致密人群的人数预测方法、装置、设备以及存储介质制造方法及图纸

本申请提供一种致密人群的人数预测方法、装置、设备以及存储介质，包括：根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图，并根据该第一热力图确定该第一图像中的人数，其中，该热力图转换模型为根据预先标定的第二图像以及每个第二图像对应的热力图训练得到的模型，实现了对致密人群的人数预测，提高了致密人群的人数预测的准确度，同时提升了管理效率。

【技术实现步骤摘要】
致密人群的人数预测方法、装置、设备以及存储介质
本申请实施例涉及人工智能
，尤其涉及一种致密人群的人数预测方法、装置、设备以及存储介质。
技术介绍
随着经济的快速发展以及人口的增长，线下零售业、机场、地铁等公共区域的人流量越来越大，为了分析预测产品销售量、适用人群，以及对区域内人员拥堵等安全情况做出预警，人流量预测已经成为各个区域管理人员必需的基本手段之一。目前提供了两种人数预测方法，一种是基于检测方法，主要检测人体头部和肩部，具体通过检测框个数得到人数。另外一种是直接回归预测人数，具体地，以整图或局部图片为基准，通过卷积神经网络(ConvolutionalNeuralNetwork，CNN)网络后直接得到人数或者密度等级。然而，针对致密人群，采用目前的方案预测人数均存在较大的误差，导致管理部门无法及时采取有效措施解决致密人群带来的问题，造成管理效率下降。
技术实现思路
本申请实施例提供一种致密人群的人数预测方法、装置、设备以及存储介质，用于解决上述方案中针对致密人群，人数预测不准确的问题。本申请第一方面提供一种致密人群的人数预测方法，包括：根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图；根据所述第一热力图确定所述第一图像中的人数；其中，所述热力图转换模型为根据预先标定的第二图像以及每个第二图像对应的热力图训练得到的模型。可选的，在所述根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图之前，所述方法还包括：根据预先标定的第二图像以及每个第二图像对应的热力图，训练得到所述热力图转换模型；其中，每个第二图像包括被标注为忽略的第一区域，所述第二图像对应热力图中不包括所述第一区域对应的热力图部分。可选的，所述根据预先标定的第二图像以及每个第二图像对应的热力图，训练得到所述热力图转换模型，包括：根据预先标定的第二图像以及每个第二图像对应的热力图获取热力图转换模型，并对第二图像进行变形处理后，对所述热力图转换模型进行训练，得到最终的热力图转换模型。可选的，所述对第二图像进行变形处理，包括以下至少一种处理：将每个第二图像按照预设比例进行缩放；将每个第二图像按照预设比例进行放大；将每个第二图像按照预设距离进行平移；将每个第二图像按照预设角度进行旋转。本申请实施例第二方面提供一种致密人群的人数预测装置，包括：转换模块，用于根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图；获取模块，用于根据所述第一热力图确定所述第一图像中的人数；其中，所述热力图转换模型为根据预先标定的第二图像以及每个第二图像对应的热力图训练得到的模型。可选的，所述装置还包括：训练模块，用于根据预先标定的第二图像以及每个第二图像对应的热力图，训练得到所述热力图转换模型；其中，每个第二图像包括被标注为忽略的第一区域，所述第二图像对应热力图中不包括所述第一区域对应的热力图部分。可选的，所述训练模块具体用于：根据预先标定的第二图像以及每个第二图像对应的热力图获取热力图转换模型，并对第二图像进行变形处理后，对所述热力图转换模型进行训练，得到最终的热力图转换模型。可选的，所述训练模块还用于：将每个第二图像按照预设比例进行缩放；将每个第二图像按照预设比例进行放大；将每个第二图像按照预设距离进行平移；将每个第二图像按照预设角度进行旋转。本申请第三方面还提供一种电子设备，包括：发送器、接收器、处理器、存储器以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现第一方面任一实现方式提供的致密人群的人数预测方法。本申请第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现第一方面任一实现方式提供的致密人群的人数预测方法。本申请实施例提供的致密人群的人数预测方法、装置、设备和存储介质，根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图，并根据该第一热力图确定该第一图像中的人数，其中，该热力图转换模型为根据预先标定的第二图像以及每个第二图像对应的热力图训练得到的模型，实现了对致密人群人数的预测，提高了致密人群的人数预测的准确度，同时提升了管理效率。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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本申请实施例提供的致密人群的人数预测方法实施例一的流程图；图2为本申请实施例提供的热力图的示意图；图3为本申请实施例提供的致密人群的人数预测方法实施例二的流程图；图4-A和图4-B为本申请实施例提供的第二图像以及对应的热力图的示意图；图5为本申请实施例提供的致密人群的人数预测方法实施例三的流程图；图6为本申请实施例提供的致密人群的人数预测装置实施例一的结构示意图；图7为本申请实施例提供的致密人群的人数预测装置实施例二的结构示意图。具体实施方式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作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。目前提供的针对致密人群的人数预测方法，一种是基于检测方法，具体是主要检测人体头部和肩部，通过检测框个数得到人数。另外一种是直接回归预测人数，具体是以整图或局部图片为基准，通过卷积神经网络(ConvolutionalNeuralNetwork，CNN)网络后直接得到人数或者密度等级。第一种方法虽然在对较近的场景时预测效果较好，但是问题在于，当人物变得较小，特别是遮挡严重和密集时，性能上有比较明显的下降；第二种方法问题在于，预测结果存在较大的误差，并且因为缺少有效的监督信息，模型比较难学。因此采用当前的人数预测方法对预测结果均存在较大误差，无法准确预测人数，导致管理效率降低。针对上述存在的问题，本申请提出一种致密人群的人数预测方法，采用训练好的热力图转换模型获取热力图，再根据该热力图确定人数，提高了致密人群人数预测的准确度，同时提高了管理效率，下面通过几个具体实施例对该方案进行详细说明。图1为本申请实施例提供的致密人群的人数预测方法实施例一流程图，如图1所示，该方案的执行主体为电脑、平板电脑等电子设备，该致密人群的人数预测方法具体包括以下步骤：S101、根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图。应理解，热力图是用不同颜色的区块实时描述人群分布的图示。图2为本申请实施例提供的热力图的示意图，参照图2，热力图能表示该区域的人群的疏密程度，图中的a区域可以表示人群拥挤，b区域可以表示人群稀疏，c区域可以表示人群密度一般。该热力图转换模型可以为根据预先标定的第二图像以及每个第二图像对应的热力图训练获得的模型，具体地，该第二图像可以为任意一张包含人群的图像，则该预先标定的第二图像可以为对该第二图像进行标记后的图像，例如：根据主观判断人数疏密程度，将人群密集区域标定为第一区域，本文档来自技高网...

【技术保护点】
1.一种致密人群的人数预测方法，其特征在于，包括：根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图；根据所述第一热力图确定所述第一图像中的人数；其中，所述热力图转换模型为根据预先标定的第二图像以及每个第二图像对应的热力图训练得到的模型。

【技术特征摘要】
1.一种致密人群的人数预测方法，其特征在于，包括：根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图；根据所述第一热力图确定所述第一图像中的人数；其中，所述热力图转换模型为根据预先标定的第二图像以及每个第二图像对应的热力图训练得到的模型。2.根据权利要求1所述的方法，其特征在于，在所述根据热力图转换模型将待确定人数的第一图像转换成为对应的第一热力图之前，所述方法还包括：根据预先标定的第二图像以及每个第二图像对应的热力图，训练得到所述热力图转换模型；其中，每个第二图像包括被标注为忽略的第一区域，所述第二图像对应热力图中不包括所述第一区域对应的热力图部分。3.根据权利要求2所述的方法，其特征在于，所述根据预先标定的第二图像以及每个第二图像对应的热力图，训练得到所述热力图转换模型，包括：根据预先标定的第二图像以及每个第二图像对应的热力图获取热力图转换模型，并对所述第二图像进行变形处理后，对所述热力图转换模型进行训练，得到最终的热力图转换模型。4.根据权利要求3所述的方法，其特征在于，所述对第二图像进行变形处理，包括以下至少一种处理：将每个第二图像按照预设比例进行缩放；将每个第二图像按照预设比例进行放大；将每个第二图像按照预设距离进行平移；将每个第二图像按照预设角度进行旋转。5.一种致密人群的人数预测装置，其特征在于，包括：转换模块，用于根据热力图转换模型将待确定人数的第一图像转换...

【专利技术属性】
技术研发人员：张成月，刘泽宇，迟至真，亢乐，陈明裕，包英泽，王健，李旭斌，文石磊，丁二锐，刘霄，孙昊，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11