申请/专利权人：西安建筑科技大学

申请日：2021-09-07

公开（公告）日：2024-05-03

公开（公告）号：CN113743422B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2021.12.21#实质审查的生效;2021.12.03#公开

摘要：本发明公开一种多特征信息融合的人群密度估计方法、设备及存储介质，具体步骤为，构建训练数据集，对训练数据集进行预处理；构建并训练多特征信息融合卷积神经网络，得到多特征信息融合的人群密度估计模型；所述多特征信息融合卷积神经网络分为上下两层，上层包括VGG16前10层，下层包括VGG16前10层后衔接的空间注意力透视网络、多尺度信息聚合网络、语义嵌入融合网络以及后端空洞卷积网络；使用多特征信息融合的人群密度估计模型对待检测数据集中的人群密度进行检测，输出最终的人群密度图；本发明提高了人群密度估计模型的准确度与鲁棒性，提升人群密度估计方法的性能，为人群密度估计算法在工业当中的实际部署落地做出有益尝试。

主权项：1.一种多特征信息融合的人群密度估计方法，其特征在于，具体步骤如下：S1构建训练数据集，对训练数据集进行预处理；S2构建并训练多特征信息融合卷积神经网络，得到多特征信息融合的人群密度估计模型；所述多特征信息融合卷积神经网络分为上下两层，上层包括VGG16前10层，下层包括VGG16前10层后衔接的空间注意力透视网络、多尺度信息聚合网络、语义嵌入融合网络以及后端空洞卷积网络；S3使用多特征信息融合的人群密度估计模型对待检测数据集中的人群密度进行检测，输出最终的人群密度图；步骤S2中，1）构建多特征信息融合的人群密度估计网络，将基础骨架VGG16中的第二、三、十层的结果分别输出，生成一组不同分辨率的初始特征图；2）将第十层的初始特征图输入多尺度信息聚合网络，多尺度信息聚合网络通过多尺度非对称卷积捕捉第十层的特征图的多尺度特征，通过不同膨胀率的空洞卷积扩大多尺度特征的群感受野，得到多尺度图像上下文信息FM；3）将第十层的特征图输入空间注意力透视网络，空间注意力透视网络对第十层的初始特征图进行四个方向的卷积得到四张特征图，对得到的特征图进行融合，得到空间全局上下文信息FP；4）将第二、三层的初始特征图与步骤2中的多尺度图像上下文信息FM在语义嵌入融合网络中进行语义嵌入上采样，语义上采样后再进行语义嵌入融合得到语义嵌入特征图FSE；5）将步骤3）空间全局上下文信息FP和步骤2）中的多尺度图像上下文信息FM拼接后输入空洞卷积网络第一层，步骤4）得到的语义嵌入特征图FSE输入空洞卷积网络第五层，通过后端空洞卷积网络输出得到预测密度图M；6）根据预测密度图M与对应真值图计算人群密度估计损失值，利用人群密度估计损失值对所述多特征信息融合的人群密度估计网络进行训练得到多特征信息融合的人群密度估计模型。

全文数据：

权利要求：

百度查询： 西安建筑科技大学 多特征信息融合的人群密度估计方法、设备及存储介质

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