科创中国
一种基于前后特征融合的多尺度人群计数方法及系统
成果类型：: 发明专利
发布时间: 2023-10-16 10:49:21
科技成果产业化落地方案
方案提交机构：成果发布人| 涂媛 | 2023-10-16 10:49:21
本公开公开的一种基于前后特征融合的多尺度人群计数方法及系统，对采集的待计数图像进行预处理，生成人群密度图，然后用个三个不同大小的卷积核对人群密度图进行卷积处理，对卷积之后生成的三个特征图进行特征融合，获取融合后特征图，对融合后特征图通过卷积、池化以及上采样等操作进行收缩与扩展，并对压缩路径与扩展路径的特征图进行特征融合，获得了有效的空间结构信息以及语义信息。然后使用1*1的卷积核来改变通道数的大小生成最终的密度图。利用每张密度图中的像素进行积分求和，得到最终的人数。解决了人群复杂的变化对于人群计数的影响，保留了更多有效的信息，从而对人群计数取得了良好的效果。
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。人群计数是计算机视觉领域的一个重要分支，随着国内外的大型活动中踩踏事件的频繁发生，造成了较大的伤亡，例如在2015年在上海外滩发生的踩踏事件，若能准确估计当前场景的人群密度，并安排相应的保护以及应急措施，则可以有效减少或规避此类事件的发生，所以人群计数在实际生活中有着许多潜在的应用价值。
传统的人群计数算法主要有两大分类，基于检测的方法以及基于回归的方法。对于基于检测的方法，早期主要聚焦于基于检测的方法，通过使用滑动窗口检测器来检测场景中的人群并进行相应的计数。由于无论使用何种基于检测的方法，都很难处理密集人群之间的严重遮挡问题，所以对于基于回归的方法逐渐被用来解决人群计数的问题。
随着深度学习领域的发展，不同于传统的基于检测和回归的方法，深度学习方法对于图像中的密集人群分布，通过预测密度图的方法来进行人群计数，即输入为原始图像，输出为密度图，但由于遮挡、人群密集、分布无律等问题，使得人群计数的准确率依然较低。
此技术是山东师范大学吕蕾研发，山东师范大学，位于山东省济南市，宗旨和业务范围是“面向社会培养高等学历师资人才，进行成人教育，促进教育事业发展”。
与现有技术相比，本公开的有益效果为：
本公开采用多尺度、多分支的卷积以及收缩路径与扩展路径的特征融合的方法，网络中包含的多尺度特征提取包含了为适应人群的不同头部的大小而提取的不同尺度的特征信息。对于前端的压缩路径包含了人群的空间信息以及纹理以及结构信息。对于后端的高层扩展路径包含了较多的人群的语义信息。前端包含了人群较多的空间结构信息，后端包含了关于人群的较多的语义信息。将扩展路径与压缩路径的特征图进行特征融合，既提取了有效的空间结构信息又包含了人群的语义信息，通过这种方法可以对复杂场景的人群进行更精确的计数以及密度估计。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app