[发明专利]一种基于深度学习的人数估计方法

摘要

本发明公开了一种基于深度学习的人数估计方法，属于基于深度学习的人群密度估计。本发明采用一种基于卷积层和池化层的单列卷积神经网络，通过大量样本的训练，学习人群特征，从而估计输入图像的人群密度图，进而对密度图进行积分，得到该图像上人群的人数估计。对比目前的其他深度学习算法，本发明所采用的卷积神经网络，结构简单，复杂度低，训练时间短，且估计精确度更高。

主权项

一种基于深度学习的人数估计方法，其特征在于，包括下列步骤：构建深度神经网络模型：基于10个卷积层和2个池化层的单列卷积神经网络，其中前6个卷积层的卷积核大小均为5x5，第7～9个卷积层的卷积核大小均为3x3，最后一个卷积层的卷积核大小为1x1；2个池化层的池化方式采用最大池化，且池化核大小均为2x2；采集训练样数据对所构建的深度神经网络模型进行训练，获得训练好的深度神经网络模型，所述深度神经网络模型的损失函数其中为网络前向计算所得到的密度图，M为训练样本数目，输入图像的真实密度图其中δ(x‑xi)为图像中人头位置的冲击函数，xi表示人头位置，N为人头总数，G为高斯核；将待估计图像输入训练好的深度神经网络模型中，得到待估计图像的估计密度图，对所述估计密度图进行积分，得到待估计图像的估计人数。