基于多尺度深度学习的泛密度人群计数方法

本发明属于计算机视觉及智能交通技术领域，具体为一种基于多尺度深度学习的泛密度人群计数方法，称为PaDNet。本发明使用多个子网络去学习特定的人群尺度特征，首先对数据集进行聚类，将数据集划分为多种密度等级：低密度数据集、中密度数据集、高密度数据集；用特定密度等级的数据去预训练特定的子网络，然后通过一个尺度增强网络来加强尺度特征；最后，将所有的尺度特征通过一个融合网络融合起来生成最终的密度图来进行计数。本发明可以使得特定的子网络学习到准确的尺度特征，进而不同的网络能识别不同密度等级人群特征，更加准确的进行人群计数。
复旦大学
田宇坤 | 张军平