你能统计/估计这张照片中参与这次活动的人数吗？
下面这张呢？
本文将创建一个计算人群的算法，与人工统计相比，它具有惊人的准确性。
什么是人群计数？
人群计数是一种计算或估计图像中人数的技术。我们回到上一张图片，请先花点时间分析一下：你能告诉我此图中大概有多少人吗？是的，包括背景中那些人。最直接的方法是一个个数，但这是否具有实际意义？当人群如此庞大时，这几乎是不可能的！
人群科学家（是的，这是一个真正的职位！）先计算图像中某些部分的人数，然后推断出总人数的估计值。更常见的是，几十年来，我们不得不依靠粗略的指标来估算这个数字。
当然，有更好、更精确的方法吗？
是的，有！
虽然我们还没有能够计算出精确数字的算法，但大多数计算机视觉技术都可以得出令人震惊的精确估算值。在深入研究其背后的算法之前，首先理解为什么人群计数很重要。
为什么人群计数有意义？
让我们通过一个例子来理解人群计数的实用性。试想一下，如果你所在的公司刚刚举办完一次大型数据科学会议。大会期间举行了许多不同的小型会议。
你需要分析和估计每次会议的出席人数，这将帮助你的团队了解什么样的会议吸引了最多的人（以及哪些会议的参加人数最少）。分析结果将影响明年会议的安排，所以这是一项重要的任务！
大会中有数百人，手动计算人数需要数天时间，这时就需要发挥数据科学家的技能了。我们可以从每一个环节获得参会人群的照片，并建立一个计算机视觉模型来完成剩下的工作。
还有很多其他场景，人群计数算法都可以改变行业的运作方式：
· 计算参加体育赛事的人数
· 估计参加就职典礼或游行的人数
· 监测人流量大的区域
· 协助人员配置和资源分配
了解用于人群计数的不同计算机视觉技术
从广义上讲，目前我们可以使用四种方法来计算人群中的人数：
1. 基于检测的方法
在这里，我们使用移动的窗口式探测器来识别图像中的人并计算其中的人数。此检测方法需要训练有素、能够提取低级特征的分类器。虽然这些方法在人脸检测方面效果很好，但在拥挤的图像上表现不佳，因为大多数目标对象不清晰可见。
2. 基于回归的方法
上述方法无法用于提取低级功能，这种情况下基于回归的方法是最佳选择。我们首先把图像裁剪成几块，然后为每块图像提取低级特征。
3. 基于密度估计的方法
首先为对象创建一个密度图。然后，该算法将识别提取的特征与其对象密度图之间的线性映射。我们也可以使用随机森林回归来学习非线性映射。
4. 基于卷积神经网络（CNN）的方法
使用这种方法时，我们不用将图像裁剪成几块来观察，而是使用卷积神经网络建立一种端到端的回归方法。此方法将整个图像作为输入，并直接计算人群数目。卷积神经网络可以很好地处理回归或分类任务，还能生成密度图。
CSRNet是我们将在本文中运用的一种技术，它可以创建更深的卷积神经网络，用于捕获高级特征并生成高质量的密度图，而不会增加网络复杂性。在讲编码部分之前，让我们先了解什么是CSRNet。
了解CSRNet的体系结构和训练方法
CSRNet以VGG-16（http://www.robots.ox.ac.uk/~vgg/）为前端，因为它具有强大的转移学习能力。VGG的输出大小是原始输入大小的1/8。CSRNet在后端也使用了扩张的卷积层。
但什么是扩张卷积呢？请看下图：
使用扩张卷积的基本概念是在不增加参数的情况下扩大内核。所以，如果扩张率为1，我们能将选取的内核卷积到整个图像上。然而，如果我们将扩张率增加到2，内核就会扩展，如上图所示（遵循每个图像下面的标签）。这样内核就可以作为池化层的替代品。
基础数学理论（选学）
我们可以花点时间解释一下基础数学理论的原理。请注意，这不是在Python中执行算法所必需的，但当你需要调整或修改模型时，这一定会派上用场。
假设输入x（m，n），滤波器为w（i，j），扩张率为r，则输出y（m，n）为：
我们可以用扩张率为r的（k*k）核来推广这个方程。核将扩张到：
([k + (k-1)*(r-1)] * [k + (k-1)*(r-1)])
因此，每幅图像都产生了真值。用高斯内核把给定图像中的每个人的头部变模糊。所有图像都被裁剪成9个小块，每块的大小是原始图像大小的1/4。
将前4个小块均匀裁剪，其余5个小块随机裁剪。最后，每个小块的镜像用于加倍训练集。
简而言之，这就是CSRNet的体系结构。接下来，我们将查看它的训练细节，包括它使用的评估指标。
随机梯度下降作为端到端结构，用于训练CSRNet。在训练期间，固定学习率设置为1e-6。为了测量真值与估计密度图之间的差异，将损失函数认定为欧氏距离。表示为：
其中N是训练块的数量。CSRNet中使用的评估度量是MAE和MSE，即平均绝对误差和均方误差。可由下式得到：
这里，Ci是估计值：
L和W是预测密度图的宽度。
我们的模型将首先预测给定图像的密度图。如果图像中没有人，像素将为0。如果图像中有人，则像素将与人数对应，得出特定的预测值。因此，计算与人相对应的总像素值则可以得出该图像中的人数。
构建自己的人群计数模型
我们将用上海科技数据集执行CSRNet。数据集中有1198张注释图片，图片上共计330165人。
(数据集：https://www.dropbox.com/s/fipgjqxl7uj8hd5/ShanghaiTech.zip?dl=0。)
使用以下代码块复制CSRNet-pytorch存储库。里面包含用于创建数据集、训练模型和验证结果的完整代码：
git clone https://github.com/leeyeehoo/CSRNet-pytorch.git
请在继续操作之前安装CUDA和PyTorch。这些是我们将在下面使用的代码所必须的。
现在，将数据集移动到上面复制的存储库中并解压。然后我们需要创建真值。make_dataset.ipynb文件为我们提供了极大的帮助。我们只需要在笔记本电脑上做一些小改动：
# importing libraries
import h5py
import scipy.io as io
import PIL.Image as Image
import numpy as np
import os
import glob
from matplotlib import pyplot as plt
from scipy.ndimage.filters import gaussian_filter
import scipy
import json
from matplotlib import cm as CM
from image import *
from model import CSRNet
import torch
from tqdm import tqdm
%matplotlib inline
# function to create density maps for images
def gaussian_filter_density(gt):
print (gt.shape)
density = np.zeros(gt.shape, dtype=np.float32)
gt_count = np.count_nonzero(gt)
if gt_count == 0:
return density
pts = np.array(list(zip(np.nonzero(gt)[1], np.nonzero(gt)[0])))
leafsize = 2048
# build kdtree
tree = scipy.spatial.KDTree(pts.copy(), leafsize=leafsize)
# query kdtree
distances, locations = tree.query(pts, k=4)
print ('generate density...')
for i, pt in enumerate(pts):
pt2d = np.zeros(gt.shape, dtype=np.float32)
pt2d[pt[1],pt[0]] = 1.
if gt_count > 1:
sigma = (distances[i][1]+distances[i][2]+distances[i][3])*0.1
else:
sigma = np.average(np.array(gt.shape))/2./2. #case: 1 point
density += scipy.ndimage.filters.gaussian_filter(pt2d, sigma, mode='constant')
print ('done.')
return density
现在，让我们为part A和part B中的图像生成真值：
part_A_train = os.path.join(root,'part_A/train_data','images')
part_A_test = os.path.join(root,'part_A/test_data','images')
part_B_train = os.path.join(root,'part_B/train_data','images')
part_B_test = os.path.join(root,'part_B/test_data','images')
path_sets = [part_A_train,part_A_test]
img_paths = []
for path in path_sets:
for img_path in glob.glob(os.path.join(path, '*.jpg')):
img_paths.append(img_path)
for img_path in img_paths:
print (img_path)
mat = io.loadmat(img_path.replace('.jpg','.mat').replace('images','ground-truth').replace('IMG_','GT_IMG_'))
img= plt.imread(img_path)
k = np.zeros((img.shape[0],img.shape[1]))
gt = mat["image_info"][0,0][0,0][0]
for i in range(0,len(gt)):
if int(gt[i][1])<img.shape[0] and int(gt[i][0])<img.shape[1]:
k[int(gt[i][1]),int(gt[i][0])]=1
k = gaussian_filter_density(k)
with h5py.File(img_path.replace('.jpg','.h5').replace('images','ground-truth'), 'w') as hf:
hf['density'] = k
到目前为止，我们已经为part_A中的图像生成了真值。我们将对part_B图像执行相同的操作。但在此之前，让我们先看一个示例图像并绘制其真值图：
plt.imshow(Image.open(img_paths[0]))
越来越有趣了！
gt_file = h5py.File(img_paths[0].replace('.jpg','.h5').replace('images','ground-truth'),'r')
groundtruth = np.asarray(gt_file['density'])
plt.imshow(groundtruth,cmap=CM.jet)
让我们计算这张图片中有多少人。
np.sum(groundtruth)
270.32568
同样，为part_B生成真值：
path_sets = [part_B_train,part_B_test]
img_paths = []
for path in path_sets:
for img_path in glob.glob(os.path.join(path, '*.jpg')):
img_paths.append(img_path)
# creating density map for part_b images
for img_path in img_paths:
print (img_path)
mat = io.loadmat(img_path.replace('.jpg','.mat').replace('images','ground-truth').replace('IMG_','GT_IMG_'))
img= plt.imread(img_path)
k = np.zeros((img.shape[0],img.shape[1]))
gt = mat["image_info"][0,0][0,0][0]
for i in range(0,len(gt)):
if int(gt[i][1])<img.shape[0] and int(gt[i][0])<img.shape[1]:
k[int(gt[i][1]),int(gt[i][0])]=1
k = gaussian_filter_density(k)
with h5py.File(img_path.replace('.jpg','.h5').replace('images','ground-truth'), 'w') as hf:
hf['density'] = k
现在，我们已经有了图像以及它们对应的真值。是时候训练模型了！
将使用复制目录中提供的.json文件。只需要更改json文件中图像的位置。为此，请打开.json文件，并将当前位置替换为图像所在的位置。
请注意，所有这些代码都是用Python 2编写的。如果你正在使用任何其他Python版本，请进行以下更改：
1. 在model.py中，将第18行中的xrange更改为range
2. 在model.py中，将第19行更改为：
list(self.frontend.state_dict().items())[i][1].data[:] = list(mod.state_dict().items())[i][1].data[:]
3. 在image.py中，将ground_truth替换为ground-true
改好了吗？现在，打开一个新的终端窗口并输入以下命令：
cd CSRNet-pytorch
python train.py part_A_train.json part_A_val.json 0 0
你可以减少train.py文件中的epoch数，以加快进程。
最后，检测此模型在不可视数据上的表现情况。我们将使用val.ipynb文件来验证结果。请记住将路径更改为预训练权值和图像。
#importing libraries
import h5py
import scipy.io as io
import PIL.Image as Image
import numpy as np
import os
import glob
from matplotlib import pyplot as plt
from scipy.ndimage.filters import gaussian_filter
import scipy
import json
import torchvision.transforms.functional as F
from matplotlib import cm as CM
from image import *
from model import CSRNet
import torch
%matplotlib inline
from torchvision import datasets, transforms
transform=transforms.Compose([
transforms.ToTensor(),transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]),
])
#defining the location of dataset
root = '/home/pulkit/CSRNet/ShanghaiTech/CSRNet-pytorch/'
part_A_train = os.path.join(root,'part_A/train_data','images')
part_A_test = os.path.join(root,'part_A/test_data','images')
part_B_train = os.path.join(root,'part_B/train_data','images')
part_B_test = os.path.join(root,'part_B/test_data','images')
path_sets = [part_A_test]
#defining the image path
img_paths = []
for path in path_sets:
for img_path in glob.glob(os.path.join(path, '*.jpg')):
img_paths.append(img_path)
model = CSRNet()
#defining the model
model = model.cuda()
#loading the trained weights
checkpoint = torch.load('part_A/0model_best.pth.tar')
model.load_state_dict(checkpoint['state_dict'])
检查测试图像上的MAE（平均绝对误差），评估我们的模型：
mae = 0
for i in tqdm(range(len(img_paths))):
img = transform(Image.open(img_paths[i]).convert('RGB')).cuda()
gt_file = h5py.File(img_paths[i].replace('.jpg','.h5').replace('images','ground-truth'),'r')
groundtruth = np.asarray(gt_file['density'])
output = model(img.unsqueeze(0))
mae += abs(output.detach().cpu().sum().numpy()-np.sum(groundtruth))
print (mae/len(img_paths))
得到的平均绝对误差值为75.69，这个结果很不错。现在让我们检查单个图像上的预测值：
from matplotlib import cm as c
img = transform(Image.open('part_A/test_data/images/IMG_100.jpg').convert('RGB')).cuda()
output = model(img.unsqueeze(0))
print("Predicted Count : ",int(output.detach().cpu().sum().numpy()))
temp = np.asarray(output.detach().cpu().reshape(output.detach().cpu().shape[2],output.detach().cpu().shape[3]))
plt.imshow(temp,cmap = c.jet)
plt.show()
temp = h5py.File('part_A/test_data/ground-truth/IMG_100.h5', 'r')
temp_1 = np.asarray(temp['density'])
plt.imshow(temp_1,cmap = c.jet)
print("Original Count : ",int(np.sum(temp_1)) + 1)
plt.show()
print("Original Image")
plt.imshow(plt.imread('part_A/test_data/images/IMG_100.jpg'))
plt.show()
哇，图像中本来有382人，我们建立的模型的预测结果是384人。预测结果如此接近，令人震惊！
留言 点赞 发个朋友圈
我们一起分享AI学习与发展的干货
编译组：王玲、卢佳琦
相关链接：
https://www.analyticsvidhya.com/blog/2019/02/building-crowd-counting-model-python/
如需转载，请后台留言，遵守转载规范
推荐文章阅读
长按识别二维码可添加关注
读芯君爱你
