人流量，防止安全事故的发生。

由于拍摄角度及拍摄距离的影响，目标人群在图像或视频中呈现尺寸差别较大，为人群计数方法的研究带来较大挑战。

发明内容

为应对目标人群尺度差异所导致的计数误差，本发明提供一种基于多分支扩张卷积神经网络的人群计数方法及系统，针对目标人群尺度差异问题，设计共享训练参数的多分支扩张卷积网络，从而以较少的网络参数来提取具有不同感受野的特征；利用有监督的人头位置二值图，指导网络关注人头位置，实现更准确的人群计数。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于多分支扩张卷积神经网络的人群计数方法。

基于多分支扩张卷积神经网络的人群计数方法，包括：

获取包含人群的场景图像并据此分别生成人群密度图标签和人头位置二值图标签；

根据训练样本，构建训练集；其中，每幅图像及其所对应的人群密度图标签和人头位置二值图标签作为一个训练样本；

基于训练集，训练多分支扩张卷积人群计数网络模型，得到网络最优参数，以此生成训练好的多分支扩张卷积人群计数网络模型；

将待测图像输入训练好的多分支扩张卷积人群计数网络模型，输出人群密度图；

将人群密度图中像素值加和，得到人群计数结果。

本发明的第二个方面提供一种基于多分支扩张卷积神经网络的人群计数系统。

基于多分支扩张卷积神经网络的人群计数系统，包括：

标签生成模块，其被配置为：获取包含人群的场景图像并据此分别生成人群密度图标签和人头位置二值图标签；

训练集构建模块，其被配置为：根据训练样本，构建训练集；其中，每幅图像及其所对应的人群密度图标签和人头位置二值图标签作为一个训练样本，多个样本的组合构成训练集；

模型训练模块，其被配置为：基于训练集，训练多分支扩张卷积人群计数网络模型，得到网络最优参数，以此生成训练好的多分支扩张卷积人群计数网络模型；

人群计数应用模块，其被配置为：将待测图像输入训练好的多分支扩张卷积人群计数网络模型，输出人群密度图；

输出模块，其被配置为：将人群密度图中像素值加和，得到人群计数结果。

本发明的第三个方面提供一种计算机可读存储介质。