【技术实现步骤摘要】
肩头识别模型训练方法、装置、人数统计方法、装置
本专利技术涉及图像处理
，具体而言，涉及一种肩头识别模型训练方法、装置、人数统计方法、装置。
技术介绍
现如今，随着经济的发展，在车站、机场、地铁口、商场和广场人口流动性较大，社会的公共安全问题越来越受到人们的关注。快速智能人数统计可以对人群密度提前预警，对商业中心的顾客流量提供实时的统计分析，由此解决人群密度较为拥挤可能带来的安全问题，也可以提供管理人员对安全预警工作的执行效率，同时可以为商家提供流量分析。现有技术中，大多通过提取头肩特征，然后对头肩特征进行统计从而得到某监控区域的流量统计，但由于监控场景多变，导致在不同场景下对类似头肩的物体存在一定的误检率，从而导致人数统计不准确。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种肩头识别模型训练方法、装置、人数统计方法、装置，以解决上述问题。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种肩头识别模型训练方法，所述肩头识...
【技术保护点】
1.一种肩头识别模型训练方法，其特征在于，所述肩头识别模型训练方法包括：/n获取预先被划分为至少三种类型的训练样本，所述训练样本包括参考图像、目标类型信息以及所述参考图像包含的目标特征的实际目标区域；/n对所述参考图像进行特征提取操作以获取目标特征图；/n基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域；/n利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域；/n利用所述目标特征的所述预测目标区域及所述实际目标区域训练所述神经网络，从而建立肩头识别模型。/n
【技术特征摘要】
1.一种肩头识别模型训练方法，其特征在于，所述肩头识别模型训练方法包括：
获取预先被划分为至少三种类型的训练样本，所述训练样本包括参考图像、目标类型信息以及所述参考图像包含的目标特征的实际目标区域；
对所述参考图像进行特征提取操作以获取目标特征图；
基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域；
利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域；
利用所述目标特征的所述预测目标区域及所述实际目标区域训练所述神经网络，从而建立肩头识别模型。
2.根据权利要求1所述的肩头识别模型训练方法，其特征在于，所述基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域的步骤包括：
基于所述目标类型信息确定候选框尺寸比例；
利用所述目标特征图及所述候选框尺寸比例生成多个候选区域；
计算每个所述候选区域与所述实际目标区域的重叠度；
将重叠度最大的所述候选区域确定为目标候选区域。
3.根据权利要求2所述的肩头识别模型训练方法，其特征在于，在所述基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域的步骤与所述利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域的步骤之间，所述肩头识别模型训练方法还包括：
基于每个所述目标候选区域的所述重叠度确定所述目标候选区域的样本类型；
所述利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域的步骤包括：
利用预建立的神经网络，并基于所述样本类型为正样本的目标候选区域及所述目标特征图确定所述目标特征的预测目标区域。
4.一种肩头识别模型训练装置，其特征在于，所述肩头识别模型训练装置包括：
训练样本获取单元，用于获取预先被划分为至少三种类型的训练样本，所述训练样本包括参考图像、目标类型信息以及所述参考图像包含的目标特征的实际目标区域；
目标提取单元，用于对所述参考图像进行特征提取操作以获取目标特征图；
目标候选区域确定单元，用于基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域；
预测目标区域确定单元，用于利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域；
训练单元，用于利用...
【专利技术属性】
技术研发人员：包汉彬，董保磊，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江;33
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。