对象密度确定方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种对象密度确定方法、装置、计算机设备和存储介质，可应用于智慧交通、智慧商超等场景。方法包括：将训练样本图像输入待训练的对象密度确定模型中，得到对象密度确定模型输出的预测密度图；获取标准密度图对应的多个标准图像块以及预测密度图对应的多个预测图像块；分别对标准图像块和预测图像块中的对象密度进行统计，得到标准图像块对应的标准密度统计值以及预测图像块对应的预测密度统计值；基于图像对所对应的标准密度统计值与预测密度统计值之间的差异，训练对象密度确定模型。其中对象密度确定模型是人工智能模型，可以将该对象密度确定模型部署于云服务器中，提供人工智能云服务。采用本方法能够提高对象密度确定准确性。

【技术实现步骤摘要】
对象密度确定方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种对象密度确定方法、装置、计算机设备和存储介质。
技术介绍
随着人工智能中的图像处理技术的发展，出现了基于图像确定对象密度的技术。通过对象密度确定技术能够自动推理出图像中的人群的密度，在视频监控、公共交通安全等领域发挥着重要的作用。传统技术中，在进行对象密度确定时，主要是使用对象密度图回归的方式进行预测，利用基于人工智能的深度学习技术进行端到端的训练与推理。然而，经常存在训练得到的对象密度确定模型所输出的对象密度图中的密度值并不准确，导致所获取的对象密度图的准确性低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高对象密度确定准确性的对象密度确定方法、装置、计算机设备和存储介质。一种对象密度确定方法，所述方法包括：获取训练样本图像以及所述训练样本图像对应的标准密度图；将所述训练样本图像输入待训练的对象密度确定模型中，得到所述对象密度确定模型输出的预测密度图；分别对所述标准密度图和所述预测密度图进行划分，得到所本文档来自技高网...

【技术保护点】
1.一种对象密度确定方法，其特征在于，所述方法包括：/n获取训练样本图像以及所述训练样本图像对应的标准密度图；/n将所述训练样本图像输入待训练的对象密度确定模型中，得到所述对象密度确定模型输出的预测密度图；/n分别对所述标准密度图和所述预测密度图进行划分，得到所述标准密度图对应的多个标准图像块以及所述预测密度图对应的多个预测图像块；/n对所述标准图像块中的对象密度进行统计，得到所述标准图像块对应的标准密度统计值，对所述预测图像块中的对象密度进行统计，得到所述预测图像块对应的预测密度统计值；/n将所述标准图像块以及与所述标准图像块存在图像位置对应关系的预测图像块组成图像对，基于所述图像对所对应的...

【技术特征摘要】
1.一种对象密度确定方法，其特征在于，所述方法包括：
获取训练样本图像以及所述训练样本图像对应的标准密度图；
将所述训练样本图像输入待训练的对象密度确定模型中，得到所述对象密度确定模型输出的预测密度图；
分别对所述标准密度图和所述预测密度图进行划分，得到所述标准密度图对应的多个标准图像块以及所述预测密度图对应的多个预测图像块；
对所述标准图像块中的对象密度进行统计，得到所述标准图像块对应的标准密度统计值，对所述预测图像块中的对象密度进行统计，得到所述预测图像块对应的预测密度统计值；
将所述标准图像块以及与所述标准图像块存在图像位置对应关系的预测图像块组成图像对，基于所述图像对所对应的标准密度统计值与预测密度统计值之间的差异，对待训练的对象密度确定模型进行参数调整，得到训练后的对象密度确定模型，所述训练后的对象密度确定模型用于生成对象密度图。


2.根据权利要求1所述的方法，其特征在于，所述基于所述图像对所对应的标准密度统计值与预测密度统计值之间的差异，对待训练的对象密度确定模型进行参数调整，得到训练后的对象密度确定模型包括：
基于所述图像对所对应的标准密度统计值与预测密度统计值之间的差异，得到所述图像对所对应的图像对损失值；
对所述图像对损失值进行统计，得到目标损失值；
基于所述目标损失值对待训练的对象密度确定模型进行参数调整，得到训练后的对象密度确定模型。


3.根据权利要求2所述的方法，其特征在于，所述基于所述图像对所对应的标准密度统计值与预测密度统计值之间的差异，得到所述图像对所对应的图像对损失值包括：
按照目标收缩方式对所述图像对所对应的标准密度统计值进行收缩，得到收缩后的标准密度统计值，所述目标收缩方式所对应的收缩幅度与待收缩数值的大小成正相关关系；
按照所述目标收缩方式对所述图像对所对应的预测密度统计值进行收缩，得到收缩后的预测密度统计值；
根据收缩后的标准密度统计值与收缩后的预测密度统计值的差值，得到所述图像对所对应的图像对损失值，其中所述图像对损失值与所述差值的成正相关关系。


4.根据权利要求3所述的方法，其特征在于，所述按照目标收缩方式对所述图像对所对应的标准密度统计值进行收缩，得到收缩后的标准密度统计值包括：
将预设数值作为底数，以所述标准密度统计值作为真数进行对数变换，将所得到的对数作为所述收缩后的标准密度统计值，所述预设数值大于1；
所述按照所述目标收缩方式对所述图像对所对应的预测密度统计值进行收缩，得到收缩后的预测密度统计值包括：
将所述预设数值作为底数，以所述预测密度统计值作为真数进行对数变换，将所得到的对数作为所述收缩后的预测密度统计值。


5.根据权利要求2所述的方法，其特征在于，所述对所述图像对损失值进行统计，得到目标损失值包括：
根据所述图像对所对应的标准密度统计值确定所述图像对损失值的损失值权重，所述损失值权重与所述标准密度统计值成负相关关系；
基于所述损失值权重以及所述图像对损失值进行加权求和，得到目标损失值。


6.根据权利要求5所述的方法，其特征在于，所述根据所述图像对所对应的标准密度统计值确定所述图像对损失值的损失值权重包括：
对所述标准密度统计值进行密度区间划分，得到多个密度区间；
获取标准密度统计值处于所述密度区间的标准图像块的图像块数量；
基于所述标准图像块所对应的密度区间的图像块数量，确定所述标准图像块所对应的图像对损失值的损失值权重；所述图像块数量与所述损失值权重呈正相关关系。


7.根据权利要求2所述的方法，其特征在于，所述对所述图像对损失值进行统计，得到目标损失值包括：
根据目标衰减方式对所述图像对损失值进行衰减，得到衰减后的图像对损失值，其中，所述目标衰减方式所对应的衰减幅度与图像对损失值成正相关关系；
对衰减后的图像对损失值进行求和运算，得到目标损失值。


8.根据权利要求1至7任意一项所述的方法，其特征在于，所述分别对所述标准密度图和所述预测密度图进行划分，得到所述标准密度图对应的多个标准图像块以及所述预测密度图对应的多个预测图像块包括：
获取滑动窗口；
按照预设滑动方式将所述滑动窗口在所述标准密度图上进行滑动，将处于所述滑动窗口内的图像区域作为标准图像块；
按照所述预设滑动方式将所述滑动窗口在所述预测密度图上进行滑动，将处于所述滑动窗口内的图像区域作...

【专利技术属性】
技术研发人员：王昌安，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44