一种针对人群活动性质判别的数据增强方法和系统与流程

1.本发明涉及计算机视觉的技术领域，尤其是一种针对人群活动性质判别的数据增强方法和系统。


背景技术：

2.人群活动性质判别，即对画面中人群聚集，人数较多的公开场景进行语义性质概括，从而总结出画面中人类活动的名称和特点，其样本一般具备语义分散、重点不明等不良性质。结合人体目标检测与语义分割的算法虽然可以统计并定位画面中的人类个体，但仍然无法较好地整合个体互相关信息进行总体分析。人群计数算法可以较理想统计画面中的人体数量，但仍然不能反映其表达的人类活动类别。还有一些分析画面中次要语义的辅助方案如捕获标语、荧光棒、人体排列重叠特征等，但整体流程过于复杂，启发式痕迹明显，资源消耗极大，效果受多方多重影响反而不佳。分类模型具备推理直接、使用简单、资源消耗低及概括性强等特点，从应用角度为此类问题首选方案，但其对样本量需求极大，直接训练精度往往不尽如人意，且容易形成场景过拟合。举个例子，高密度人群出现在马路上往往是示威游行的某种场景特征，可游行示威也可以出现在体育场、室内大厅等场合；大量标语与宣传牌可能是某大型评奖活动的辅助特点，但也可以是示威游行的特征。场景过拟合会将类别属性绑定在特定场景中，从而严重误导此类图片的分类结果。目前尚未发现专门针对人群活动性质判别算法的增强方案。


技术实现要素：

3.为了解决现有技术中尚无专门针对人群活动性质判别算法的增强方案技术问题，本发明提出了一种针对人群活动性质判别的数据增强方法和系统，以解决上述技术问题。
4.根据本发明的第一方面，提出了一种针对人群活动性质判别的数据增强方法，包括：
5.s1：准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图；
6.s2：从人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签；
7.s3：使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签；
8.s4：通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。
9.在一些具体的实施例中，预训练模型包括xception或senet，人群活动训练数据集定义为{(ii，yi)|i＝0，1，....n-1}，其中，ii∈r3×w×
h为标准rgb图像，yi为图像标签。
10.在一些具体的实施例中，s2具体为：从人群活动训练数据集中随机提取一个数据对{(i1，y1)，(i2，y2)}，设定两个参数b1、b2从一个贝塔分布beta(b1，b2)中提取两对比例参数
(γ1，γ2)，(γ3，γ4)；利用线性组合混合图像和标签：i
m1
＝γ1×
ts(i1)+(1-γ1)
×
ts(i2)；ua＝γ1，ub＝1-γ1；y
m1
＝ua×
y1+ub×
y2；其中i
m1
为混合后的图像，y
m1
为相应的混合标签，ts为满足融合形态尺度要求的随机同类型数据增强函数。
11.在一些具体的实施例中，s3具体表示为：qa＝1-γ2，qb＝γ2；y
m2
＝qa×
y1+qb×
y2；其中i
m2
为拼接后的图像，y
m2
为相应的混合标签，ts为满足融合形态尺度要求随机同类型数据增强函数。
12.在一些具体的实施例中，s4中通过强化类梯度激活可视化策略，提取输出类激活热图具体表示为：其中表示为第c个类别求取的类激活热图，i，j表示像素坐标，为激活注意力掩码，为自适应系数，为第k个特征图谱，对lc进行上采样，使其尺寸与输入图像一致，获得对进行语义图映射，使其个像素总和为1。
13.在一些具体的实施例中，s4中图像二次混合增强具体为：混合增强具体为：其中和是两个二进制掩模，包含面积比为γ3的随机框区域和面积比为γ4的随机框区域，tr
θ
为转换函数，将i
m2
的最终裁剪区域转换为匹配i
m1
的框区域；标签融合方法为：y
mix
＝ca×ym1
+cb×ym2
，其中，ca，cb为二次混合标签的语义权重。
14.在一些具体的实施例中，s4中扩充原数据集的扩充比例为以像素级线性混合增强策略生成35％的数据，以区域级仿射拼接增强策略生成35％的数据，以图像二次混合生成30％的数据。
15.根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述任一项的方法。
16.根据本发明的第三方面，提出了一种针对人群活动性质判别的数据增强系统，系统包括：
17.准备单元：配置用于准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图；
18.像素级线性混合增强单元：配置用于从人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签；
19.区域级仿射拼接增强单元：配置用于使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签；
20.数据集扩充单元：配置用于通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。
21.在一些具体的实施例中，预训练模型包括xception或senet，人群活动训练数据集定义为{(ii，yi)|i＝0，1，....n-1}，其中，ii∈r3×w×
h为标准rgb图像，yi为图像标签。
22.在一些具体的实施例中，像素级线性混合增强单元具体配置用于：从人群活动训练数据集中随机提取一个数据对{(i1，y1)，(i2，y2)}，设定两个参数b1、b2从一个贝塔分布beta(b1，b2)中提取两对比例参数(γ1，γ2)，(γ3，γ4)；利用线性组合混合图像和标签：i
m1
＝γ1×
ts(i1)+(1-γ1)
×
ts(i2)；ua＝γ1，ub＝1-γ1；y
m1
＝ua×
y1+ub×
y2；其中i
m1
为混合后
的图像，y
m1
为相应的混合标签，ts为满足融合形态尺度要求的随机同类型数据增强函数。
23.在一些具体的实施例中，区域级仿射拼接增强单元具体表示为：在一些具体的实施例中，区域级仿射拼接增强单元具体表示为：qa＝1-γ2，qb＝γ2；y
m2
＝qa×
y1+qb×
y2；其中i
m2
为拼接后的图像，y
m2
为相应的混合标签，ts为满足融合形态尺度要求随机同类型数据增强函数。
24.在一些具体的实施例中，数据集扩充单元具体配置用于：通过强化类梯度激活可视化策略，提取输出类激活热图具体表示为：视化策略，提取输出类激活热图具体表示为：其中表示为第c个类别求取的类激活热图，i，j表示像素坐标，为激活注意力掩码，为自适应系数，为第k个特征图谱，对lc进行上采样，使其尺寸与输入图像一致，获得对进行语义图映射，使其个像素总和为1；图像二次混合增强具体为：其中和是两个二进制掩模，包含面积比为γ3的随机框区域和面积比为γ4的随机框区域，tr
θ
为转换函数，将i
m2
的最终裁剪区域转换为匹配i
m1
的框区域；标签融合方法为：y
mix
＝ca×ym1
+cb×ym2
，其中，ca，cb为二次混合标签的语义权重。
25.在一些具体的实施例中，扩充原数据集的扩充比例为以像素级线性混合增强策略生成35％的数据，以区域级仿射拼接增强策略生成35％的数据，以图像二次混合生成30％的数据。
26.本发明提出了一种针对人群活动性质判别的数据增强方法和系统，针对人群活动性质判别的数据增强方法提出了一种新式的人群场景样本合成方案，从而有效、针对性地实现相关样本库扩充。其扩充流程与结果都可对人群活动性质判别算法产生明显积极影响。其首次从场景过拟合的角度解决人群活动性质判别问题，集中于数据增强与样本集分布合理化、规范化，从根源解决问题取得了较明显的效果，且可以适配任何框架，任何算法模型。
附图说明
27.包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
28.图1是本技术可以应用于其中的示例性系统架构图；
29.图2是本技术的一个实施例的一种针对人群活动性质判别的数据增强方法的流程图；
30.图3是本技术的一个实施例的一种针对人群活动性质判别的数据增强系统的框架图；
31.图4是适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
32.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
33.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
34.图1示出了可以应用本技术实施例的一种针对人群活动性质判别的数据增强方法的示例性系统架构100。
35.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
36.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、数据可视化类应用、网页浏览器应用等。
37.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
38.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上展示的映射表数据提供支持的后台信息处理服务器。后台信息处理服务器可以对获取的逻辑地址进行处理，并生成处理结果。
39.需要说明的是，本技术实施例所提供的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应的装置一般设置于服务器105中，也可以设置于终端设备101、102、103中。
40.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
41.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
42.根据本技术的一个实施例的一种针对人群活动性质判别的数据增强方法，图2示出了根据本技术的实施例的一种针对人群活动性质判别的数据增强方法的流程图。如图2所示，该方法包括：
43.s201：准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图。可选择xception，senet等对细粒度图像分类效果较强的模型。准备人群活动训练数据集定义为{(ii，yi)|i＝0，1，....n-1}，其中，ii∈r3×w×
h为标准rgb图像，yi为图像标签。
44.s202：从人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签。
45.在具体的实施例中，从人群活动训练数据集中随机提取一个数据对{(i1，y1)，(i2，y2)}，设定两个参数b1、b2从一个贝塔分布beta(b1，b2)中提取两对比例参数(γ1，γ2)，(γ3，γ4)。
46.在具体的实施例中，使用像素级线性混合增强策略，即利用线性组合来混合图像与标签：i
m1
＝γ1×
ts(i1)+(1-γ1)
×
ts(i2)；ua＝γ1，ub＝1-γ1；y
m1
＝ua×
y1+ub×
y2；其中i
m1
为混合后的图像，y
m1
为相应的混合标签，ts为满足融合形态尺度要求的随机同类型数据增强函数(即随机执行旋转、平移、裁剪、加噪、尺度缩放、质量变换等)，其可提高整体泛化，引入额外的正则化效果，对人群活动问题增益明显。
47.s203：使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签。具体表示为：qa＝1-γ2，qb＝γ2；y
m2
＝qa×
y1+qb×
y2；其中i
m2
为拼接后的图像，y
m2
为相应的混合标签，ts为满足融合形态尺度要求随机同类型数据增强函数。其具备融合场景语义，丰富数据集内容，打破人群活动一般经验性特征的能力，可以有效缓解场景过拟合。
48.s204：通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。
49.在具体的实施例中，使用强化类梯度激活可视化策略，来提取输出类激活热图，具体方法如下：其中表示为第c个类别求取的类激活热图，i，j表示像素坐标，对lc进行上采样，使其尺寸与输入图像一致，记为对进行语义图映射，使其个像素总和为1。其中为激活注意力掩码，为自适应系数，为第k个特征图谱。
50.在具体的实施例中，执行最终图像混合策略，即为图像二次混合增强：在具体的实施例中，执行最终图像混合策略，即为图像二次混合增强：其中和是两个二进制掩模，包含面积比为γ3的随机框区域和面积比为γ4的随机框区域，tr
θ
为转换函数，将i
m2
的最终裁剪区域转换为匹配i
m1
的框区域；标签融合方法为：y
mix
＝ca×ym1
+cb×ym2
，其中，，其中，k
i1
、k
i2
表示对对应的类激活热图进行语义图映射使其个像素总和为1，具体可以表示为ca，cb为二次混合标签的语义权重。
51.在具体的实施例中，基于以上方法，形成以二次混合图像增强数据集，用以扩充原数据集。扩充比例为以使用像素级线性混合增强策略方法生成35％的数据，以使用强化类梯度激活可视化策略生成35％的数据，以二次混合方案生成30％的数据。
52.本技术的针对人群活动性质判别的数据增强方法提出了一种新式的人群场景样本合成方案，从而有效、针对性地实现相关样本库扩充。其扩充流程与结果都可对人群活动性质判别算法产生明显积极影响。其首次从场景过拟合的角度解决人群活动性质判别问题，集中于数据增强与样本集分布合理化、规范化，从根源解决问题取得了较明显的效果，且可以适配任何框架，任何算法模型。
53.继续参考图3，图3示出了根据本技术的实施例的一种针对人群活动性质判别的数据增强系统的框架图。该系统具体包括准备单元301、像素级线性混合增强单元302、区域级
仿射拼接增强单元303和数据集扩充单元304。其中准备单元301配置用于准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图；像素级线性混合增强单元302配置用于从人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签；区域级仿射拼接增强单元303配置用于使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签；数据集扩充单元304配置用于通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。
54.下面参考图4，其示出了适于用来实现本技术实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
55.如图4所示，计算机系统400包括中央处理单元(cpu)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram 403中，还存储有系统400操作所需的各种程序和数据。cpu 401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
56.以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
57.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本技术的方法中限定的上述功能。需要说明的是，本技术的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读
存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
58.可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
59.附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
60.描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。
61.作为另一方面，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图；从所述人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签；使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签；通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。
62.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。