【技术实现步骤摘要】
人头检测方法和装置
本专利技术涉及图像处理
,特别是涉及一种人头检测方法和装置。
技术介绍
人头检测是指在图像中检测人体的头部,人头检测的结果由多种应用,如应用于安防领域。目前人头检测主要是基于人头形状和颜色来实现。目前人头检测的具体过程是:先对图像二值化,再进行边缘检测,得到大致为圆形的边缘;再使用圆形检测,得到圆形边缘的位置和大小,进而对原图像中对应的圆形区域进行灰度和大小判定,得到人头检测结果。然而,目前人头检测依赖于人头形状为圆形的假设,而事实上人头形状并不是规则的圆形,而且不同人的人头形状也有差异,导致目前人头检测时会造成一部分人头漏检,造成人头检测结果准确性较低。
技术实现思路
基于此,有必要针对目前人头检测结果准确性较低的问题,提供一种人头检测方法和装置。一种人头检测方法,所述方法包括:将待检测图像分割为多于一个的子图像;分别将每个所述子图像输入已根据已标定人头位置的训练图像进行训练的卷积神经网络,通过所述卷积神经网络中包括卷积层和子采样层的前置层输出对应于每个所述子图像的第一特征;通过所述卷积神经网络中所述前置层之后的卷积层,将对应于每个所述子图像的第一特征映射为对应于每个所述子图像的第二特征;通过所述卷积神经网络的回归层,将对应于每个所述子图像的所述第二特征映射为对应于每个所述子图像的人头位置及与所述人头位置相应的置信度;将所述对应于每个所述子图像的人头位置按照相应的置信度过滤,获得所述待检测图像中检测到的人头位置。一种人头检测装置,所述装置包括:分割模块,用于将待检测图像分割为多于一个的子图像;卷积神经网络模块,用于分别将每个所述子图 ...
【技术保护点】
一种人头检测方法,所述方法包括:将待检测图像分割为多于一个的子图像;分别将每个所述子图像输入已根据已标定人头位置的训练图像进行训练的卷积神经网络,通过所述卷积神经网络中包括卷积层和子采样层的前置层输出对应于每个所述子图像的第一特征;通过所述卷积神经网络中所述前置层之后的卷积层,将对应于每个所述子图像的第一特征映射为对应于每个所述子图像的第二特征;通过所述卷积神经网络的回归层,将对应于每个所述子图像的所述第二特征映射为对应于每个所述子图像的人头位置及与所述人头位置相应的置信度;将所述对应于每个所述子图像的人头位置按照相应的置信度过滤,获得所述待检测图像中检测到的人头位置。
【技术特征摘要】
1.一种人头检测方法,所述方法包括:将待检测图像分割为多于一个的子图像;分别将每个所述子图像输入已根据已标定人头位置的训练图像进行训练的卷积神经网络,通过所述卷积神经网络中包括卷积层和子采样层的前置层输出对应于每个所述子图像的第一特征;通过所述卷积神经网络中所述前置层之后的卷积层,将对应于每个所述子图像的第一特征映射为对应于每个所述子图像的第二特征;通过所述卷积神经网络的回归层,将对应于每个所述子图像的所述第二特征映射为对应于每个所述子图像的人头位置及与所述人头位置相应的置信度;将所述对应于每个所述子图像的人头位置按照相应的置信度过滤,获得所述待检测图像中检测到的人头位置。2.根据权利要求1所述的方法,其特征在于,所述将待检测图像分割为多于一个的子图像包括:将待检测图像分割为固定尺寸且多于一个的子图像,且分割出的所述子图像中相邻的子图像之间存在重叠部分。3.根据权利要求1所述的方法,其特征在于,所述将待检测图像分割为多于一个的子图像之前,所述方法还包括:将用于分类的卷积神经网络所包括的前置层之后且回归层之前的全连接层转换为卷积层;将用于分类的所述卷积神经网络中的回归层替换为用于将转换后的卷积层输出的第二特征映射为人头位置及相应置信度的回归层;及采用已标定人头位置的训练图像,对包括所述前置层、转换后的卷积层及替换后的回归层的所述卷积神经网络进行训练。4.根据权利要求1所述的方法,其特征在于,所述通过所述卷积神经网络的回归层,将对应于每个所述子图像的所述第二特征映射为对应于每个所述子图像的人头位置及与所述人头位置相应的置信度包括:通过所述卷积神经网络的回归层中的第一卷积层,将对应于每个所述子图像的所述第二特征映射为对应于每个所述子图像的人头位置;通过所述卷积神经网络的回归层中的第二卷积层,将对应于每个所述子图像的所述第二特征映射为与输出的所述人头位置相对应的置信度。5.根据权利要求1所述的方法,其特征在于,所述将所述对应于每个所述子图像的人头位置按照相应的置信度过滤,获得所述待检测图像中检测到的人头位置包括:从对应于每个所述子图像的人头位置中筛选出所对应的置信度高于或等于置信度阈值的人头位置;从对应于每个所述子图像的人头位置中挑选在所述待检测图像中与筛选出的人头位置相交的人头位置;根据所述筛选出的人头位置及挑选出的所述人头位置确定所述待检测图像中检测到的人头位置。6.根据权利要求5所述的方法,其特征在于,所述根据所述筛选出的人头位置及挑选出的所述人头位置确定人头检测结果包括:将所述筛选出的人头位置以及挑选出的所述人头位置作为二分图中的节点;为所述二分图中的节点之间的边分配默认且为正的权重;当所述边所关联的节点所表示的人头位置相交时,将相应分配的权重减小;求取所述二分图的最大权匹配,得到所述待检测图像中检测到的人头位置。7.根据权利要求1所述的方法,其特征在于,所述待检测图像为视频中的视频帧;所述方法还包括:根据所述待检测图像中检测到的人头位置逐视频帧进行人头跟踪;确定跟踪的人头位置相对于指定区域的运动方向及位置关系;根据确定的所述运动方向和所述位置关系进行人数统计。8.根据权利要求7所述的方法,其特征在于,所述确定跟踪的人头位置相对于指定区域的运动方向及位置关系包括:当跟踪的人头位置依次跨越第一线条以及与所述第一线条平行的第二线条时,确定跟踪的人头位置进入指定区域;当跟踪的人头位置依次跨越所述第二线条以及所述第一线条时,确定跟踪的人头位置离开所述指定区域。9.根据权利要求7所述的方法,其特征在于,所述方法还包括:逐视频帧跟踪所述人头位置并记录;若在当前视频帧中跟踪所述人头位置中断,则获取记录的前一视频帧中跟踪到的人头位置;检测在当前视频帧中覆盖获取的人头位置的局部区域中的人头位置;从所述局部区域中检测到的人头位置起继续执行所述逐视频帧跟踪所述人头位置并记录...
【专利技术属性】
技术研发人员:姜德强,
申请(专利权)人:腾讯科技上海有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。