一种人群统计方法、装置、设备及计算机可读存储介质制造方法及图纸

本申请公开了一种人群统计方法，包括接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。该方法可更加方便地实现人群场景的人数统计，并可有效保证其较高的准确率；本申请还公开了一种人群统计装置、设备以及计算机可读存储介质，也具有上述有益效果。

A Crowd Statistics Method, Device, Equipment and Computer Readable Storage Media

This application discloses a population statistics method, which includes receiving the image to be tested, acquiring the pre-obtained prediction model and the proportion of the statisticians, in which the prediction model is obtained by training the initial training set through a multi-column convolution neural network, and the proportion of the statisticians is obtained by calculating the initial training set through a Gauss filter; and by using the prediction model, the initial training set is obtained. The image to be tested is predicted, and the corresponding estimated density map is obtained. According to the estimated density map and the proportion of the statisticians, the image to be tested is estimated and the estimated number is obtained. This method can more conveniently realize the population statistics of crowd scenes and effectively guarantee its high accuracy. The application also discloses a population statistics device, equipment and computer readable storage medium, which also has the above beneficial effects.

【技术实现步骤摘要】
一种人群统计方法、装置、设备及计算机可读存储介质
本申请涉及计算机视觉
，特别涉及一种人群统计方法，还涉及一种人群统计装置、设备及计算机可读存储介质。
技术介绍
计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。随着科技的发展，计算机视觉已成为一门不同于人工智能、图象处理、模式识别等相关领域的成熟学科。为了便于人群控制，提高公众安全，准确地估计来自图像或视频的人群已经成为计算机视觉技术越来越重要的应用。在某些情况下，例如公众集会和体育赛事，参赛人数或密度是未来活动策划和空间设计必不可少的信息。目前，深度学习已经被成功地应用在人群图像的估计中，其中，主流的估计方法是采用密度图思想，即网络的输入为原始图像，输出为人群的密度图，该方法对人群图像处理的第一步，就是要通过一个高斯滤波器，并根据图像的真实值ground-truth得到图像对应的密度图，但是该方法在训练场景和测试场景上都需要透视图，而在许多密集人群计数的实际应用中，透视图是很难获得的，因此，该方法操作难度较高，效率低下。另外一种人群统计方法则是基于多列卷积神经网络的人群统计方法，该方法同样是基于高斯滤波器，根据图像的ground-truth得到图像对应的密度图，然而，该方法虽然无需上述透视图，只是简单的将高斯滤波器和密度图相加，操作简单，但根据实验结果表明，利用该方法估计的人数和图像的ground-truth误差较大。因此，如何更加方便地实现人群场景的人数统计，并有效保证其较高的准确率是本领域技术人员亟待解决的问题。
技术实现思路
本申请的目的是提供一种人群统计方法，该方法可更加方便地实现人群场景的人数统计，并可有效保证其较高的准确率；本申请的另一目的是提供一种人群统计装置、设备以及计算机可读存储介质，也具有上述有益效果。为解决上述技术问题，本申请提供了一种人群统计方法，所述方法包括：接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。优选的，通过所述多列卷积神经网络对所述初始训练集进行训练获得所述预测模型，包括：接收所述初始训练集；对所述初始训练集进行高斯滤波处理，获得更新训练集；通过所述多列卷积神经网络对所述更新训练集进行训练，获得所述预测模型。优选的，所述人群统计方法还包括：基于测试集对所述预测模型进行测试，获得测试结果；当所述测试结果低于预设阈值时，重新训练获取所述预测模型。优选的，通过所述高斯滤波器对所述初始训练集进行计算获得所述统计人数比例，包括：接收所述初始训练集；其中，所述初始训练集包括预定数量张训练图像及所述训练图像对应的人头坐标点图；通过所述高斯滤波器对所述人头坐标点图进行高斯滤波处理，获得初始密度图；对所述初始密度图进行归一化处理，获得归一化密度图；对所述人头坐标点图与所述归一化密度图进行比值计算，获得所述统计人数比例。优选的，所述根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数，包括：统计所述估计密度图中的总人数；将所述总人数与所述统计人数比例进行乘积运算，获得所述估计人数。为解决上述技术问题，本申请提供了一种人群统计装置，所述装置包括：接收模块，用于接收待测试图像；调取模块，用于调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；预测模块，用于通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；估计模块，用于根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。优选的，所述人群统计装置还包括：测试模块，用于基于测试集对所述预测模型进行测试，获得测试结果；训练模块，用于当所述测试结果低于预设阈值时，重新训练获取所述预测模型。优选的，所述估计模块包括：统计子模块，用于统计所述估计密度图中的总人数；运算子模块，用于将所述总人数与所述统计人数比例进行乘积运算，获得所述估计人数。为解决上述技术问题，本申请提供了一种人群统计设备，所述设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述任意一种人群统计方法的步骤。为解决上述技术问题，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一种人群统计方法的步骤。本申请所提供的一种人群统计方法，包括接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。可见，本申请所提供的人群统计方法，基于初始训练集预先获得统计人数比例，并基于多列卷积神经网络预先获得相应的训练模型，进一步，当接收到客户发送的待处理图像时，经过上述训练模型的训练后，即可根据统计人数比例对其进行人数估计，获得对应的估计人数，根据具体实验可确定，相较于现有技术，采用上述人群统计方法实现人数统计，其最终获得的平均完全误差(MAE)和均方误差(MSE)均大大降低，有效提高了统计结果的准确性。此外，由于该方法无需透视图的获取，操作较为简单，进一步提高了统计效率。本申请所提供的一种人群统计装置、设备以及计算机可读存储介质，也具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请所提供的一种人群统计方法的流程示意图；图2为本申请所提供的一种预测模型的获取方法的流程示意图；图3为本申请所提供的一种统计人数比例的获取方法的流程示意图；图4为本申请所提供的一种人群统计装置的示意图；图5为本申请所提供的一种人群统计设备的结构示意图。具体实施方式本申请的核心是提供一种人群统计方法，该方法可更加方便地实现人群场景的人数统计，并可有效保证其较高的准确率；本申请的另一核心是提供一种人群统计装置、设备以及计算机可读存储介质，也具有上述有益效果。为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。请参考图1，图1为本申请所提供的一种人群统计方法的流程示意图，该人群统计方法可以包括本文档来自技高网...

【技术保护点】
1.一种人群统计方法，其特征在于，包括：接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。

【技术特征摘要】
1.一种人群统计方法，其特征在于，包括：接收待测试图像；调取预先获得的预测模型和统计人数比例；其中，所述预测模型通过多列卷积神经网络对初始训练集进行训练获得，所述统计人数比例通过高斯滤波器对所述初始训练集进行计算获得；通过所述预测模型对所述待测试图像进行预测，获得对应的估计密度图；根据所述估计密度图与所述统计人数比例对所述待测试图像进行估计，获得估计人数。2.如权利要求1所述的人群统计方法，其特征在于，通过所述多列卷积神经网络对所述初始训练集进行训练获得所述预测模型，包括：接收所述初始训练集；对所述初始训练集进行高斯滤波处理，获得更新训练集；通过所述多列卷积神经网络对所述更新训练集进行训练，获得所述预测模型。3.如权利要求2所述的人群统计方法，其特征在于，还包括：基于测试集对所述预测模型进行测试，获得测试结果；当所述测试结果低于预设阈值时，重新训练获取所述预测模型。4.如权利要求1所述的人群统计方法，其特征在于，通过所述高斯滤波器对所述初始训练集进行计算获得所述统计人数比例，包括：接收所述初始训练集；其中，所述初始训练集包括预定数量张训练图像及所述训练图像对应的人头坐标点图；通过所述高斯滤波器对所述人头坐标点图进行高斯滤波处理，获得初始密度图；对所述初始密度图进行归一化处理，获得归一化密度图；对所述人头坐标点图与所述归一化密度图进行比值计算，获得所述统计人数比例。5.如权利要求1至4任意一项所述的人群统计方法，其特征在于，所述根据所述估计密度图与所...

【专利技术属性】
技术研发人员：张莉，陆金刚，王邦军，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32