买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江大学申请的专利一种基于多等级特征融合的人群计数方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114359833B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210005553.0，技术领域涉及：G06V20/52；该发明授权一种基于多等级特征融合的人群计数方法及装置是由柳昌涛;史治国设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种基于多等级特征融合的人群计数方法及装置在说明书摘要公布了：本发明公开了一种基于多等级特征融合的人群计数方法及装置，该方法包括：根据公开数据集生成真实人群密度图；将作为训练集的人群图像输入多等级特征融合网络中，多等级特征融合网络分为前端部分和后端部分，前端负责提取细节特征，并根据网络深度分为三个不同等级细节特征提取层，后端负责提取语义特征，并根据网络深度分为三个不同等级语义特征提取层，将不同等级细节特征不同程度地融合到不同等级语义特征中，通过卷积操作得到预测人群密度图；通过欧几里得损失函数得到网络损失，使用反向传播对网络参数进行更新；将需要估计行人数量的人群图像输入训练好的网络模型中，得到人群密度图及预测的人群总数。本发明提高了人群计数准确性。

本发明授权一种基于多等级特征融合的人群计数方法及装置在权利要求书中公布了：1.一种基于多等级特征融合的人群计数方法，其特征在于，包括以下步骤：数据预处理：根据用于人群计数的公开数据集中图像以及其对应的人头中心点二维坐标标记生成真实人群密度图，所述真实人群密度图用于网络训练；构建多等级特征融合网络，将需要进行行人数量估计的人群图像输入到所述多等级特征融合网络中，输出预测人群密度图；所述多等级特征融合网络分为前端和后端两部分，所述前端部分用于提取细节特征，并根据网络深度将前端分为三个不同等级细节特征提取层去提取不同等级的细节特征，所述后端部分用于提取语义特征，并根据网络深度将后端分为三个不同等级语义特征提取层去提取不同等级的语义特征，将不同等级的细节特征不同程度地融合到不同等级的语义特征中，最终通过卷积操作得到预测人群密度图；所述前端部分基于VGG16网络，并且根据网络深度分为三个不同等级细节特征提取层，第一等级细节特征提取层为VGG16网络的1到4层，提取得到第一等级细节特征A1，第二等级细节特征提取层为VGG16网络的1到7层，提取得到第二等级细节特征A2，第三等级细节特征提取层为VGG16网络的1到10层，提取得到第三等级细节特征A3；所述后端部分由3个融合层和6个残差块组成，并且根据网络深度分为三个不同等级语义特征提取层，第一等级语义特征提取层是前端网络后接一个残差块构成，提取得到第一等级语义特征B1，之后通过第一个融合层将第一等级细节特征提取层提取的第一等级细节特征A1与第一等级语义特征提取层提取的第一等级语义特征B1进行融合，得到融合特征H1，所述融合层为通道拼接操作，H1过程如下：H1＝CcatA1,B1其中Ccat表示通道拼接操作；第二等级语义特征提取层是第一个融合层后接两个残差块构成，提取得到第二等级语义特征，之后通过第二个融合层将第二等级语义特征、第二等级细节特征、第三等级细节特征进行融合，得到融合特征H2，H2过程如下：H2＝CcatA2,A3,CRBH1其中CRB表示残差块特征映射关系；第三等级语义特征提取层是第二个融合层后接三个残差块构成，提取得到第三等级语义特征，之后通过第三个融合层将第三等级语义特征、第一等级细节特征、第二等级细节特征进行融合，得到融合特征H3，H3过程如下：H3＝ccatA1,A2,CRBH2将融合特征H3通过1×1的卷积层操作后生成预测人群密度图；通过欧几里得损失函数将所述预测人群密度图和所述真实人群密度图进行比较得到网络损失大小，使用反向传播对网络参数进行不断更新，直到得到合适的网络参数，训练得到最终的网络模型；将需要估计行人数量的人群图像输入训练好的网络模型中，得到人群密度图，对该图进行逐像素积分，即将该图中所有像素点的数值进行加和，得到图像中行人数量的估计值，即预测的人群总数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。