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标数量确定方法，所述方法包括：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。在上述方案中，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。在上述方案中，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。将上述方案中，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。在上述方案中，所述对所述神经网络进行训练，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间的损失值；计算所述损失值，在所述训练数据集上，采用随机梯度下降法训练所述神经网络，得到训练后的所述神经网络。第二方面，本专利技术实施例提供一种目标数量确定装置，包括：获取模块，用于获取待检测图像；处理模块，用于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；计算模块，用于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。在上述方案中，所述装置还包括：预处理模块，用于构建训练数据集，对包含目标对象的原始图像集进行训练预处理，以形成预处理图像集。构建模块，用于确定待训练神经网络的网络结构，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。训练模块，用于对所述待训练神经网络进行训练，得到训练后的所述神经网络。第三方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述所述方法的任一步骤。第四方面，本专利技术实施例提供一种目标数量确定设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行上述所述方法的任一步骤。本专利技术实施例具有以下有益效果：本专利技术提供了一种目标数量确定方法、装置、电子设备及存储介质，通过获取待检测图像；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估计所述待检测图像中的目标对象数量，通过采用神经网络和密度图回归，使图像提取的特征更具有鲁棒性，减少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，缩短了图像目标对象数量估计的时长，提高了图像目标对象数量估计的准确率，实现了高效的目标对象数量估计。附图说明图1是本专利技术实施例提供的一种目标数量确定方法的流程示意图；图2是本专利技术实施例提供的卷积操作示意图；图3是本专利技术实施例提供的获得神经网络的流程示意图；图4是本专利技术实施例提供的神经网络的结构示意图；图5为本专利技术实施例提供的一种目标数量确定装置的结构示意图；图6为本专利技术实施例目标数量确定设备的一种硬件结构示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，所描述的实施例不应视为对本专利技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本专利技术实施例的目的，不是旨在限制本专利技术。人群计数在现实场景中有着广泛的应用价值。准确地估计人群数目和人密度是衡量一个安防系统好坏的重要指标之一。准确地估计体育馆、地铁站、火车站等关公场所的人群数目可以有效得控制和管理人流量。而且这种统计数据在公共安全和交通管制上有着极其重要的作用，可以预防踩踏等一些危险事故的发生。通过分析大型商场的人密度分布，可以获得顾客的购买喜好和发掘潜在的商业价值。人群计数还可辅助分析决策，如分析道路拥塞、检测异常状况、检测特定事件等。除此之外，人群计数还可推广到车辆计数、野生动物密度估计和计量显微图像中的细胞等多个领域。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。目前还没有行之有效的人群计数算法可以应用于现实场景中，所以准确、鲁棒的人群计数算法也是计算机视觉领域重要的研究方向之一。基于此，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，通过神经网络将获取的待检测图像转换为目标密度图进行目标对象数量的估计，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。为了使本专利技术的上述目的、特征和优点能够更加明显易本文档来自技高网...

【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