对象数量确定方法、装置、存储介质与电子设备制造方法及图纸

本公开提供了一种对象数量确定方法、对象数量确定装置、计算机可读存储介质与电子设备，属于计算机视觉技术领域。该方法包括：对待处理图像中的对象进行识别，将识别到的所述对象的数量作为第一数值；比较所述第一数值和预设阈值；如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象的数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值。本公开能够在对象分布密集的情况下，较为准确的确定对象数量，并具有较高的适用性。

Methods, devices, storage media and electronic equipment for determining the number of objects

The invention provides a method for determining the number of objects, a device for determining the number of objects, a computer-readable storage medium and an electronic device, belonging to the technical field of computer vision. The method includes: identifying the object in the image to be processed, taking the number of the object recognized as the first value; comparing the first value with the preset threshold; determining the number of the object in the image to be processed as the first value if the first value is less than the preset threshold; and determining the number of the object in the image to be processed as the first value if the first value is greater than the preset threshold Performing density detection on the object in the image to be processed to obtain a second value about the number of the object, and determining the number of the object in the image to be processed as the second value. The disclosure can accurately determine the number of objects in the case of dense object distribution, and has high applicability.

【技术实现步骤摘要】
对象数量确定方法、装置、存储介质与电子设备
本公开涉及计算机视觉
，尤其涉及一种对象数量确定方法、对象数量确定装置、计算机可读存储介质与电子设备。
技术介绍
在很多场合中，都需要统计某种对象的数量，例如统计景区的游客数量，统计停车场的车辆数量等。传统的方法是在目标区域的出入口统计流入和流出的对象数量，例如景区出入口设置闸机或红外感测设备，停车场出入口设置道闸设备等，但是这种方法无法统计开放区域的对象数量，例如开放性景区的游客数量，街道的车辆数量等，并且只能统计目标区域内的对象总数，无法确定对象的分布情况。随着深度学习与计算机视觉的发展，现有技术中出现了基于监控图像确定对象数量的方法，以统计景区的游客数量为例，在景区的不同位置设置监控摄像头，实时拍摄景区图像，从图像中识别游客，从而统计出游客数量。相比于上述传统方法，现有技术有了明显改进，其能够应用于开放区域，且能够统计区域内的对象分布情况；然而也存在一定的问题，在对象密度较大，特别是存在遮挡的情况下，例如节假日人流高峰期的景区、上下班车流高峰期的街道路段等，现有技术的准确度较低，其所确定的对象数量与实际数量差别较大，通常低于实际数量，从而限制了其应用。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开提供了一种对象数量确定方法、对象数量确定装置、计算机可读存储介质与电子设备，进而至少在一定程度上改善现有技术在对象密度较大时，确定对象数量的准确度较低的问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的第一方面，提供一种对象数量确定方法，包括：对待处理图像中的对象进行识别，将识别到的所述对象的数量作为第一数值；比较所述第一数值和预设阈值；如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值。在本公开的一种示例性实施例中，所述方法还包括：获取目标图像，将所述目标图像划分为多个区域，分别以各所述区域的图像作为所述待处理图像。在本公开的一种示例性实施例中，各所述区域具有对应的预设阈值。在本公开的一种示例性实施例中，所述对待处理图像中的对象进行识别，包括：通过预先训练的第一神经网络模型对所述待处理图像中的对象进行识别。在本公开的一种示例性实施例中，所述第一神经网络模型包括YOLO模型(YouOnlyLookOnce，一种实时目标检测的算法框架，包括v1、v2、v3等多个版本，本公开可以采用其中任一个版本)。在本公开的一种示例性实施例中，所述对所述待处理图像中的对象进行密度检测，包括：通过预先训练的第二神经网络模型对所述待处理图像中的对象进行密度检测。在本公开的一种示例性实施例中，所述第二神经网络模型包括：第一分支网络，用于对所述待处理图像进行第一卷积处理，得到第一特征图像；第二分支网络，用于对所述待处理图像进行第二卷积处理，得到第二特征图像；第三分支网络，用于对所述待处理图像进行第三卷积处理，得到第三特征图像；合并层，用于将所述第一特征图像、第二特征图像和第三特征图像合并为最终特征图像；输出层，用于将所述最终特征图像映射为密度图像。根据本公开的第二方面，提供一种对象数量确定装置，包括：识别模块，用于对待处理图像中的对象进行识别，将识别到的所述对象的数量作为第一数值；比较模块，用于比较所述第一数值和预设阈值；第一确定模块，用于如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；第二确定模块，用于如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值。在本公开的一种示例性实施例中，所述装置还包括：获取模块，用于获取目标图像，将所述目标图像划分为多个区域，分别以各所述区域的图像作为所述待处理图像。在本公开的一种示例性实施例中，各所述区域具有对应的预设阈值。在本公开的一种示例性实施例中，所述识别模块，用于通过预先训练的第一神经网络模型对所述待处理图像中的对象进行识别。在本公开的一种示例性实施例中，所述第一神经网络模型包括YOLO模型。在本公开的一种示例性实施例中，所述第二确定模块包括：密度检测单元，用于通过预先训练的第二神经网络模型对所述待处理图像中的对象进行密度检测。在本公开的一种示例性实施例中，所述第二神经网络模型包括：第一分支网络，用于对所述待处理图像进行第一卷积处理，得到第一特征图像；第二分支网络，用于对所述待处理图像进行第二卷积处理，得到第二特征图像；第三分支网络，用于对所述待处理图像进行第三卷积处理，得到第三特征图像；合并层，用于将所述第一特征图像、第二特征图像和第三特征图像合并为最终特征图像；输出层，用于将所述最终特征图像映射为密度图像。根据本公开的第三方面，提供一种计算机可读存储介质，其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项所述的方法。根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。本公开的示例性实施例具有以下有益效果：对待处理图像中的对象进行识别，根据识别得到的第一数值与预设阈值的大小关系，判断图像中的对象为稀疏还是密集的情况，从而确定是采用第一数值作为最终结果，还是采用密度检测得到的第二数值作为最终结果。一方面，如果第一数值大于预设阈值，则图像中的对象密集，可能存在遮挡的情况，此时采用密度检测的方式，将得到的第二数值作为最终结构，能够较为准确的确定对象数量，使得本示例性实施例具有较高的准确度。另一方面，采用对象识别和密度检测两种方式的结合，具有较高的灵活性，通过调整预设阈值，可以使本示例性实施例应用于各种不同的场景，具有较高的适用性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出本示例性实施例中一种对象数量确定方法的流程图；图2示出待处理的景区监控图像；图3示出对景区监控图像进行游客识别的可视化效果图；图4示出本示例性实施例中一种神经网络模型的结构图；图5示出本示例性实施例中对目标图像划分区域的示意图；图6示出本示本文档来自技高网...

【技术保护点】
1.一种对象数量确定方法，其特征在于，包括：/n对待处理图像中的对象进行识别，将识别到的所述对象的数量作为第一数值；/n比较所述第一数值和预设阈值；/n如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；/n如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值。/n

【技术特征摘要】
1.一种对象数量确定方法，其特征在于，包括：
对待处理图像中的对象进行识别，将识别到的所述对象的数量作为第一数值；
比较所述第一数值和预设阈值；
如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；
如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取目标图像，将所述目标图像划分为多个区域，分别以各所述区域的图像作为所述待处理图像。


3.根据权利要求2所述的方法，其特征在于，各所述区域具有对应的预设阈值。


4.根据权利要求1所述的方法，其特征在于，所述对待处理图像中的对象进行识别，包括：
通过预先训练的第一神经网络模型对所述待处理图像中的对象进行识别。


5.根据权利要求4所述的方法，其特征在于，所述第一神经网络模型包括YOLO模型。


6.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像中的对象进行密度检测，包括：
通过预先训练的第二神经网络模型对所述待处理图像中的对象进行密度检测。


7.根据权利要求6所述的方法，其特征在于，所述第二神经网络模型包括...

【专利技术属性】
技术研发人员：郁昌存，王德鑫，
申请(专利权)人：北京海益同展信息科技有限公司，
类型：发明
国别省市：北京;11