買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學申請的專利一種基于多等級特征融合的人群計數方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114359833B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210005553.0，技術領域涉及：G06V20/52；該發明授權一種基于多等級特征融合的人群計數方法及裝置是由柳昌濤;史治國設計研發完成，并于2022-01-05向國家知識產權局提交的專利申請。

本一種基于多等級特征融合的人群計數方法及裝置在說明書摘要公布了：本發明公開了一種基于多等級特征融合的人群計數方法及裝置，該方法包括：根據公開數據集生成真實人群密度圖；將作為訓練集的人群圖像輸入多等級特征融合網絡中，多等級特征融合網絡分為前端部分和后端部分，前端負責提取細節特征，并根據網絡深度分為三個不同等級細節特征提取層，后端負責提取語義特征，并根據網絡深度分為三個不同等級語義特征提取層，將不同等級細節特征不同程度地融合到不同等級語義特征中，通過卷積操作得到預測人群密度圖；通過歐幾里得損失函數得到網絡損失，使用反向傳播對網絡參數進行更新；將需要估計行人數量的人群圖像輸入訓練好的網絡模型中，得到人群密度圖及預測的人群總數。本發明提高了人群計數準確性。

本發明授權一種基于多等級特征融合的人群計數方法及裝置在權利要求書中公布了：1.一種基于多等級特征融合的人群計數方法，其特征在于，包括以下步驟：數據預處理：根據用于人群計數的公開數據集中圖像以及其對應的人頭中心點二維坐標標記生成真實人群密度圖，所述真實人群密度圖用于網絡訓練；構建多等級特征融合網絡，將需要進行行人數量估計的人群圖像輸入到所述多等級特征融合網絡中，輸出預測人群密度圖；所述多等級特征融合網絡分為前端和后端兩部分，所述前端部分用于提取細節特征，并根據網絡深度將前端分為三個不同等級細節特征提取層去提取不同等級的細節特征，所述后端部分用于提取語義特征，并根據網絡深度將后端分為三個不同等級語義特征提取層去提取不同等級的語義特征，將不同等級的細節特征不同程度地融合到不同等級的語義特征中，最終通過卷積操作得到預測人群密度圖；所述前端部分基于VGG16網絡，并且根據網絡深度分為三個不同等級細節特征提取層，第一等級細節特征提取層為VGG16網絡的1到4層，提取得到第一等級細節特征A1，第二等級細節特征提取層為VGG16網絡的1到7層，提取得到第二等級細節特征A2，第三等級細節特征提取層為VGG16網絡的1到10層，提取得到第三等級細節特征A3；所述后端部分由3個融合層和6個殘差塊組成，并且根據網絡深度分為三個不同等級語義特征提取層，第一等級語義特征提取層是前端網絡后接一個殘差塊構成，提取得到第一等級語義特征B1，之后通過第一個融合層將第一等級細節特征提取層提取的第一等級細節特征A1與第一等級語義特征提取層提取的第一等級語義特征B1進行融合，得到融合特征H1，所述融合層為通道拼接操作，H1過程如下：H1＝CcatA1,B1其中Ccat表示通道拼接操作；第二等級語義特征提取層是第一個融合層后接兩個殘差塊構成，提取得到第二等級語義特征，之后通過第二個融合層將第二等級語義特征、第二等級細節特征、第三等級細節特征進行融合，得到融合特征H2，H2過程如下：H2＝CcatA2,A3,CRBH1其中CRB表示殘差塊特征映射關系；第三等級語義特征提取層是第二個融合層后接三個殘差塊構成，提取得到第三等級語義特征，之后通過第三個融合層將第三等級語義特征、第一等級細節特征、第二等級細節特征進行融合，得到融合特征H3，H3過程如下：H3＝ccatA1,A2,CRBH2將融合特征H3通過1×1的卷積層操作后生成預測人群密度圖；通過歐幾里得損失函數將所述預測人群密度圖和所述真實人群密度圖進行比較得到網絡損失大小，使用反向傳播對網絡參數進行不斷更新，直到得到合適的網絡參數，訓練得到最終的網絡模型；將需要估計行人數量的人群圖像輸入訓練好的網絡模型中，得到人群密度圖，對該圖進行逐像素積分，即將該圖中所有像素點的數值進行加和，得到圖像中行人數量的估計值，即預測的人群總數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。