>科技>>正文

Keras实现基于MSCNN的人群计数

原标题:Keras实现基于MSCNN的人群计数

AI科技评论按,对图片中的物体进行计数是一个非常常见的场景,尤其是对人群或者车辆计数,通过计数我们可以获得当前环境的流量与拥挤状况。现有的人群计数方法通常可以分为两类:基于检测的方法和基于回归的方法。基于目标检测的方法在密集的小目标上效果并不理想,因此很多研究采用了基于像素回归的方法进行计数。本文实现了一个基于Keras的MSCNN人群计数模型。

github

https://github.com/xiaochus/MSCNN

paper

Multi-scale convolutional neural network for crowd counting

环境

实验数据采用Mall Dataset crowd counting dataset,该数据库包括jpeg格式的视频帧,地面实况,透视标准化特征和透视标准化图,如下所示:

shopping_mall_annotated

shopping_mall_perspective

数据处理的代码如下所示:

1.首先根据标注文件读入图像和标注。

2.根据网络输入输出大小处理标注文件。

3.将人群位置映射为密度图,其中密度图使用了高斯滤波处理。

def read_annotations(): """read annotation data. Returns: count: ndarray, head count. position: ndarray, coordinate. """ data = sio.loadmat('datamall_datasetmall_gt.mat') count = data['count'] position = data['frame'][0] return count, position def map_pixels(img, image_key, annotations, size): """map annotations to density map. Arguments: img: ndarray, img. image_key: int, image_key. annotations: ndarray, annotations. size: resize size. Returns: pixels: ndarray, density map. """ gaussian_kernel = 15 h, w = img.shape[:-1] sh, sw = size / h, size / w pixels = np.zeros((size, size)) for a in annotations[image_key][0][0][0]: x, y = int(a[0] * sw), int(a[1] * sh) if y >= size or x >= size: print("{},{} is out of range, skipping annotation for {}".format(x, y, image_key)) else: pixels[y, x] += 1 pixels = cv2.GaussianBlur(pixels, (gaussian_kernel, gaussian_kernel), 0) return pixels def get_data(i, size, annotations): """get data accoding to the image_key. Arguments: i: int, image_key. size: int, input shape of network. annotations: ndarray, annotations. Returns: img: ndarray, img. density_map: ndarray, density map. """ name = 'datamall_datasetframesseq_{}.jpg'.

format(str(i + 1).zfill(6)) img = cv2.imread(name) density_map = map_pixels(img, i, annotations, size // 4) img = cv2.resize(img, (size, size)) img = img / 255. density_map = np.expand_dims(density_map, axis=-1) return img, density_map

密度图还要使用高斯滤波处理是因为在空间中计数时,每个人只占一个像素点导致最终得到的密度分布图特别稀疏,会导致模型收敛到全0状态。因此通过高斯处理后,密度图呈现出热力图的形式,一定程度上解决了稀疏问题。而且高斯处理后的密度图,总计数是不变的。

处理过的输入图像以及其对应的密度图如下所示:

density_map

模型

模型的整体如下图所示,是一个比较简单的端对端网络。

Multi-scale convolutional neural network for crowd counting

针对图像中的目标都是小目标的问题,作者借鉴了Inception模型提出了一个Multi-Scale Blob (MSB) 结构,用来增强特征的多样性。

Multi-scale blob with different kernel size

论文中给出的网络结构如下所示:

The multi scale CNN architecture

实现

基于Keras实现这个网络结构:

# -*- coding: utf-8 -*-from keras.layers import Input, Conv2D, MaxPooling2D, concatenate, Activationfrom keras.layers.normalization import BatchNormalizationfrom keras.models import Modelfrom keras.regularizers import l2from keras.utils.vis_utils import plot_modeldef MSB(filters): """Multi-Scale Blob. Arguments: filters: int, filters num. Returns: f: function, layer func. """ params = {'activation': 'relu', 'padding': 'same', 'kernel_regularizer': l2(5e-4)} def f(x): x1 = Conv2D(filters, 9, **params)(x) x2 = Conv2D(filters, 7, **params)(x) x3 = Conv2D(filters, 5, **params)(x) x4 = Conv2D(filters, 3, **params)(x) x = concatenate([x1, x2, x3, x4]) x = BatchNormalization()(x) x = Activation('relu')(x) return x return f def MSCNN(input_shape): """Multi-scale convolutional neural network for crowd counting. Arguments: input_shape: tuple, image shape with (w, h, c). Returns: model: Model, keras model. """ inputs = Input(shape=input_shape) x = Conv2D(64, 9, activation='relu', padding='same')(inputs) x = MSB(4 * 16)(x) x = MaxPooling2D()(x) x = MSB(4 * 32)(x) x = MSB(4 * 32)(x) x = MaxPooling2D()(x) x = MSB(3 * 64)(x) x = MSB(3 * 64)(x) x = Conv2D(1000, 1, activation='relu', kernel_regularizer=l2(5e-4))(x) x = Conv2D(1, 1, activation='relu')(x) model = Model(inputs=inputs, outputs=x) return model if __name__ == '__main__': model = MSCNN((224, 224, 3)) print(model.summary()) plot_model(model, to_file='imagesmodel.png', show_shapes=True)

实验

在项目里通过下列命令训练模型:

python train.py --size 224 --batch 16 --epochs 10

由于目前没有足量的计算资源使用,我们对模型做了一个初步训练测试效果。

下面是测试集中相同场景的图片进行测试的结果,真实的count是30,预测的count是27,结果大致接近。而且其人群密度图也与图片中的真实人群分布对应。

res1

下面是随便找了一张背景和角度都不同的人群图,可以看出预测出现了较大的偏差。这是因为训练集较为单一的缘故,想要得到针对真实场景的模型,需要一个多样性的训练集。

count:24

res2

count:31

res3

人脸识别损失函数综述(附开源实现)返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()
投诉
免费获取
今日搜狐热点
今日推荐