1.一种基于特征金字塔的人群计数方法，其特征在于，包括以下步骤：对获取的图像进行预处理，得到图像对应的初始人群密度图；

将得到的初始人群密度图输入到预设特征金字塔网络模型中，在多个层次上提取特征图，在每个层次上得到融合了多尺度的上下文信息的特征图，具体为：采用VGG‑16网络在五个层次上提取特征图，对每个层次得到的特征图使用四个不同接收域的扩张卷积层来获得多个特征图，通过串联每个层次的多张融合特征图，以获得每个层次融合了多尺度的上下文信息的特征图；

从底层到顶层逐层进行信息传递更新，然后进行反向信息传递直至底层，将双向信息传递得到的每层的特征图进行融合，得到每层的最终特征图；

将得到的各层的最终特征图进行反向逐层侧边连接，得到最终人群密度图，进而得到最终的人群计数数值；

从底层到顶层逐层进行信息传递更新，具体为：

其中，Conv(*；θ)为具有参数θ的卷积层，Down()为下采样操作， 为从底下一层特征接收消息后更新的特征；

然后进行反向信息传递直至底层，具体为：

其中，Up()为上采样操作，并且 为从顶上一层特征 接收消息后更新的特性，最终分别将各层得到的 和 进行合并，得到最终特征图所述将得到的各层的最终特征图进行反向逐层侧边连接，得到最终人群密度图，具体为：除去最顶层输出的人群密度图，每一个密度图Mi都是利用上一个输出的密度图Mi+1和第i个特征 组合生成，对每个密度图Mi分别进行上采样，然后与Mi‑1层得到的特征图 进行组合，生成最终人群密度图。

2.如权利要求1所述的基于特征金字塔的人群计数方法，其特征在于，对获取的图像进行预处理，具体为：对获取的图像进行人头位置标注，对位置标注后的图像通过二维高斯卷积核进行卷积，得到图像对应的人群密度图。

3.如权利要求1所述的基于特征金字塔的人群计数方法，其特征在于，得到图像对应的初始人群密度图，具体为：其中，N代表人群图像中的人数，x代表图像中每个像素的位置，xi代表第i个人的标注位置，δ(x‑xi)表示激活函数， 表示标准差为σi的高斯核， 为标记点xi与其最近的K个人头之间的平均距离，β为预设系数。

4.一种基于特征金字塔的人群计数系统，其特征在于，包括：

数据预处理模块，被配置为：对获取的图像进行预处理，得到图像对应的初始人群密度图；

特征提取模块，被配置为：将得到的初始人群密度图输入到预设特征金字塔网络模型中，在多个层次上提取特征图，在每个层次上得到融合了多尺度的上下文信息的特征图，具体为：采用VGG‑16网络在五个层次上提取特征图，对每个层次得到的特征图使用四个不同接收域的扩张卷积层来获得多个特征图，通过串联每个层次的多张融合特征图，以获得每个层次融合了多尺度的上下文信息的特征图；

特征处理模块，被配置为：从底层到顶层逐层进行信息传递更新，然后进行反向信息传递直至底层，将双向信息传递得到的每层的特征图进行融合，得到每层的最终特征图；

人群计数模块，被配置为：将得到的各层的最终特征图进行反向逐层侧边连接，得到最终人群密度图，进而得到最终的人群计数数值；

从底层到顶层逐层进行信息传递更新，具体为：

其中，Conv(*；θ)为具有参数θ的卷积层，Down()为下采样操作， 为从底下一层特征接收消息后更新的特征；

然后进行反向信息传递直至底层，具体为：

其中，Up()为上采样操作，并且 为从顶上一层特征 接收消息后更新的特性，最终分别将各层得到的 和 进行合并，得到最终特征图所述将得到的各层的最终特征图进行反向逐层侧边连接，得到最终人群密度图，具体为：除去最顶层输出的人群密度图，每一个密度图Mi都是利用上一个输出的密度图Mi+1和第i个特征 组合生成，对每个密度图Mi分别进行上采样，然后与Mi‑1层得到的特征图 进行组合，生成最终人群密度图。

5.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑3任一项所述的基于特征金字塔的人群计数方法中的步骤。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑3任一项所述的基于特征金字塔的人群计数方法中的步骤。