本發(fā)明涉及計(jì)算機(jī)視覺，具體是一種針對人群定位算法的評價(jià)方法。

背景技術(shù)：

1、密集人群定位任務(wù)旨在定位密集人群場景中個(gè)體頭部的中心位置，這在后續(xù)的上游人群分析任務(wù)中起著至關(guān)重要的作用，例如人群監(jiān)控。密集人群場景具有標(biāo)注點(diǎn)沒有類別信息，數(shù)據(jù)集標(biāo)注方式多樣，人頭尺度大小不一等特點(diǎn)。隨著人群定位方法的發(fā)展，設(shè)計(jì)一個(gè)公平的評估指標(biāo)已成為一個(gè)重要的研究領(lǐng)域。這些指標(biāo)對于評估人群定位預(yù)測結(jié)果與人類判斷的一致性至關(guān)重要，表明了它們在現(xiàn)實(shí)世界中的有效性。如何在考慮人群定位任務(wù)特點(diǎn)的同時(shí)，通過衡量標(biāo)注點(diǎn)和預(yù)測點(diǎn)之間的差異來公平地評估模型性能，是設(shè)計(jì)有效的人群定位評估指標(biāo)的首要問題。

2、現(xiàn)有的評估指標(biāo)已被用于眾多人群定位算法的評估。然而，據(jù)我們所知，他們往往沒有充分考慮人群定位的特點(diǎn)。例如網(wǎng)格平均絕對誤差(game)和平均定位誤差(mle)等評價(jià)指標(biāo)明顯忽略了尺度信息，難以滿足尺度自適應(yīng)性。最常用的精確率、召回率、f1值評價(jià)指標(biāo)在閾值選擇中缺少對不同類別標(biāo)注的數(shù)據(jù)集的通用性，且對點(diǎn)數(shù)據(jù)集的閾值設(shè)置上難以實(shí)現(xiàn)尺度自適應(yīng)。此外，其在匹配過程中采用的貪婪算法也可能導(dǎo)致錯(cuò)誤的匹配方案，從而影響最終的評價(jià)結(jié)果。

技術(shù)實(shí)現(xiàn)思路

1、為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種針對人群定位算法的評價(jià)方法，解決現(xiàn)有技術(shù)存在的對人群定位算法的評估準(zhǔn)確度欠佳等問題。

2、本發(fā)明解決上述問題所采用的技術(shù)方案是：

3、一種針對人群定位算法的評價(jià)方法，將預(yù)測點(diǎn)與標(biāo)注點(diǎn)之間的匹配描述為最優(yōu)傳輸問題，通過求解最優(yōu)傳輸問題得到全局最優(yōu)傳輸方案，基于全局最優(yōu)傳輸方案評價(jià)人群定位算法在人群圖上定位性能。

4、作為一種優(yōu)選的技術(shù)方案，包括以下步驟：

5、s1，離散測度定義：將人群圖的標(biāo)注點(diǎn)信息定義為加權(quán)標(biāo)注離散測度，以及，將人群圖的預(yù)測點(diǎn)信息定義為加權(quán)預(yù)測離散測度；

6、s2，全局最優(yōu)傳輸方案計(jì)算：計(jì)算全局最優(yōu)傳輸方案，使將預(yù)測點(diǎn)傳輸?shù)綐?biāo)注點(diǎn)的總傳輸代價(jià)最小；

7、s3，性能評價(jià)：將總傳輸代價(jià)作為人群定位算法在人群圖上定位性能的評價(jià)分?jǐn)?shù)。

8、作為一種優(yōu)選的技術(shù)方案，步驟s1中，加權(quán)標(biāo)注離散測度的計(jì)算公式為：

9、

10、其中，g表示加權(quán)標(biāo)注離散測度，i表示標(biāo)注點(diǎn)的編號，m表示標(biāo)注點(diǎn)的總數(shù)，gi表示第i個(gè)標(biāo)注點(diǎn)的坐標(biāo)，表示第i個(gè)標(biāo)注點(diǎn)的x軸坐標(biāo)，表示第i個(gè)標(biāo)注點(diǎn)的y軸坐標(biāo)，r表示實(shí)數(shù)集，表示二維實(shí)數(shù)空間，表示第i個(gè)標(biāo)注點(diǎn)的權(quán)重，

11、加權(quán)預(yù)測離散測度的計(jì)算公式為：

12、

13、其中，e表示加權(quán)預(yù)測離散測度，j表示預(yù)測點(diǎn)的編號，n表示預(yù)測點(diǎn)的總數(shù)，ej表示第j個(gè)預(yù)測點(diǎn)的坐標(biāo)，表示第j個(gè)預(yù)測點(diǎn)的x軸坐標(biāo)，表示預(yù)測點(diǎn)的y軸坐標(biāo)，表示第j個(gè)預(yù)測點(diǎn)的權(quán)重，

14、作為一種優(yōu)選的技術(shù)方案，步驟s2中，在g與e之間的所有傳輸方案集合p中尋求一個(gè)最優(yōu)傳輸方案p*，使將每個(gè)預(yù)測點(diǎn)ej傳輸?shù)綐?biāo)注點(diǎn)gi的總傳輸代價(jià)最小；其中，p表示g與e之間的所有傳輸方案集合，p*表示g與e之間的全局最優(yōu)傳輸方案。

15、作為一種優(yōu)選的技術(shù)方案，全局最優(yōu)傳輸方案的計(jì)算公式為：

16、

17、其中，ci,j表示g中第i個(gè)標(biāo)注點(diǎn)與e中第j個(gè)預(yù)測點(diǎn)之間的傳輸代價(jià)，pi,j表示p中從g的第i個(gè)標(biāo)注點(diǎn)到e的第j個(gè)預(yù)測點(diǎn)之間的傳輸量，表示在p中尋求總傳輸代價(jià)最小的傳輸方案作為p*。

18、作為一種優(yōu)選的技術(shù)方案，步驟s2中，全局最優(yōu)傳輸方案約束條件為：

19、

20、式中，pi,j≥0。

21、作為一種優(yōu)選的技術(shù)方案，步驟s2中，ci,j的計(jì)算公式為：

22、

23、式中，l表示人群圖的寬度，h表示人群圖的高度。

24、作為一種優(yōu)選的技術(shù)方案，步驟s3中，計(jì)算得到p*后，將p*歸一化得到目標(biāo)傳輸方案的元素表示g中第i個(gè)標(biāo)注點(diǎn)到e中第j個(gè)預(yù)測點(diǎn)的傳輸值，計(jì)算公式為：

25、

26、式中，為的第i行第j列元素，表示g中第i個(gè)標(biāo)注點(diǎn)到e中第j個(gè)預(yù)測點(diǎn)的傳輸值，為p*的第i行第j列元素，表示g中第i個(gè)標(biāo)注點(diǎn)到e中第j個(gè)預(yù)測點(diǎn)的最優(yōu)傳輸方案；

27、再計(jì)算最終的總傳輸代價(jià)，將最終的總傳輸代價(jià)作為評價(jià)人群定位算法性能的分?jǐn)?shù)，最終的總傳輸代價(jià)的計(jì)算公式為：

28、

29、式中，s-otc表示最終的總傳輸代價(jià)。

30、作為一種優(yōu)選的技術(shù)方案，步驟s1中，和和的計(jì)算公式分別為：

31、

32、式中，

33、其中，表示所有標(biāo)注點(diǎn)的尺度信息的倒數(shù)的集合，min(·)表示最小值計(jì)算，max(·)表示最大值計(jì)算，si表示第i個(gè)標(biāo)注點(diǎn)的頭部大小；

34、

35、作為一種優(yōu)選的技術(shù)方案，步驟s1中，考慮尺度先驗(yàn)信息，修正離群點(diǎn)的頭部尺寸，包括以下步驟：

36、s11，根據(jù)標(biāo)注點(diǎn)的局部離群因子得分，將標(biāo)注點(diǎn)分為內(nèi)在點(diǎn)和離群點(diǎn)兩類，從而區(qū)分人群內(nèi)的個(gè)體和孤立的個(gè)體；其中，內(nèi)在點(diǎn)對應(yīng)人群內(nèi)的個(gè)體，離群點(diǎn)對應(yīng)孤立的個(gè)體；

37、s12，根據(jù)k近鄰距離計(jì)算所有標(biāo)注點(diǎn)的頭部尺寸，公式為：scalei＝knni；其中，scalei表示的第i個(gè)標(biāo)注點(diǎn)的頭部尺寸，kmi表示第i個(gè)標(biāo)注點(diǎn)的k近鄰距離；以及，獲得內(nèi)在點(diǎn)的頭部大小，公式為si＝scalei；

38、s13，對離群點(diǎn)實(shí)施距離修正策略，通過捕獲與離群點(diǎn)相鄰內(nèi)在點(diǎn)的關(guān)系來修正離群點(diǎn)的頭部大小，包括以下步驟：

39、s131，量化離群點(diǎn)與離群點(diǎn)相鄰內(nèi)在點(diǎn)之間的離散度：離散度的計(jì)算公式為：dispi＝dij/knnj；其中，disp表示第i個(gè)標(biāo)注點(diǎn)的離散度，dij表示第i個(gè)標(biāo)注點(diǎn)與第j個(gè)預(yù)測點(diǎn)之間的歐氏距離，knnj表示第j個(gè)預(yù)測點(diǎn)的k近鄰距離；

40、s132，根據(jù)離散度dispi計(jì)算得到縮放因子factori，計(jì)算公式為：factori＝sigmoid(dispi)；其中sigmoid(·)表示s型函數(shù)；

41、s133，基于離群點(diǎn)的預(yù)估尺寸scalei、縮放因子factori、和與離群點(diǎn)相鄰內(nèi)在點(diǎn)的頭部尺寸sj，推導(dǎo)出離群點(diǎn)的修正頭部尺寸si＝scalei+factori×sj。

42、本發(fā)明相比于現(xiàn)有技術(shù)，具有以下有益效果：

43、(1)本發(fā)明提出了一種基于最優(yōu)傳輸?shù)拿芗巳憾ㄎ辉u價(jià)指標(biāo)，通過尋求預(yù)測點(diǎn)和標(biāo)注點(diǎn)之間的穩(wěn)定匹配方案，提供預(yù)測點(diǎn)和標(biāo)注點(diǎn)之間差異性的整體描述；

44、(2)本發(fā)明提出了一種尺度敏感的人頭估計(jì)自適應(yīng)方法，通過發(fā)現(xiàn)點(diǎn)群中的離群點(diǎn)，并修正離群點(diǎn)的k近鄰距離，實(shí)現(xiàn)僅基于點(diǎn)標(biāo)注信息來估計(jì)人頭尺度大??；

45、(3)本發(fā)明提出了一種歸一化代價(jià)矩陣計(jì)算方法，該方法將預(yù)測點(diǎn)和標(biāo)注點(diǎn)之間的距離基于圖像分辨率進(jìn)行歸一化，從而增強(qiáng)尺度不變性，以反映實(shí)際場景；

46、(4)本發(fā)明提出的方案在不同的密集人群數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)表明本發(fā)明具有尺度敏感性，提供了一個(gè)穩(wěn)定且公平有效的評價(jià)結(jié)果，優(yōu)于最先進(jìn)的評價(jià)指標(biāo)。