人群密度统计方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例公开了一种人群密度统计方法、装置、电子设备和存储介质，该方法包括：获取待统计的包括人群信息的目标图像；将目标图像输入至预先训练的目标检测深度神经网络中，得到目标图像对应的第一人群密度分布图；将目标图像输入至预先训练的人群密度回归深度神经网络中，得到目标图像对应的第二人群密度分布图；通过预先训练的融合神经网络对第一人群密度分布图和第二人群密度分布图进行融合得到第三人群密度分布图。以解决人群密度统计时存在的不能很好地处理不同拥挤程度场景中的人群密度分布的问题，提高了人群密度统计应用的广泛性以及准确度。

Statistical methods, devices, electronic devices and storage media for crowd density

The embodiment of this application discloses a crowd density statistics method, device, electronic equipment and storage medium, which includes: acquiring the target image including crowd information to be counted; inputting the target image into the pre-trained target detection depth neural network to obtain the first crowd density distribution map corresponding to the target image; and inputting the target image into the pre-trained crowd. In the density regression depth neural network, the second population density distribution map corresponding to the target image is obtained, and the third population density distribution map is obtained by fusing the first population density distribution map and the second population density distribution map with the pre-trained fusion neural network. In order to solve the problem that the population density statistics can not deal with the population density distribution in different crowding scenarios, and improve the popularity and accuracy of the population density statistics application.

【技术实现步骤摘要】
人群密度统计方法、装置、电子设备和存储介质
本申请实施例涉及计算机视觉技术，尤其涉及一种人群密度统计方法、装置、电子设备和存储介质。
技术介绍
随着科技的进步和人们生活水平的提高，人们的社交活动逐渐增多，交通枢纽、大型活动现场及大型公共场所人流拥堵越来越严重，由于人流拥堵造成的安全隐患日趋严重。因此，如何自动、实时的，进行人数统计具有重要的研究价值。在实际情况中，不同场景的人群差异明显，同一个场景中不同时间段的人群变化也是巨大的。例如，地铁站内，上下班高峰期和平峰期出现的人群变化就非常大，上下班高峰期，人群非常拥挤，而在平峰期，一般而言，人群都是稀疏的，甚至是没有人出现。此外，由于相机成像的透视规律，成像后，导致离相机近的人群相对稀疏，离相机远的人群相对密集。现有技术的处理方法中，一类通常是处理目标不是很小、相对稀疏以及遮挡不是很严重的场景中比较准确，另一类方法是处理目标较小、相对拥挤以及遮挡严重的场景中比较准确。但是在实际的应用中，无论是不同的场景，还是同一个场景中不同的时间段，当人群目标尺度跨度较大时，就会造成局部稀疏性很大，采用现有技术中的任意一种方法均不能很好的处理不同拥挤程本文档来自技高网...

【技术保护点】
1.一种人群密度统计方法，其特征在于，包括：获取待统计的包括人群信息的目标图像；将所述目标图像输入至预先训练的目标检测深度神经网络中，得到所述目标图像对应的第一人群密度分布图；将所述目标图像输入至预先训练的人群密度回归深度神经网络中，得到所述目标图像对应的第二人群密度分布图；通过预先训练的融合神经网络对所述第一人群密度分布图和所述第二人群密度分布图进行融合得到第三人群密度分布图。

【技术特征摘要】
1.一种人群密度统计方法，其特征在于，包括：获取待统计的包括人群信息的目标图像；将所述目标图像输入至预先训练的目标检测深度神经网络中，得到所述目标图像对应的第一人群密度分布图；将所述目标图像输入至预先训练的人群密度回归深度神经网络中，得到所述目标图像对应的第二人群密度分布图；通过预先训练的融合神经网络对所述第一人群密度分布图和所述第二人群密度分布图进行融合得到第三人群密度分布图。2.根据权利要求1所述的方法，其特征在于，所述预先训练的目标检测深度神经网络和所述预先训练的人群密度回归深度神经网络共享一个基础网络；所述预先训练的目标检测深度神经网络和所述预先训练的人群密度回归深度神经网络均为全卷积神经网络。3.根据权利要求1所述的方法，其特征在于，所述第一人群密度图的生成方式如下：获取所述目标检测深度神经网络输出的目标框的坐标参数、类别以及所述目标框的类别得分；通过设定的阈值，结合所述坐标参数、类别以及所述目标框的类别得分对所述目标框进行过滤；应用过滤后的目标框生成所述第一人群密度图。4.根据权利要求3所述的方法，其特征在于，所述应用过滤后的目标框生成所述第一人群密度图，包括：获取过滤后的目标框的起始横坐标、起始纵坐标、目标宽和目标高；根据所述过滤后的目标框的起始横坐标、起始纵坐标、目标宽和目标高确定过滤后的目标框的中心坐标；应用高斯滤波对所述过滤后的目标框的中心坐标进行运算，确定第一人群密度图，其中，所述高斯滤波的参数根据当前目标框的中心坐标的k-近邻平均距离自适应选取。5.根据权利要求1所述的方法，其特征在于，所述预先训练的人群密度回归深度神经网络的训练过程中应用的综合损失函数根据密度图回归损失函数和人数损失函数确定。6.根据权利要求5所述的方法，其特征在于，所述预先训练的人群密度回归深度神经网络的训练过程包括：采用所述密度图回归损失函数对基础人群密度回归深度神经网络进行训练，得到中间人群密度回归深度神经网络；采用所述综合损失函数...

【专利技术属性】
技术研发人员：李昆明，赵刚，冯琰一，吴志伟，王昱，
申请(专利权)人：佳都新太科技股份有限公司，
类型：发明
国别省市：广东,44