[发明专利]一种人群计数系统及方法、设备及存储介质

说明书

本发明公开了一种人群计数系统及方法、设备及存储介质。该系统包括：编码器，设置为获取人群图像，提取所述人群图像的初级特征，得到所述人群图像的初级特征图；多尺度特征残差融合模块，与所述编码器连接，设置为基于所述初级特征图，以残差融合的方式，迭代提取所述人群图像的多尺度特征，得到所述人群图像的细节特征图；解码器，与所述多尺度特征残差融合模块连接，设置为对所述细节特征图像进行分辨率恢复和降维，得到所述人群图像的人群密度图。本发明利用细节增强模块提取人群细节特征，提升网络的特征表达能力。

技术领域

本发明实施例涉及计算机视觉领域，尤其涉及一种人群计数系统及方法、设备及存储介质。

背景技术

随着城市化的不断推进，城市中的人口密度持续增加。交通枢纽、大型活动现场及大型商场等公共场所发生人群拥挤、人群拥堵等现象也越来越多，由于人群过度的拥挤拥堵造成的隐患也越来越多。人流密度和公共安全息息相关，人流量越大，踩踏以及其他危险事情发生概率就越高。同时，国家对社会公共安全的重视程度不断提升，各种监控摄像头被布局在公共场合的每个角落。海量的监控视频数据随着而来，但是仅仅依靠人工的方式去统计实时的人群信息是非常不现实的。近些年来，随着计算机视觉和深度学习技术的快速发展，深度学习在目标检测、图像分类以及图像分割等领域取得较为出色的效果。将深度学习和人群计数相结合不仅可以减少人力物力成本，做到实时统计，为实时决策提供支撑，还可以进一步挖掘其背后的商业价值和其他社会学研究价值并且对当前国家推进智慧城市具有重要意义。

大型集会不断增多，人群规模逐渐增大，人群计数方法在处理密集场景时容易受到人群相互遮挡的影响，尤其是在人群密集区域。同时，为了监控大规模人群，需要监控摄像头等视频采集设备安放在距离人群目标更远的位置和更高的高度。这加剧了采集设备固有的透视效应，导致采集的人群视频或图像中行人尺度近大远小的问题更加凸出。行人尺度差异大，这给模型准确统计人数带来的极大的挑战。

发明内容

本发明提供一种人群计数系统和方法，以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种人群计数系统，包括：

编码器，设置为获取人群图像，提取所述人群图像的初级特征，得到所述人群图像的初级特征图；

多尺度特征残差融合模块，与所述编码器连接，设置为基于所述初级特征图，以残差融合的方式，迭代提取所述人群图像的多尺度特征，得到所述人群图像的细节特征图；

解码器，与所述多尺度特征残差融合模块连接，设置为对所述细节特征图像进行分辨率恢复和降维，得到所述人群图像的人群密度图。

在一实施例中，所述多尺度特征残差融合模块包括：

N个残差连接的密集感受野模块，其中，第一个密集感受野模块与所述编码器连接，所述第一个密集感受野模块的输入为所述初级特征图，第i个密集感受野模块的输入是第（i-1）个密集感受野模块的输出和所述第（i-1）个密集感受野模块的输入之间的残差，N和i均为整数，N≥2，2≤i≤N；所述N个密集感受野模块的感受野随着网络深度的增加而变大。

LReLu激活单元，与第N个密集感受野模块连接，设置为对所述第N个密集感受野模块的输出进行LReLu激活，得到所述细节特征图。

在一实施例中，每个密集感受野模块包括：