一种目标数量确定方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种目标数量确定方法、装置、设备及存储介质；方法包括：获取待检测图像；将待检测图像输入到神经网络中，得到待检测图像的目标密度图；根据目标密度图各像素的像素值，确定待检测图像中的目标对象数量，其中，目标密度图中一个目标对象所在区域内中心像素的像素值，与目标对象所在区域内中心像素以外像素的像素值不同；且目标密度图中一个目标对象所在区域内中心像素的像素值，与目标对象不在区域内像素的像素值不同。本发明专利技术减少了高密度目标分布不均匀等对目标对象数量估计的影响，实现了高效的目标对象数量估计。

A method, device, equipment and storage medium for determining target quantity

【技术实现步骤摘要】
一种目标数量确定方法、装置、设备及存储介质
本专利技术涉及计算机视觉领域，尤其涉及一种目标数量确定方法、装置、设备及存储介质。
技术介绍
目标对象的密度是目标对象在一定时间一定空间内的分布情况。该目标可为人数，例如，准确地估计人数目和人密度在安防系统、公共安全等有着广泛的实际应用价值。但是在现实场景中，严重的遮挡、光照的变化、视角的扭曲、人群分布不均和复杂的场景背景等干扰因素使人群计数问题变得非常具有挑战性。根据某些特征如梯度直方图(HistogramOrientedGradients,HOG)、Haar小波等训练检测器检测人体，从而进行人群计数的方式不仅会受人群遮挡、重叠等因素的严重干扰，而且这种人群计数的方式对计算时间和计算资源占用较大，性能也不够优异。
技术实现思路
本专利技术实施例提供一种目标数量确定方法、装置、电子设备及存储介质，避免了高密度目标分布不均匀等问题对目标对象数量估计的影响，实现了高效的目标对象数量估计。本专利技术实施例的技术方案是这样实现的：第一方面，本专利技术实施例提供一种目本文档来自技高网...

【技术保护点】
1.一种目标数量确定方法，其特征在于，包括：/n获取待检测图像；/n将所述待检测图像输入到神经网络中，得到所述待检测图像的目标密度图；/n根据所述目标密度图各像素的像素值，确定所述待检测图像中的目标对象数量，其中，所述目标密度图中一个所述目标对象所在区域内中心像素的像素值，与所述目标对象所在区域内所述中心像素以外像素的像素值不同；且所述目标密度图中一个所述目标对象所在区域内中心像素的像素值，与所述目标对象不在区域内像素的像素值不同。/n

【技术特征摘要】
1.一种目标数量确定方法，其特征在于，包括：
获取待检测图像；
将所述待检测图像输入到神经网络中，得到所述待检测图像的目标密度图；
根据所述目标密度图各像素的像素值，确定所述待检测图像中的目标对象数量，其中，所述目标密度图中一个所述目标对象所在区域内中心像素的像素值，与所述目标对象所在区域内所述中心像素以外像素的像素值不同；且所述目标密度图中一个所述目标对象所在区域内中心像素的像素值，与所述目标对象不在区域内像素的像素值不同。


2.根据权利要求1所述的方法，其特征在于，所述将所述待检测图像输入到神经网络中，得到所述待检测图像的目标密度图，包括：
将所述待检测图像输入到所述神经网络中得到特征图；
将所述特征图转换为所述目标密度图。


3.根据权利要求2所述的方法，其特征在于，所述将所述特征图转换为所述目标密度图，包括：
基于高斯核对所述特征图进行卷积操作得到所述目标密度图。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取待检测图像之前，所述方法还包括：
确定待训练神经网络的网络结构并训练得到训练后的所述神经网络，其中，所述待训练神经网络的网络结构包括N个卷积层，每个卷积层后面都连接一个非线性激活函数层其中，N个所述卷积层中的前M个卷积层后面连接有最大池化层，其中，N为正整数；M为小于N的正整数。


5.根据权利要求4所述的方法，其特征在于，所述训练得到训练后的所述神经网络，包括：
构建训练数据集；
采用均方差损失函数计算标注密度图和所述神经网络预测得到的密度图之...

【专利技术属性】
技术研发人员：吴良顺，
申请(专利权)人：卓尔智联武汉研究院有限公司，
类型：发明
国别省市：湖北;42