人数统计的方法及装置制造方法及图纸

本申请实施例提供一种人数统计的方法及装置，获取包括人物的待识别图像；将待识别图像输入人数统计模型，利用人数统计模型输出待识别图像的人物个数。预先训练的人数统计模型中，可以将多个block输出的特征融合，可以这样理解，神经网络中，不同深度的block的输出所体现的信息不同，例如较浅层的block输出的可以是图像的轮廓信息，较深层的block输出的可以是图像的纹理信息等，基于融合的特征可以得到更加准确的密度图，进而得到准确的人数统计结果，且，因为本申请实施例的人数统计模型，不需要设置多个平行网络，计算量较小，可以达到实时计算要求。

Methods and devices for counting the number of people

【技术实现步骤摘要】
人数统计的方法及装置
本申请涉及通信
，尤其涉及人数统计的方法及装置。
技术介绍
随着计算机技术的发展，深度学习的神经网络得到较多发展。例如，在进行人群计数时，提出了较多的利用深度学习的统计方法。现有技术中，2016年，出现了MCNN(Multi-columnConvolutionalNeuralNetwork，多柱卷积神经网络)来预测人群的密度图，能够处理任意大小的图像。网络结构如图1所示，使用3个有不同卷积核大小的网络来分别提取人群图像的特征，适应人群头部大小的变化，在最后将特征融合到一起。这个网络有三个平行网络，增加了模型的参数，计算量大，无法达到实时要求。2017年出现了CP-CNN网络，使用图像的全局加局部特征信息生成估计的人群密度图。网络结构如图2所示，其中最上行的结构表示对输入图像做特征提取并分类得到全局上下文特征；最下行的结构用于对输入图像分割出的块对同样操作，得到局部上下文特征；中间行部分用于生成密度图，最后将三个输出拼接。该方法考虑了图像中人群的全局密度和局部密度信息，最后对整个特征做约束，但是本文档来自技高网...

【技术保护点】
1.一种人数统计的方法，其特征在于，所述方法包括：/n获取包括人物的待识别图像；/n将所述待识别图像输入人数统计模型；所述人数统计模型包括M个网络块block、L个卷积层、N个反转卷积层以及特征融合层；其中，M为大于1的整数，L为小于或等于M的正整数，N的取值与M相关；所述M个bolck中，上一个block的输出作为下一个block的输入；所述L个卷积层用于分别将L个所述block输出的特征处理为L个第一尺度的特征，所述特征融合层用于将所述L个第一尺度的特征以及所述M个block的最后一个block输出的特征融合；所述N个反转卷积层用于根据所述融合的特征输出密度图；/n利用所述人数统计模型输出...

【技术特征摘要】
1.一种人数统计的方法，其特征在于，所述方法包括：
获取包括人物的待识别图像；
将所述待识别图像输入人数统计模型；所述人数统计模型包括M个网络块block、L个卷积层、N个反转卷积层以及特征融合层；其中，M为大于1的整数，L为小于或等于M的正整数，N的取值与M相关；所述M个bolck中，上一个block的输出作为下一个block的输入；所述L个卷积层用于分别将L个所述block输出的特征处理为L个第一尺度的特征，所述特征融合层用于将所述L个第一尺度的特征以及所述M个block的最后一个block输出的特征融合；所述N个反转卷积层用于根据所述融合的特征输出密度图；
利用所述人数统计模型输出所述待识别图像的人物个数。


2.根据权利要求1所述的方法，其特征在于，所述利用所述人数统计模型输出所述待识别图像的人物个数，包括：
利用所述人数统计模型将所述待识别图像处理为第二尺度的目标识别图像；
将所述目标识别图像输入所述M个block的第一个block；
将连接有所述卷积层的L个block输出的第一特征处理为L个所述第一尺度的第一特征；
将L个所述第一尺度的第一特征以及所述M个block的最后一个block输出的特征融合；
将融合后的特征输入所述N个反转卷积层，得到所述目标识别图像的密度图；
根据所述密度图得到所述待识别图像的人物个数。


3.根据权利要求1所述的方法，其特征在于，还包括：
将标注有密度热点标签的训练图像处理为第二尺度的目标训练图像；
将所述目标训练图像输入所述M个block的第一个block；
将连接有所述卷积层的L个block输出的第一特征处理为L个所述第一尺度的第二特征；
将所述L个所述第一尺度的第二特征以及所述M个block的最后一个block输出的特征融合；
将融合后的特征输入所述N个反转卷积层，得到所述第二尺度的预测密度图；
在根据所述预测密度图与所述密度热点标签得到的损失函数满足预设条件的情况下，得到所述人数统计模型。


4.根据权利要求1-3任一项所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：张建炜，黄玉辉，姚万超，
申请(专利权)人：杭州飞步科技有限公司，
类型：发明
国别省市：浙江;33