一种计算每平方米人群密度分布方法及系统

技术领域

本发明属于图像处理技术领域，尤其涉及一种计算每平方米人群密度分布方法及系统。

背景技术

随着计算机硬件、软件的不断完善，以及人工智能技术的不断发展，基于视觉理解的智能监控系统成为智慧城市的重要组成部分，而人群是智能监控中重要主角之一。人群密度分析在智能监控中占据重要位置，对维护公共安全、减少踩踏事故发生、稳定人群密集场所秩序具有重要意义。

目前人群密度分析主要研究方向集中在基于整图人群计数和拥堵分析，而计算图像上每平方米人群分布相对较少。现有技术假设人体身高175cm，采用透视变换估计图像中人所在位置每米代表的实际像素数，将单个行人头部和躯体联合归一化为1作为单个人体密度图，根据透视图每平方米覆盖的像素范围，计算这个区域的积分总值即为该区域每平方米人群分布值，但假设人平均身高175cm对一些像中学这样的场景就显得不太合适，用整个行人作为密度分布对象则难以适应遮挡较为严重的场景。

发明内容

本发明的目的在于提供一种计算每平方米人群密度分布方法，旨在解决现有技术针对特殊场景准确性较低的问题。

本发明是这样实现的，一种计算每平方米人群密度分布方法，所述方法包括：

构建人头检测模型，并对其进行训练；

获取用于透视变换的人头检测框；

基于人头检测框生成透视变换图；

根据透视变换图计算每平方米人群分布图。

优选的，所述构建人头检测模型，并对其进行训练的步骤，具体包括进行数据准备和构建人头检测模型，所述人头检测模型的主题网络包括19个卷积层和5个Pooling层，回归层由conv6、conv9、conv12、conv14和conv18层接relu组成，每个回归层有6个PriorBox。

优选的，所述获取用于透视变换的人头检测框的步骤包括，对需要检测的图像进行划分，通过人头检测模型对划分得到多个区域进行人头目标搜索，对人头检测框进行筛选。

优选的，所述基于人头检测框生成透视变换图的步骤，具体包括构建透视变换函数，所述透视变换函数包含多个待定参数，基于获得得到的人头检测框对透视变换函数中的待定参数进行求解，在求解时，求解得到多组待定参数的计算值，以待定参数的计算值的平均值作为待定参数的最终参数值，通过透视变换函数构建透视变换图。

优选的，所述根据透视变换图计算每平方米人群分布图的步骤，具体包括：以人头检测框的中心为圆心，以人头宽高中值较大值的一半为半径，并假定在这个区域内满足均匀分布，当出现人头遮挡时，遮挡部分的密度值为两个人头各自计算密度值的叠加，依此计算整幅图像的密度分布图；创建一张与透视变换图或密度分布图相同的图像，遍历整幅图像，从透视图中相同位置查找该点的透视值，以该点为矩形中心，透视值作为矩形宽高，在密度图上扣取相同位置的矩形区域，对该矩形区域内的值求和，计算得到当前帧每平方米人群分布图。

优选的，所述透视变换函数为：

H

其中H

优选的，所述对需要检测的图像进行划分的步骤中，将图像划分为四个部分，搜集位于这四个不同区域内的人头目标，当某个部分目标数目达到3，判断这部分检测框是否有y坐标相同，若存在相同，则剔除宽高大于预设值的目标，直到每个部分都达到3个目标，对检测结果进行记录。

优选的，所述基于获得得到的人头检测框对透视变换函数中的待定参数进行求解的步骤中，求出至少三组待定参数的计算值。

优选的，人头检测模型对应的输入图像的大小为640像素*640像素。

本发明的另一目的在于提供一种计算每平方米人群密度分布系统，所述系统包括：

模型构建模块，用于构建人头检测模型，并对其进行训练；

检测框获取模块，用于获取用于透视变换的人头检测框；

透视变换模块，用于基于人头检测框生成透视变换图；

分布图生成模块，用于根据透视变换图计算每平方米人群分布图。

本发明提供的一种计算每平方米人群密度分布方法，以人头为研究对象，更好地适应行人检测遮挡造成的漏检问题；以人头作为透视变换研究对象，具有较强的场景适应性；使用最小二乘法回归透视变换线性方程，增强透视图生成准确性，并基于人头生成用于描述人群真实分布的密度图方法，本发明能够满足跨场景人群密度分布计算需求。

附图说明

图1为本发明实施例提供的人头检测模型的架构图；

图2为本发明实施例提供的计算每平方米人群密度分布方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

如图2所示，为本发明实施例提供的计算每平方米人群密度分布方法的流程图，所述方法包括：

构建人头检测模型，并对其进行训练；

获取用于透视变换的人头检测框；

基于人头检测框生成透视变换图；

根据透视变换图计算每平方米人群分布图。

在本实施例中，所述计算每平方米人群密度分布方法的步骤，具体包括：

步骤1：训练人头检测模型

1-1)，数据准备：标注每个行人头部作为训练样本，例如当样本图大小1920x1080，标注人头宽度大于20像素的目标，按照这个比率标注其它像素大小的样本。

1-2)构建人头检测模型：

如图1所示，HeadDetNet(人头检测模型)，输入图像大小为640x640，主题网络由conv0/relu到conv18/relu共19个卷积层和5个Pooling层组成，回归层由conv6、conv9、conv12、conv14、conv18层接relu组成，每个回归层有6个PriorBox。

1-3)训练一个加上背景2类的人头检测模型。

步骤2：获取用于透视变换的人头检测框Box

2-1)将图像横向自顶而下分成[0,1,2,3]共4个部分，使用人头检测模型

B

2-2)判断B

步骤3：生成透视变换图Per

3-1)为适应不同人群身高的差异性，降低身高作为透视变换对象的实际错误率，而人头大小在各类人群中差异较小，以人头作为透视变换研究对象，通过调查并测量不同人群(少儿、青年、中年)人头不同角度实际宽高，最终取0.285m作为描述人头宽高的实际值。在不考虑场景存在阶梯，小土丘这种局部位置影响透视变换实际效果的情况下，认为相机视场由远到近是一种均匀变化的过程，即图像中每米代表的像素数由远及近满足线性变化关系，这个关系可以描述为:

H

其中H

3-2)Box

3-3)实际工程过程中，可重复步骤2和上述步骤，求取3组(k,b)值，将这三组(k,b)均值作为最终的参数值。根据整幅图纵向坐标和线性方程可生成用于描述当前场景的透视图Per

步骤4：计算每平方米人群分布图

4-1)常见的人群密度图生成主要有2种方法，第一种是以人头中心点为圆心的某个区域满足高斯分布，生成总和为1的随机数；第二种是使用深度神经网络回归出密度图，密度图上某个区域的积分值代表实际人数。要计算图像每个位置每平方米人群分布，需要一种描述较细的人群密度图，高斯生成具有随机性，而密度图由于特征图过小，没法代表原始图像各个点实际的密度分布，本发明以人头检测中心为圆心点，以人头宽高中值较大值的一半为半径(记为R

4-2)每平方米人群分布图计算：创建一张与透视图或密度图相同的图像，遍历整幅图像，从透视图中相同位置查找该点的透视值，以这个点为矩形中心，透视值作为矩形宽高，在密度图上扣取相同位置的这个矩形，对这个矩形内的值求和，即为当前位置每平方米人群分布，计算出来的整幅图像即为当前帧每平方米人群分布图。

本发明实施例还提供了一种计算每平方米人群密度分布系统，所述系统包括：

模型构建模块，用于构建人头检测模型，并对其进行训练；

检测框获取模块，用于获取用于透视变换的人头检测框；

透视变换模块，用于基于人头检测框生成透视变换图；

分布图生成模块，用于根据透视变换图计算每平方米人群分布图。

在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

构建人头检测模型，并对其进行训练；

获取用于透视变换的人头检测框；

基于人头检测框生成透视变换图；

根据透视变换图计算每平方米人群分布图。

在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

构建人头检测模型，并对其进行训练；

获取用于透视变换的人头检测框；

基于人头检测框生成透视变换图；

根据透视变换图计算每平方米人群分布图。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。