(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211135774.6 (22)申请日 2022.09.19 (71)申请人 中国电子科技 集团公司第五十四研 究所 地址 050081 河北省石家庄市中山西路589 号第五十四所指控部 申请人 中华通信系统有限责任公司长 沙分 公司 (72)发明人 杨柳茂　郭军　庄圆　谭文军　 殷旭平　韦广立　朱长仁　赵飞　 (74)专利代理 机构 河北东尚律师事务所 13124 专利代理师 王文庆 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/32(2022.01)G06V 10/774(2022.01) (54)发明名称 一种基于密集区域自适应分析的人群统计 与定位方法 (57)摘要 本发明公开了一种基于密集区域自适应分 析的人群统计与定位方法， 属于目标检测领域。 本发明首先构建用于训练的密集人群定位数据 集； 其次设计一种深度目标检测 网络模型， 学习 输入图像与人群位置之间的映射 关系， 实现端到 端的预测模 型； 然后对待测图像进行人群密集程 度的大致估计， 再对密集人群图像区域进行二次 检测， 实现密集人群的快速准确计数与定位。 本 发明简单易行， 能够高效精确地实现人群统计与 定位。 权利要求书1页 说明书4页 附图3页 CN 115457472 A 2022.12.09 CN 115457472 A 1.一种基于密集区域自适应分析的人群统计与定位方法， 其特 征在于， 包括以下步骤： 步骤1， 构建训练样本库， 对训练样本进行 人头边界框的标注； 步骤2， 构建深度目标检测网络， 所述深度目标检测网络包括高分辨率网络HRNet和二 值化分割网络； 其中， 高分辨率网络HRNet用于提取图像浅层特征向量， 并将图像浅层特征 向量输入给二值化分割网络， 二值化分割网络包括阈值特征图生成网络和密度特征图生成 网络两部 分， 用于生 成与原输入图像等尺寸的阈值特征图T与密度特征图P； 此外， 深度目标 检测网络对阈值特征图T与密度特征图P进行比较运算， 生 成二值图B， 并对二值图B 进行4邻 域分割运 算， 获得独立的人头检测框位置信息； 步骤3， 利用训练样本库对深度目标检测网络进行模型训练， 获得训练好的深度目标检 测模型； 步骤4， 获取真实场景图像， 对真实场景图像进行缩放处理， 然后采用训练好的深度目 标检测模型对人群密集程度进行初步估计， 得到真实场景图像的全局热力图； 接着对全局 热力图进行滑框检测， 分别统计各个滑框中人群的密集程度， 对密集程度高的滑框所对应 的真实场景图像中未 经缩放的区域进行二次检测， 获得最终的人 数统计与定位结果。 2.根据权利要求1所述的一种基于密集区域自适应分析的人群统计与定位方法， 其特 征在于， 所述阈值特征图生成网络通过顺次连接的第一卷积层、 第二卷积层、 第三卷积层、 第四卷积层、 第一平均池化层、 第五卷积层、 第二平均池化层、 第一逆 卷积层， 生成与 原输入 图像尺寸相同的第一特征向量， 然后对第一特征向量进行Sigmoid函数运算， 得到值域为 (0， 1)的阈值特 征图； 所述密度特征图生成网络通过顺次连接的第六卷积层、 第二逆卷积层、 第三逆卷积层 生成与原输入图像尺 寸相同的第二特征向量， 然后对第二特征向量进 行Sigmoid函数运算， 得到值域为(0， 1)的密度特 征图； 所述二值图B与原输入图像等尺寸， 对于二值图B的每一位置， 若密度 特征图P中同一位 置的数值比阈值特 征图T中同一 位置的数值大， 则二 值图B的该位置为1， 否则为0 。 3.根据权利要求1所述的一种基于密集区域自适应分析的人群统计与定位方法， 其特 征在于， 步骤4的具体方式为： 步骤401， 对于缩放后分辨率仍较大的图像， 将其裁剪成小图块， 再使用训练好的深度 目标检测模型分别对各个图块进行初步估计， 最后拼接得到整个图像的全局热力图； 对分 辨率中等的真实场景图像， 直接进 行2/3缩放， 然后使用训练好的深度目标检测模 型进行初 步估计， 从而获取全局热力图； 步骤402， 对全局热力图用方形滑框进行检测， 并计算各个滑框的密度等级， 计算公式 如下： 其中， (i， j)为滑框的位置， D为滑框中人群密度等级的计算值， ∑block_heatMap为深 度目标检测模型 所检测到的该滑框中人头的累加值， area(img)为滑框的面积； 步骤403， 设定密度阈值为r， 若滑框的密度等级超过r， 则采用深度目标检测模型对该 滑框所对应的未 经缩放的原图区域进行二次检测； 步骤404， 结合 一次检测 和二次检测的结果， 得到最终的人 数统计与定位结果。权　利　要　求　书 1/1 页 2 CN 115457472 A 2一种基于密集区域 自适应分析的 人群统计与定位方 法 技术领域 [0001]本发明涉及图像处理、 目标检测和人工智能等领域， 具体涉及一种基于密集区域 自适应分析的人群统计与定位方法。 背景技术 [0002]为了有效保障公共活动安全、 防止疫情传播， 公共场所需要实时监控人群聚集程 度， 如何有效检测与定位人群密集区域， 从而实现人数 统计及聚集预警， 已经成为科学研究 热点。 [0003]目前密集人群定位主要有三种方法： 基于目标检测的方法、 基于密度图的方法以 及基于点监督的方法。 基于目标检测的方法直接使用Faster  RCNN、 YOLO等目标检测模 型去 预测人头位置， 这可能会丢失密集人群区域的微小目标； 基于密度图的方法直接根据图像 回归出拥挤人群密度热图， 只能得到场景整体的一个拥挤指数， 不能获知人群个体的具体 位置； 基于点监督的方法直接根据点标记预测检测框， 这种 方法算法计算量过大导致难以 落地使用。 发明内容 [0004]针对现有技术的不足， 本发明提供一种基于密集区域自适应分析的人群 统计与定 位方法， 该 方法简单易行， 能够高效精确地实现人群统计与定位。 [0005]为了实现上述目的， 本发明采用了如下技 术方案： [0006]一种基于密集区域自适应分析的人群统计与定位方法， 包括以下步骤： [0007]步骤1， 构建训练样本库， 对训练样本进行 人头边界框的标注； [0008]步骤2， 构建深度目标检测网络， 所述深度目标检测网络包括高分辨率网络HRNet 和二值化分割网络； 其中， 高分辨率网络HRNet用于提取图像浅层特征向量， 并将图像浅层 特征向量输入给二值化分割网络， 二值化分割网络包括阈值特征图生成网络和密度特征图 生成网络两部 分， 用于生成与 原输入图像等尺 寸的阈值特征图T与密度特征图P； 此外， 深度 目标检测网络对阈值特征图T与密度特征图P进行比较运算， 生成二值图B， 并对二值图B进 行4邻域分割运 算， 获得独立的人头检测框位置信息； [0009]步骤3， 利用训练样本库对深度目标检测网络进行模型训练， 获得训练好的深度目 标检测模型； [0010]步骤4， 获取真实场景图像， 对真实场景图像进行缩放处理， 然后采用训练好的深 度目标检测模型对人群密集程度进行初步估计， 得到真实场景图像的全局热力图； 接着对 全局热力图进行滑框检测， 分别统计各个滑框中人群的密集程度， 对密集程度高的滑框所 对应的真实场景图像中未 经缩放的区域进行二次检测， 获得最终的人 数统计与定位结果。 [0011]进一步地， 所述阈值特征图生成网络通过顺次连接的第一卷积层、 第二卷积层、 第 三卷积层、 第四卷积层、 第一平均池化层、 第五卷积层、 第二平均池化层、 第一逆卷积层， 生 成与原输入图像尺 寸相同的第一特征向量， 然后对第一特征向量进 行Sigmoid函数运算， 得说　明　书 1/4 页 3 CN 115457472 A 3