人群数量确定方法、装置、设备及存储介质制造方法及图纸

本申请是人群数量确定方法、装置、设备及存储介质，涉及图像处理技术领域。所述方法包括：获取第一图像；对第一图像进行数据处理，得到第一图像对应的人群密度特征图；对人群密度特征图进行分类处理，得到第一图像中的各个子区域对应的预测类别；基于第一图像中的各个子区域对应的预测类别，以及各个预测类别对应的人数估计值，获取第一图像中的各个子区域对应的预测人数；基于第一图像中的各个子区域对应的预测人数，获取第一图像对应的人群数量。上述方案可以应用于智慧交通领域中，通过训练样本集中样本图像的各个子区域的人群数量确定人数估计值，提高了对图像中人群数量估计的准确性，从而提高了交通智能调度的准确性。从而提高了交通智能调度的准确性。从而提高了交通智能调度的准确性。

【技术实现步骤摘要】
人群数量确定方法、装置、设备及存储介质


[0001]本申请涉及计算机视觉领域，特别涉及一种人群数量确定方法、装置、设备及存储介质。

技术介绍

[0002]人群密度估计是一种能够自动推理出图像中的总人数的应用，在视频监控、公共安全等领域发挥着重要的作用。
[0003]在相关技术中，传统的基于检测和直接回归的方法，现阶段的人群密度估计算法大多结合热力图回归，利用深度学习技术进行端到端地训练与推理，可以较好地解决人群密度分布范围大、人头尺度变化范围大的问题，在一定程度上提高了计数精度。并且在对图像人数进行识别的过程中，可以根据每个图像块内的人总数，将图像块分为不同类别（同一个类别对应一个人数范围，即计数区间），能够避免在回归一个具体人数时对异常值敏感的问题。
[0004]在上述方案中，通过将图像块分为不同类别时，其预测人数会被统一设置为对应区间的代理计数值，导致离散化误差较大，影响对图像中的人数进行预测的准确性。

技术实现思路

[0005]本申请实施例提供了人群数量确定方法、装置、设备及存储介质，可以提高了对图像中人群数量估计的准确性，该技术方案如下。
[0006]一方面，提供了一种人群数量确定方法，所述方法包括：获取第一图像；基于人群数量确定模型的数据处理层，对所述第一图像进行数据处理，得到所述第一图像对应的人群密度特征图；基于所述人群数量确定模型的特征分类层，对所述人群密度特征图进行分类处理，得到所述第一图像中的各个子区域对应的预测类别；基于所述第一图像中的各个子区域对应的预测类别，以及各个所述预测类别对应的人数估计值，获取所述第一图像中的各个子区域对应的预测人数；基于所述第一图像中的各个子区域对应的预测人数，获取所述第一图像对应的人群数量；其中，所述人群数量确定模型是以训练样本集中的样本图像为样本、以所述样本图像的各个子区域的标注类别为标签训练得到的机器学习模型；所述各个所述预测类别对应的人数估计值是基于所述样本图像的各个子区域的人群数量确定的。
[0007]另一方面，提供了一种人群数量确定方法，所述方法包括：获取训练样本集；所述训练样本集中包括第一样本图像，以及所述第一样本图像中的各个子区域分别对应的标注类别；基于人群数量确定模型的数据处理层，对所述第一样本图像进行数据处理，得到
所述第一样本图像对应的样本人群密度特征图；基于所述样本人群密度特征图，通过人群数量确定模型的特征分类层进行分类处理，获得所述第一样本图像中的各个子区域分别对应的预测结果；基于所述第一样本图像中的各个子区域分别对应的预测结果，以及所述第一样本图像中的各个区域分别对应的标注类别，对所述人群数量确定模型进行训练；训练后的人群数量确定模型用于根据输入的第一图像获得该第一图像中的各个子区域的预测类别，并根据各个预测类别对应的人数估计值，确定第一图像对应的人群数量；各个所述预测类别对应的人数估计值是基于所述人群数量确定模型的训练样本集中样本图像的各个子区域的人群数量确定的。
[0008]又一方面，提供了一种人群数量确定装置，所述装置包括：第一图像获取模块，用于获取第一图像；第一数据处理模块，用于基于人群数量确定模型的数据处理层，对所述第一图像进行数据处理，得到所述第一图像对应的人群密度特征图；第一分类模块，用于基于所述人群数量确定模型的特征分类层，对所述人群密度特征图进行分类处理，得到所述第一图像中的各个子区域对应的预测类别；第一预测人数获取模块，用于基于所述第一图像中的各个子区域对应的预测类别，以及各个所述预测类别对应的人数估计值，获取所述第一图像中的各个子区域对应的预测人数；第一人群数量确定模块，用于基于所述第一图像中的各个子区域对应的预测人数，获取所述第一图像对应的人群数量；其中，所述人群数量确定模型是以训练样本集中的样本图像为样本、以所述样本图像的各个子区域的标注类别为标签训练得到的机器学习模型；所述各个所述预测类别对应的人数估计值是基于所述样本图像的各个子区域的人群数量确定的。
[0009]在一种可能的实现方式中，所述装置还包括：第一样本获取模块，用于获取第一样本图像，以及所述第一样本图像中的各个子区域分别对应的标注类别；样本图像处理模块，用于基于人群数量确定模型的数据处理层，对所述第一样本图像进行数据处理，得到所述第一样本图像对应的样本人群密度特征图；样本图像分类模块，用于基于所述样本人群密度特征图，通过人群数量确定模型的特征分类层进行分类处理，获得所述第一样本图像中的各个子区域分别对应的预测结果；数量确定模块训练模块，用于基于所述第一样本图像中的各个子区域分别对应的预测结果，以及所述第一样本图像中的各个区域分别对应的标注类别，对所述人群数量确定模型进行训练。
[0010]在一种可能的实现方式中，所述第一样本获取模块，包括：样本获取单元，用于获取所述训练样本集；所述训练样本集中的包含第一样本图像，以及所述第一样本图像对应的图像标注；所述图像标注用于指示所述第一样本图像中的样本对象的位置；样本人群获取单元，用于基于所述第一样本图像对应的图像标注，获取所述第一
样本图像中的各个子区域的人群数量；标注类别获取单元，用于基于所述第一样本图像中的各个子区域的人群数量，获取所述第一样本图像中的各个子区域的标注类别。
[0011]在一种可能的实现方式中，所述标注类别获取单元，包括：人数分类区间获取子单元，用于获取所述特征分类层对应的人数分类区间；所述人数分类区间包含至少两个子区间；标注类别获取子单元，用于基于所述第一样本图像中的各个子区域的人群数量，通过所述人数分类区间进行分类，获得所述第一样本图像中的各个子区域对应的标注类别。
[0012]在一种可能的实现方式中，所述标注类别获取单元，包括：子区域获取子单元，用于获取第一类样本子区域；所述第一类样本子区域是所述训练样本集中的各个样本图像的子区域中，与第一类标注类别对应的子区域；所述第一类标注类别是各个所述标注类别中的任意一个；人数估计值获取子单元，用于基于所述第一类样本子区域中的各个子区域分别对应的人群数量，确定所述第一类标注类别对应的人数估计值。
[0013]在一种可能的实现方式中，所述人数估计值获取子单元，还用于，基于所述第一类样本子区域中的各个子区域分别对应的人群数量的平均值，确定所述第一类标注类别对应的人数估计值。
[0014]在一种可能的实现方式中，所述人数分类区间获取子单元，用于，基于所述训练样本集中的各个样本图像的各个子区域的人群数量的最值，获取第一端点集；所述第一端点集用于指示所述人数分类区间的区间端点；基于所述人数分类区间的区间端点，确定所述第一分段点集；所述第一分端点集用于指示所述人数分类区间的区间分段点；所述区间分段点用于将所述人群分类区间分割为各个子区间；基于所述第一端点集与所述第一分段点集，获取所述特征分类层对应的人数分类区间。
[0015]在一种可能的实现方式中，所述样本人群获取单元，用于，基于所述第一样本图像，以及所述第一样本图像对应的图像标注，获得所述第一样本图像对应的第一样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人群数量确定方法，其特征在于，所述方法包括：获取第一图像；基于人群数量确定模型的数据处理层，对所述第一图像进行数据处理，得到所述第一图像对应的人群密度特征图；基于所述人群数量确定模型的特征分类层，对所述人群密度特征图进行分类处理，得到所述第一图像中的各个子区域对应的预测类别；基于所述第一图像中的各个子区域对应的预测类别，以及各个所述预测类别对应的人数估计值，获取所述第一图像中的各个子区域对应的预测人数；基于所述第一图像中的各个子区域对应的预测人数，获取所述第一图像对应的人群数量；其中，所述人群数量确定模型是以训练样本集中的样本图像为样本、以所述样本图像的各个子区域的标注类别为标签训练得到的机器学习模型；所述各个所述预测类别对应的人数估计值是基于所述样本图像的各个子区域的人群数量确定的。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：获取第一样本图像，以及所述第一样本图像中的各个子区域分别对应的标注类别；基于人群数量确定模型的数据处理层，对所述第一样本图像进行数据处理，得到所述第一样本图像对应的样本人群密度特征图；基于所述样本人群密度特征图，通过人群数量确定模型的特征分类层进行分类处理，获得所述第一样本图像中的各个子区域分别对应的预测结果；基于所述第一样本图像中的各个子区域分别对应的预测结果，以及所述第一样本图像中的各个区域分别对应的标注类别，对所述人群数量确定模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述获取第一样本图像，以及所述第一样本图像中的各个子区域分别对应的标注类别，包括：获取所述训练样本集；所述训练样本集中的包含第一样本图像，以及所述第一样本图像对应的图像标注；所述图像标注用于指示所述第一样本图像中的样本对象的位置；基于所述第一样本图像对应的图像标注，获取所述第一样本图像中的各个子区域的人群数量；基于所述第一样本图像中的各个子区域的人群数量，获取所述第一样本图像中的各个子区域的标注类别。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本图像中的各个子区域的人群数量，获取所述第一样本图像中的各个子区域的标注类别，包括：获取所述特征分类层对应的人数分类区间；所述人数分类区间包含至少两个子区间；基于所述第一样本图像中的各个子区域的人群数量，通过所述人数分类区间进行分类，获得所述第一样本图像中的各个子区域对应的标注类别。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取第一类样本子区域；所述第一类样本子区域是所述训练样本集中的各个样本图像的子区域中，与第一类标注类别对应的子区域；所述第一类标注类别是各个所述标注类别中的任意一个；基于所述第一类样本子区域中的各个子区域分别对应的人群数量，确定所述第一类标
注类别对应的人数估计值。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一类样本子区域中的各个子区域分别对应的人群数量，确定所述第一类标注类别对应的人数估计值，包括：基于所述第一类样本子区域中的各个子区域分别对应的人群数量的平均值，确定所述第一类标注类别对应的人数估计值。7.根据权利要求4至6任一所述的方法，其特征在于，所述获取所述特征分类层对应的人数分类区间，包括：基于所述训练样本集中的各个样本图像的各个子区域的人群数量的最值，获取第一端点集；所述第一端点集用于指示所述人数分类区间的区间端点；基于所述人数分类区间的区间端点，确定所述第一分段点集；所述第一分端点集用于指示所述人数分类区间的区间分段点；所述区间分段点用于将所述人群分类区间分割为各个子区间；基于所述第一端点集与所述第一分段点集，获取所述特征分类层对应的人数分类区间。8.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本图像对应的图像标注，获取所述第一样本图像中的各个子区域的人群数量，包括：基于所述第一样本图像，以及所述第一样本图像对应的图像标注，获得所述第一样本图像对应的第一样本热点图；所述第一样本热点图用于指示所述第一样本图像中人群的所在位置；基于所述第一样本热点图，通过高斯卷积核进行数据处理，获取所述第一样本图像对应的第一样本热力图；基于所述第一样本热力图，分别在所述第一样本图像中的各个子区域进行积分，获得所述第一样本图像的各个子区域的人群数量。9.一种人群数量确定...

【专利技术属性】
技术研发人员：王昌安，宋庆宇，张博深，王亚彪，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：