申请/专利权人：北京大学

申请日：2021-01-11

公开（公告）日：2024-03-01

公开（公告）号：CN112733714B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/82;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2021.05.21#实质审查的生效;2021.04.30#公开

摘要：本发明公布了一种基于VGG网络的自动人群计数图像识别方法，利用VGG网络模型对图像进行嵌入式层归一化处理，基于VGG网络嵌入式层归一化进行人群计数图像识别，所述自动人群计数图像识别方法命名为VadaLN；包括：建立基于VGG网络模型的嵌入式层归一化网络模型VadaLNet；采用尺度重组网络模块SSM用于进行人群计数，使用散度马尔可夫随机场损失函数DivMRF对人群计数任务建模，并通过对抗式上下文损失函数ACL建立非对齐优化方法，实现密度图估计的非一致训练，优化VadaLNet的参数。本发明方法对输入的包含人群的图像进行识别和人群计数，过滤与计数任务无关的图像特征，即得到VadaLN值，实现基于VGG网络的自动人群计数图像识别。

主权项：1.一种基于VGG网络的自动人群计数图像识别方法，利用VGG网络模型对图像进行嵌入式层归一化处理，基于VGG网络嵌入式层归一化进行人群计数图像识别，所述自动人群计数图像识别方法命名为VadaLN；包括：建立基于VGG网络模型的嵌入式层归一化网络模型VadaLNet；采用尺度重组网络模块SSM用于进行人群计数，使用散度马尔可夫随机场损失函数DivMRF对人群计数任务建模，并通过对抗式上下文损失函数ACL建立非对齐优化方法，实现密度图估计的非一致训练，优化VadaLNet的参数；所述自动人群计数图像识别方法VadaLN对输入的包含人群的图像进行识别和人群计数，过滤与计数任务无关的图像特征，即得到VadaLN值；包括如下步骤：1建立基于VGG网络模型的嵌入式层归一化网络模型VadaLNet，包括VGG网络的后端和新创建的尺度重组网络模块SSM，SSM包括像素重组模块；2预训练基于VGG网络模型的嵌入式层归一化网络模型VadaLNet，采用提出散度马尔可夫随机场损失函数DivMRF和对抗式上下文损失函数ACL优化VadaLNet的参数；训练过程中，将图像分割成小块，并进行标准化处理，计算损失函数；具体实现包括如下过程：21尺度归一化处理：将所有的图像数据归一化到统一的分辨率和长宽比；22图像标准化处理：对图像的像素点的强度分别依照正态分布进行调整；23进行像素重组：图像经过神经网络之后得到N层的张量，将张量的N层合并到同一层；层中的特征图与下采样得到的特征图通过尺度重组网络模块SSM进行拼接，得到重组后的张量；24将重组后的张量进行空洞卷积操作，得到新的特征图，进行像素叠加后计算最终的计数结果；25训练的损失函数采用逐像素的L1范数进行计算；包括：251散度马尔可夫随机场损失函数DivMRF的计算；将图像分割成小块，并作标准化处理，使其服从高斯分布；PatchX＝{x0，0，x0，1，…，xM-1，N-1}，PatchY＝{y0，0，y0，1，…，yM-1，N-1}. 其中，PatchX，PatchY表示由输入图像X，Y分割的小块组成的集合，N表示标准化操作，μ和σ分别为均值和标准差；计算KL散度，再利用KL散度计算损失函数： 其中，Nk表示集合由PatchX，PatchY中标准化后的元素；252对抗式上下文损失函数ACL的计算方法 其中，CX指的是上下文相似度；φ指的是预训练的VGG网络；φ的上标表示使用的是哪一层的特征；D*ACL是ACL函数使用的对抗性损失函数；ina表示待计算的图像；inb表示参考的计数结果；3利用训练好的基于VGG网络模型的嵌入式层归一化网络模型VadaLNet，对输入的包含人群的图像进行识别和人群计数，过滤与计数任务无关的图像特征，得到VadaLN值；具体输入包含人群的RGB图像；将RGB图像输入预训练好的VadaLNet中的VGG网络，收集VGG网络中的conv33和conv42特征层，并对这两个特征层作归一化处理，对这两个特征层的内容计算均值μ和标准差σ： 其中，H为张量的层数，xi＝张量的第i层，σ为该张量的标准差；再通过计算得出VadaLN的值，即进行基于VGG的适应性层归一化，表示为： 其中，σf和μf是VGG特征中代表语义内容的特征计算得到的标准差和均值；σs和μs是VGG特征中代表图像质量的特征计算得到的标准差和均值；通过上述步骤，即实现基于VGG网络嵌入式层归一化进行人群计数图像识别。

全文数据：

权利要求：

百度查询： 北京大学 一种基于VGG网络的自动人群计数图像识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD