1.一种用于生成高质量人群密度图的方法,其特征在于,包括如下步骤:
S1、将采集到的图片输入至全局密集度等级分类网络,获得相应的全局密集度概率分布特征图;
S2、将采集到的图片输入至高维特征图估计网络,获得高维特征图;
S3、将采集到的图片输入至局部密集度等级分类网络,获得相应的局部密集度概率分布特征图;
S4、采用图像通道融合算法,融合以上获得的所述全局密集度概率分布图、所述高维特征图和所述局部密集度概率分布特征图,得到融合特征图;
S5、将所述融合特征图分别经过卷积和反卷积处理,得到高分辨率的特征图,然后再经过一个卷积核大小为1*1的卷积处理,将所述高分辨率的特征图映射成最终的高质量人群密度图。
2.如权利要求1所示的一种用于生成高质量人群密度图的方法,其特征在于,所述全局密集度概率分布特征图的获取步骤如下:
S11、首先根据图片数据集中人数规模大小,将图片数据集中的图片密集度划分成5个等级:非常密集、密集、中等、稀疏和非常稀疏;
S12、将待处理图片输入所述全局密集度等级分类网络,得到待处理图片分别属于5个等级的概率值;
S13、创建一个空的5*(W/8)*(H/8)特征图,其中W和H是待处理图片的宽和高,然后将分类网络得到5个概率值填入创建的特征图中,得到全局密集度概率分布特征图。
3.如权利要求2所示的一种用于生成高质量人群密度图的方法,其特征在于,所述全局密集度等级分类网络是基于一个VGG16卷积神经网络结构,且保持VGG16卷积神经网络结构中的13层卷积不变,并修改其三层全连接层的通道数分别为512、256和5。
4.如权利要求1所示的一种用于生成高质量人群密度图的方法,其特征在于,所述高维特征图的具体获取步骤如下:
S21、搭建高维特征图估计网络,所述高维特征图估计网络包括第一分支网络和第二分支网络;所述第一分支网络由VGG16除去三层全连接层得到;所述第二分支网络是一个三层卷积网络结构,且其卷积核大小为5*5;
S22、将采集到的图片分别输入至所述第一分支网络和第二分支网络,从而得到相应的特征图;
S23、将两个分支网络获得的特征图进行融合,获得高维特征图。
5.如权利要求1所示的一种用于生成高质量人群密度图的方法,其特征在于,所述局部密集度概率分布特征图的具体获取步骤如下:
S31、首先根据图片数据集中人数规模大小,将图片数据集中的图片密集度划分成五个等级:非常密集、密集、中等、稀疏和非常稀疏;
S32、利用一个64x64的滑动窗口在采集到的图片上截取图像,并将截取到的图像输入至一个局部密集度等级分类网络中,从而获得该窗口图像密集度属于五个等级的概率值;所述局部密集度等级分类网络由5层卷积层和3层全连接层构成;
S33、创建一个空的5*W*H的特征图,其中W和H是输入图片的宽和高,然后在特征图上找到和所述滑动窗口宽度相对应的位置,并填入该窗口密集度分类概率值;
S34、将填满密集度分类概率值的特征图大小调整为5*(W/8)*(H/8),进而获得所述局部密集度概率分布特征图。