The application provides a method, device and storage medium for determining the number of people, which includes analyzing the scene image to be analyzed according to the first neural network model, obtaining the first predicted number of people of the scene image to be analyzed, determining whether the first predicted number of people exceeds the first threshold value, if not, determining the actual number of people of the scene image to be analyzed according to the first predicted number of people, if yes, Then, according to the second neural network model to analyze the scene image, the second prediction number of the scene image to be analyzed is obtained; according to the first prediction number and the second prediction number, the actual number of the scene image to be analyzed is determined.
【技术实现步骤摘要】
一种人数确定方法、装置及存储介质
本申请涉及图像识别
,具体而言,涉及一种人数确定方法、装置及存储介质。
技术介绍
目前,我国城市中各大型公共场所人流量较大、尤其是在节假日期间易造成拥堵,极易出现重大的安全事故,但现在对于公共场所的人流监测主要依靠人力实地目测或抽样统计等方法,存在着耗时耗力,人力成本高的问题。
技术实现思路
本申请实施例的目的在于提供一种人数确定方法、装置及存储介质,用以解决现在对于公共场所的人流监测主要依靠人力实地目测或抽样统计等方法,存在的耗时耗力,人力成本高的问题。为了实现上述目的,本申请提供了以下技术方案如下:第一方面:本申请提供一种人数确定方法,所述方法包括根据第一神经网络模型对待分析场景图像进行分析,得到所述待分析场景图像的第一预测人数;判断所述第一预测人数是否超过第一阈值;若为否,则根据所述第一预测人数确定所述待分析场景图像的实际人数;若为是,则根据第二神经网络模型对所述待分析场景图像进行分析,得到所述待分析场景图像的第二预测人数;根据所述第一预测人数和第二预测人数确定所述待分析场景图像的实际人数。在上述设计的方案中,在待分析的场景图像人数较少时采用单神经网络模型算法进行快速预测,在待分析场景图像人数超过阈值(人数较多时)采用两种神经网络模型算法的结果来进行结合预测,根据第一预测人数与阈值相比较的设定,使得本方案能够在单模型和双模型两种模式下互相转换,在人数较少时可以有效的节约计算资源,提高预测效率,能够在短时间识别出预测人数;在人数较 ...
【技术保护点】
1.一种人数确定方法,其特征在于,包括:/n根据第一神经网络模型对待分析场景图像进行分析,得到所述待分析场景图像的第一预测人数;/n判断所述第一预测人数是否超过第一阈值;/n若为否,则根据所述第一预测人数确定所述待分析场景图像的实际人数;/n若为是,则根据第二神经网络模型对所述待分析场景图像进行分析,得到所述待分析场景图像的第二预测人数;根据所述第一预测人数和第二预测人数确定所述待分析场景图像的实际人数。/n
【技术特征摘要】
1.一种人数确定方法,其特征在于,包括:
根据第一神经网络模型对待分析场景图像进行分析,得到所述待分析场景图像的第一预测人数;
判断所述第一预测人数是否超过第一阈值;
若为否,则根据所述第一预测人数确定所述待分析场景图像的实际人数;
若为是,则根据第二神经网络模型对所述待分析场景图像进行分析,得到所述待分析场景图像的第二预测人数;根据所述第一预测人数和第二预测人数确定所述待分析场景图像的实际人数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一预测人数和第二预测人数确定所述待分析场景图像的实际人数,包括:
根据所述第一预测人数及其对应的第一加权参数与所述第二预测人数及其对应的第二加权参数,得到所述待分析场景图像的实际人数。
3.根据权利要求2所述的方法,其特征在于,所述实际人数L为:
L=αN1+(1-α)N2
其中,L为实际人数,N1为第一预测人数,N2为第二预测人数,α为第一加权参数,1-α为第二加权参数。
4.根据权利要求3所述的方法,其特征在于,还包括:
根据第一神经网络模型对已标注场景图像进行分析,得到所述已标注场景图像的第一预测人数;根据第二神经网络模型对已标注场景图像进行分析,得到所述已标注场景图像的第二预测人数;
获取第一初始加权参数,根据所述已标注场景图像的第一预测人数、第二预测人数和标注人数对所述第一初始加权参数进行更新迭代,得到对应的所述第一加权参数。
5.根据权利要求4所述的方法,其特征在于,所述获取第一初始加权参数,根据所述已标注场景图像的第一预测人数、第二预测人数和标注人数对所述第一初始加权参数进行更新迭代,得到对应的所述第一加权参数,包括:
获取第一初始加权参数,根据所述已标注场景图像的第一预测人数、第二预测人数和第一初始加权参数,确定所述已标注场景图像的实际人数;
判断所述已标注场景图像的实际人数与所述已标注场景图像的标注人数的相差人数是否在预设的阈值范围内;
若为否,则对所述第一初始加权参数进行调节得到调节后的第一初始加权参数,并返回执行所述获取第一初始加...
【专利技术属性】
技术研发人员:杜波,叶泽聪,高志强,袁琛,
申请(专利权)人:杜波,
类型:发明
国别省市:新疆;65
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。