1.一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，包括：获取待测人群图像，并进行预处理；

将预处理后的人群图像输入预训练的人群计数网络，生成相应的密度图并通过积分得到预测人数；

其中，所述人群计数网络基于空洞卷积高分辨率网络，从高分辨率前端网络开始，逐步地增加低分辨率分支，形成了三个并行分支结构，每个分支具有不同大小的感受野，来捕捉不同尺度的特征，且每个分支都反复接收来自另一个并行分支的信息，进行多次多尺度融合。

2.如权利要求1所述的一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，所述人群计数网络在水平方向上包括四个阶段，每个阶段包括至少一个模块；第一阶段为前端网络，第二阶段和第三阶段均包括分支制作模块、特征提取模块以及多尺度融合模块，第四阶段包括增强感受野层和输出层。

3.如权利要求1所述的一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，所述人群计数网络在垂直方向上包括三个分支，所述三个分支的长度和分辨率依次降低：分支2由分支1在分支制作模块通过使用空洞率为2的空洞卷积生成，而分支3由分支2在分支制作模块通过使用空洞率为3的空洞卷积生成，三个分支之间并行连接，每个分支都拥有不同大小的感受野，可以适应人头部尺度的变化。

4.如权利要求3所述的一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，所述分支1包含前端网络，两个分支制作模块，两个特征提取模块和两个多尺度融合模块；

所述分支2与分支1具有相同的配置，但没有前端网络；所述分支3中模块的数量是分支2中模块数量的一半。

5.如权利要求1所述的一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，所述前端网络，主要用于提取输入图像的低级特征，前端网络由4个残差单元组成，每个残差单元都与ResNet‑50相同，为一个宽度为64的瓶颈结构。

6.如权利要求1所述的一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，所述第二阶段和第三阶段中的分支制作模块使用了不同空洞率的空洞卷积，并使每个分支具有不同大小的感受野；所述特征提取模块由四个残差单元组成，并将输入和输出特征图通过交换单元融合在一起，以保持输出特征图的分辨率；所述多尺度融合模块，利用1×1大小的卷积来执行多尺度融合，通过多尺度融合，可以跨越并行的分支进行信息的持续交换。

7.如权利要求1所述的一种基于空洞卷积高分辨率网络的人群计数方法，其特征在于，所述增强感受野层由三个不同空洞率的并行的空洞卷积组成，用来增强感受野，消除掉前一阶段由于融合产生的冗余信息。

8.一种基于空洞卷积高分辨率网络的人群计数系统，其特征在于，包括：图像获取单元，其用于获取待测人群图像，并进行预处理；

人群计数单元，其用于将预处理后的人群图像输入预训练的人群计数网络，生成相应的密度图并通过积分得到预测人数；

其中，所述人群计数网络基于空洞卷积高分辨率网络，从高分辨率前端网络开始，逐步地增加低分辨率分支，形成了三个并行分支结构，每个分支具有不同大小的感受野，来捕捉不同尺度的特征，且每个分支都反复接收来自另一个并行分支的信息，进行多次多尺度融合。

9.一种电子设备，包括存储器、处理器及存储在存储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1‑7任一项所述的一种基于空洞卷积高分辨率网络的人群计数方法。

10.一种非暂态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1‑7任一项所述的一种基于空洞卷积高分辨率网络的人群计数方法。