科创中国

本公开提供了一种基于多尺度引导注意力机制网络的人群计数方法及系统，获取待识别的图像数据；对获取的图像数据进行多尺度特征提取，得到多个特征图，对所有特征图进行融合得到多尺度融合特征图；将获取的各个尺度的特征图和多尺度融合特征图输入到预设的引导注意力机制模型中，得到不同尺度下的注意力特征图；将各个尺度下的注意力特征图进行融合，对融合后的特征图进行密度回归，得到人群密度图，根据人群密度图得到人群计数；本公开通过采用多尺度引导注意力机制来捕获更丰富的多尺度上下文特征信息，能够将局部特征与其相应的全局依赖关系相集成，并以自适应方式突出显示重要的通道信息，极大的提高了人群计数精度。

为了解决现有技术的不足，本公开提供了一种基于多尺度引导注意力机制网络的人群计数方法及系统，采用多尺度引导注意力机制来捕获更丰富的多尺度上下文特征信息，从而克服了现有的卷积神经网络结构的限制，能够将局部特征与其相应的全局依赖关系相集成，并以自适应方式突出显示重要的通道信息；同时不同模块之间的附加损失会通过引导注意力机制忽略无关信息，并通过强调相关的特征关联来关注图像的人群区域，进而极大的提高了人群计数的精度。

随着科技水平发展到新的高度，人民的生活质量逐步得到提升。人们经常参加一些大型活动，在这种场景下，但随之而来的安全隐患诸如拥挤、踩踏等对人民生命财产带来巨大的威胁。因此，高密度人群分布场所的安防措施成了保障人民群众生命财产安全的关键性问题。因此，人群计数问题的研究也越来越火热，若能准确估计当前场景的人群密度、及时地检测人群急剧变化，就可以优化公共交通调度、安排相应的安保措施，以此来达到有效的减少或避免此类事件发生的目的。

近年来，基于计算机视觉的人群计数取得了巨大的进展。人群计数的目的是预测图像中出现的人数。针对人群计数开发的算法具有多种应用，如视频和交通监控，农业监测(植物计数)，细胞计数，场景理解，城市规划和环境调查。计算机视觉领域已经通过各种方式来处理这个任务：早期的工作基于身体或头部检测器的输出进行计数，或者学习从图像的全局或局部特征到预测计数的映射。但是，这些方法只适用于比较稀疏的人群。在拥挤的场景中，人群计数仍然是一项具有挑战性的任务，因为它存在尺度可变化、遮挡、视角变化、背景杂乱等问题。

此技术是山东师范大学吕蕾研发，山东师范大学，位于山东省济南市，宗旨和业务范围是“面向社会培养高等学历师资人才，进行成人教育，促进教育事业发展”。

与现有技术相比，本公开的有益效果是：

1、本公开所述的方法、系统、介质或电子设备，采用多尺度引导注意力机制来捕获更丰富的多尺度上下文特征信息，从而克服了现有的卷积神经网络结构的限制，能够将局部特征与其相应的全局依赖关系相集成，并以自适应方式突出显示重要的通道信息。

2、本公开所述的方法、系统、介质或电子设备，不同模块之间的附加损失会通过引导注意力机制忽略无关信息，并通过强调相关的特征关联来关注图像的人群区域，进而极大的提高了人群计数的精度。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。