[发明专利]基于多分支递进强化注意力人群计数方法

说明书

本发明提供了一种基于多分支递进强化注意力人群计数方法，该方法具体步骤如下：S1：读取数据集，预处理数据；S2：构建多分支递进强化注意力神经网络；S3：训练多分支递进强化注意力神经网络并测试；S4：获取摄像头图像，输入训练好的神经网络进行测试，得到该图片的预测人数。通过上述方式，本发明能够适用于大规模密集人群场景时的人群数量检测，有效提高检测人数结果的准确性。

技术领域

本发明涉及一种基于多分支递进强化注意力人群计数方法。

背景技术

随着国家城市化步伐的加快和城市经济的迅猛发展，旅游事业和人群集会场景增多的同时，伴随而来的还有安全隐患。2014年上海外滩就因人数众多，发生踩踏事件。而另一方面，随着景点集会的人数越来越多，现有的空间又不足以容纳非常多的人数时，通过限制人流量来达到对安全情况的控制，已成为了一种必要手段。因此通过一种人群计数方法，预测人群数量，对高度拥挤的场景进行预警，可以帮助相关人员进行突发事件事前预警和事后决策，人们的生命和财产安全就可得到保障。

目前已有的人群计数主要分为两种：1)基于传统方法的方法，例如支持向量机、决策树等；2)基于深度学习的方法，如MSCNN、CSRNet等网神经络方法。以上基于深度学习的人群计数方法均存在一定的局限性。方法1)使用传统方法，复杂度高，精度差；方法2)使用现有神经网络，精度较低等问题。

发明内容

本发明的目的在于提供一种基于多分支递进强化注意力人群计数方法。

为解决上述问题，本发明提供一种基于多分支递进强化注意力人群计数方法，包括：

S1：读取数据集并进行数据预处理，得到预处理的数据；

S2：构建多分支递进强化注意力神经网络的主干；

S3：基于所述预处理的数据和多分支递进强化注意力神经网络的主干，训练所述多分支递进强化注意力神经网络并测试网络准确性，以得到训练好的神经网络；

S4：获取视频中的人群图像，输入进训练好的神经网络测试，得到该图片的预测人数。

进一步的，在上述方法中，S1包括：

S11：下载公开数据集；

S12：将公开数据集，分为数据集和训练集；

S13：分别将数据集和训练集的图像数据宽高像素补充为8的倍数，并按比例调整定位图的位置，以分别得到数据集的定位图和训练集的定位图；

S14：利用高斯核大小为25的高斯函数将数据集的定位图处理为数据集的密度图，利用高斯核大小为25的高斯函数将训练集的定位图处理为训练集的定位图。

进一步的，在上述方法中，所述S2包括：

S21：设置前端网络部分提取特征的结构：以VGG16的feature层作为特征提取层，卷积核大小为3，采用Pytorch的Conv2d卷积，每个卷积层后都加上Relu激活函数，每层的通道数为64，64，128，128，MaxPooling(kernel＝2)，256，256，256，MaxPooling(kernel＝2)，512，512，512，用所述结构提取到总体特征；

S22：基于提取到的总体特征，加载VGG16网络结构的预训练参数；

S23：后端网络设计。

进一步的，在上述方法中，所述步骤S23包括：