人群计数-python生成人群密度图

人口密度图生成过程总共分为两部分

1.利用坐标数据mat文件生成点注释-ground_truth图

2.利用gaussian_filter函数生成人口密度图

数据集介绍：

这里我们采用UCF-QNRF_ECCV18的图片作为训练集，如下图所示。

​

ground_truth数据集是由mat文件组成的，数据格式为[y0,x0](不同数据集表示的方法不同)表示人头所在的像素点。利用scipy函数即可读取数据。

加载数据，加载图片和mat文件

gt = scipy.io.loadmat("./UCF-QNRF_ECCV18/Test/img_0001_ann.mat")
img = cv2.imread("./UCF-QNRF_ECCV18/Test/img_0001.jpg")

利用mat文件生成点注释-ground_truth图

k = np.zeros((img.shape[0],img.shape[1]))
for i in range(len(gt)):#生成头部点注释图
    if gt[i][0] < img.shape[1] and gt[i][1] < img.shape[0]:
        k[int(gt[i][1])][int(gt[i][0])] += 1

利用ground_truth图经过高斯滤波

def gaussian_filter_density(gt):
    # 初始化密度图
    density = np.zeros(gt.shape, dtype=np.float32)

    # 获取gt中不为0的元素的个数
    gt_count = np.count_nonzero(gt)

    # 如果gt全为0，就返回全0的密度图
    if gt_count == 0:
        return density

    sigma = 16
    density += scipy.ndimage.filters.gaussian_filter(gt, sigma, mode='constant')
    return density

完整代码：

import numpy as np
from matplotlib import pyplot as plt
from matplotlib import cm as CM
import cv2
import scipy.ndimage
import scipy.io
def gaussian_filter_density(gt):
    # 初始化密度图
    density = np.zeros(gt.shape, dtype=np.float32)

    # 获取gt中不为0的元素的个数
    gt_count = np.count_nonzero(gt)

    # 如果gt全为0，就返回全0的密度图
    if gt_count == 0:
        return density

    sigma = 16
    density += scipy.ndimage.filters.gaussian_filter(gt, sigma, mode='constant')
    return density
def density_map(img,gt):
    k = np.zeros((img.shape[0],img.shape[1]))
    for i in range(len(gt)):#生成头部点注释图
        if gt[i][0] < img.shape[1] and gt[i][1] < img.shape[0]:
            k[int(gt[i][1])][int(gt[i][0])] += 1
    k = gaussian_filter_density(k)
    return k
gt = scipy.io.loadmat("./UCF-QNRF_ECCV18/Test/img_0001_ann.mat")
img = cv2.imread("./UCF-QNRF_ECCV18/Test/img_0001.jpg")

groundtruth = density_map(img,gt['annPoints'])
plt.figure(2)

plt.imshow(groundtruth,cmap=CM.jet)
plt.show()

结果：