公开(公告)号：CN114758293A

公开(公告)日：2022-07-15

申请号：CN202210309158.1

申请日：2022-03-28

Applicant: 暨南大学

Inventor： 李展 ,  陆晋晖 ,  陈浩 ,  冉启航 ,  郑凤佳 ,  杨嘉兴

IPC: G06V20/52 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为一种基于辅助分支优化和局部密度块增强的深度学习人群计数方法，其特征在于，包括以下步骤：S1、获取人群图像和预处理训练图像；S2、生成真实密度图，并根据人头坐标标注生成合适的真实分割图；S3、构建人群计数网络模型；S4、训练人群计数网络模型；S5、将人群图像输入到训练好的人群计数网络模型中预测人数。本发明通过利用高斯卷积函数生成真实密度图，根据人头坐标标注生成合适的真实分割图，构建人群计数网络模型并进行训练，充分利用人群图像中的前后景差异，让计算网络更集中于前景人群预测，利用局部密度块信息，对预测差异较大的密度块进行局部增强，利用真实的人数信息，对网络进行强化监督，进一步提高主干网络计数精度。

公开(公告)号：CN114758293B

公开(公告)日：2024-08-06

申请号：CN202210309158.1

申请日：2022-03-28

Applicant: 暨南大学

Inventor： 李展 ,  陆晋晖 ,  陈浩 ,  冉启航 ,  郑凤佳 ,  杨嘉兴

IPC: G06V20/52 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明为一种基于辅助分支优化和局部密度块增强的深度学习人群计数方法，其特征在于，包括以下步骤：S1、获取人群图像和预处理训练图像；S2、生成真实密度图，并根据人头坐标标注生成合适的真实分割图；S3、构建人群计数网络模型；S4、训练人群计数网络模型；S5、将人群图像输入到训练好的人群计数网络模型中预测人数。本发明通过利用高斯卷积函数生成真实密度图，根据人头坐标标注生成合适的真实分割图，构建人群计数网络模型并进行训练，充分利用人群图像中的前后景差异，让计算网络更集中于前景人群预测，利用局部密度块信息，对预测差异较大的密度块进行局部增强，利用真实的人数信息，对网络进行强化监督，进一步提高主干网络计数精度。