一种利用多尺度多任务卷积神经网络对静止图像进行人群计数的方法

摘要

本发明公开了一种利用多尺度多任务卷积神经网络对静止图像进行人群计数的方法，首先将逆高斯密度图与原始高斯密度图结合，组成组合密度图；然后对输入图像不重叠采样获得若干图像子块，并基于图像子块及其对应的真实组合密度图训练网络；以相同步幅对输入图像重叠采样，将MMCNN预测得到的每个图像子块的组合密度图叠加，重构完整人群图像的组合密度图，进而实现人群计数。此外，针对人群尺度差异问题，本发明通过一种分尺度损失函数衡量不同尺度网络学习到的特征。同时，本发明提出的网络以多任务的方式同时预测人群组合密度图、密度级别以及前景/背景分类，由此改善组合密度图的估计准确性，从而缓减人群密度不均问题。