申请/专利权人：大连民族大学

申请日：2021-11-17

公开（公告）日：2024-04-26

公开（公告）号：CN114155210B

主分类号：G06T7/00

分类号：G06T7/00;G06T3/4007;G06N3/08;G06N3/0464;G06N3/09;G06V10/82;G06V10/84

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.03.25#实质审查的生效;2022.03.08#公开

摘要：本发明公开了一种基于SDA‑SFANet的人群计数方法，内容包括：获取人群计数数据集，在训练过程中对数据进行预处理；建立多尺度感知的人群计数网络模型，在VGG网络中融入注意力机制模块；引入HDC标准化设计对ASPP模块优化改进，得到标准化的SDASPP模块，在VGG网络中加入SDASPP模块；利用所收集的数据集对所述模型进行训练；将VGG网络提取器和上下文感知模块和SDASPP模块输出的特征图通过级联和上采样的方式将图像还原到原始图像大小得到密度图；使用具有固定标准偏差内核的高斯方法生成groudtruthDx；密度图通过与高斯核卷积来构建；使用贝叶斯损失函数对预测的人群计数进行损失值计算，将损失值反馈到SDA‑SFANet；不断训练网络，对参数进行优化，直到获得对人群计数结果预测满意的模型为止。

主权项：1.一种基于注意力机制与标准化密集空洞空间多尺度融合网络的人群计数方法，其特征在于：所述方法内容包括如下步骤：步骤1：获取人群计数数据集，并在训练过程中对数据进行预处理；采用图像增强策略处理较短边小于512的图像，首先将图像的短边调整为512；在随机位置将图像裁剪为400×400固定大小的图像块，然后以概率0.5对图像随机水平翻转，并将数据增强的概率设定为0.3；对于带有灰度图像的数据集，以0.1的概率将彩色图像随机更改为灰度图像；步骤2：建立多尺度感知的人群计数网络模型，将VGG网络中的VGG16及VGG19进行截断，选取VGG16网络的前13层的卷积层和VGG19网络的前16层的卷积层作为提取器，提取图像多尺度特征信息；在VGG网络中融入注意力机制模块；在VGG网络中加入多尺度感知模块对人群图像进行多尺度感知；所述多尺度感知模块包括上下文感知模块和密集空洞空间金字塔池化模块；在VGG网络中融入密集空洞空间金字塔池化模块，建立融入注意力机制与密集空洞空间的多尺度融合网络模型；步骤3：根据人群计数的特点，引入混合空洞卷积标准化设计对密集空洞空间金字塔池化模块进行优化改进，使用空洞率组合为[2,3,7,17,2,3,7,17]的标准化的密集空洞空间金字塔池化模块，解决空洞卷积组合时产生的网格效应，解决始终无法参与运算的像素点能够参与运算和局部信息丢失的问题，得到标准化的密集空洞空间金字塔池化模块，进而得到改进的融入注意力机制与标准化密集空洞空间多尺度融合网络模型；步骤4：利用所收集的Shanghaitech数据集与UCF-QNRF数据集对步骤3中所述的改进的融入注意力机制与标准化的密集空洞空间池化模块的多尺度融合网络模型进行训练；步骤5：使用双线性插值对来自标准化的密集空洞空间金字塔池化模块模块的输出特征图进行2倍上采样，然后与来自上下文感知模块的输出特征图连接；再将连接的特征图通过1*1*256和3*3*256卷积层，并与conv3-3和上采样的特征连接；在通过1*1*128和3*3*128卷积层之前，将来自标准化的密集空洞空间金字塔池化模块模块的特征图乘以4；再将128个融合特征按因子2上采样并与conv2-2连接，然后分别通过1*1*64、3*3*64和3*3*32卷积层，使用级联的方式将这些输出的特征图连接起来，得到最终密度图；步骤6：将步骤5中级联和上采样输出的最终密度图使用具有固定标准偏差内核的高斯方法生成groudtruthDx，并跟据图片中每个人和与其相邻人的平均距离来自适应地确定每个人的传播参数δ；该最终密度图通过与高斯核卷积来构建，该过程被表述为： 其中C代表总人数，Gσ代表高斯核，xi表示一个人头注释；步骤7：使用贝叶斯损失函数LBayes对预测的人群计数进行损失值计算，并将该损失值反馈到基于融入注意力机制与标准化密集空洞空间多尺度融合网络模型中；贝叶斯损失函数LBayes表示为： 其中LBayes代表贝叶斯损失函数，F代表该处的平均绝对误差损失，E[cn]代表该处的期望值；步骤8：重复步骤5、步骤6和步骤7，不断优化网络，对参数进行优化，直到获得对人群计数结果预测满意的模型为止；步骤9：用步骤8中所获得的模型进行人群计数。

全文数据：

权利要求：

百度查询： 大连民族大学 基于注意力机制与标准化密集空洞空间多尺度融合网络的人群计数方法

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