1.一种人群密度图估计方法，其特征在于，包括以下步骤：获取场景图像，对场景图像进行预处理，生成人群密度标签图；

对场景图像和人群密度标签图进行数据增广，得到多个场景图像及相应人群密度标签图；

根据所述多个场景图像及相应人群密度标签图，训练人群密度图估计模型；

接收场景图像，基于训练好的人群密度图估计模型进行人群密度估计；

所述人群密度图估计模型包括特征提取模块、多个串联的多尺度模块和特征强化模块；

所述多尺度模块包括串联的空洞卷积单元及人头定位单元，所述空洞卷积单元包括三个分支，分别执行卷积核大小相同、空洞率不同的空洞卷积操作，且设置填充项，使三个分支得到的特征图大小一致，最后将三个分支得到的特征图相加；所述人头定位单元包括两个分支，一路执行3x3卷积得到单张人头概率图，另一路由1x1的卷积进一步提取特征，最终计算两个分支的哈达玛积，得到人头位置的强化特征。

2.如权利要求1所述的一种人群密度图估计方法，其特征在于，所述人群密度标签图的生成方法包括：

对场景图像进行人群区域识别和人头识别；

基于最近邻算法对各个人群区域的人头密度进行估计，生成人群密度标签图。

3.如权利要求1所述的一种人群密度图估计方法，其特征在于，所述数据增广包括：首先对场景图像和密度标签图进行随机截取，并进行水平翻转得到图像块；然后针对场景图像和密度标签图的图像块进行缩放，得到多对场景图像和密度标签图。

4.如权利要求1所述的一种人群密度图估计方法，其特征在于，所述特征提取模块包括卷积层和池化层；所述多尺度模块包括多个并行的空洞卷积层；所述特征强化模块包括并行的一路池化层、激活层和全连接层，以及一路卷积层。

5.如权利要求1所述的一种人群密度图估计方法，其特征在于，所述人群密度图估计模型采用双密度图生成机制，包括两个生成密度图的分支；一个分支包括特征提取模块、多个串联的多尺度模块和特征强化模块，另一个分支包括特征提取模块和卷积网络，两路分别生成精度不同的人群密度估计图。

6.如权利要求1或5所述的一种人群密度图估计方法，其特征在于，所述特征强化模块包括两个分支，一个分支包括串联的全局池化层、全连接层、激活层、全连接层和Sigmoid操作；另一个分支包括卷积层；最后将两个分支的结果相乘。

7.一种人群密度图估计系统，其特征在于，包括：图像采集模块，获取场景图像；

标签图生成模块，对场景图像进行预处理，生成人群密度标签图；

数据增广模块，对场景图像和人群密度标签图进行数据增广，得到多个场景图像及相应人群密度标签图；

模块训练模块，根据所述多个场景图像及相应人群密度标签图，训练人群密度图估计模型；

密度估计模块，接收场景图像，基于训练好的人群密度图估计模型进行人群密度估计；

所述人群密度图估计模型包括特征提取模块、多个串联的多尺度模块和特征强化模块；

所述多尺度模块包括串联的空洞卷积单元及人头定位单元，所述空洞卷积单元包括三个分支，分别执行卷积核大小相同、空洞率不同的空洞卷积操作，且设置填充项，使三个分支得到的特征图大小一致，最后将三个分支得到的特征图相加；所述人头定位单元包括两个分支，一路执行3x3卷积得到单张人头概率图，另一路由1x1的卷积进一步提取特征，最终计算两个分支的哈达玛积，得到人头位置的强化特征。

8.一种电子设备，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计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑6任一项所述人群密度图估计方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑6任一项所述人群密度图估计方法。