本申请实施例公开了一种人群计数方法、装置、设备及存储介质。该人群计数方法包括：获取目标图像，并获取所述目标图像的目标密度信息，所述目标图像是指承载人群的图像，所述目标密度信息是指所述目标图像中承载的人群的疏密情况；根据所述目标密度信息，采用不同膨胀率的卷积对所述目标图像进行特征提取，得到多个目标特征；对所述各个目标特征进行融合，得到所述目标图像的目标特征图；根据所述目标特征图确定所述目标图像对应的目标人数。本申请实施例中可以增强图像特征的提取性能，进而提高人群计数的准确率。提高人群计数的准确率。提高人群计数的准确率。
【技术实现步骤摘要】
人群计数方法、装置、设备及存储介质
[0001]本申请实施例涉及计算机视觉
，具体涉及一种人群计数方法、装置、设备及存储介质。
技术介绍
[0002]人群计数是计算机视觉和机器学习的难点和热点之一。现有的人群计数方法主要是：提取图像中的人头目标的特征，通过图像中人头目标所在位置的响应来生成密度图，进而根据密度图实现对人群计数。
[0003]但是，由于摄像头拍摄图像往往是俯视拍摄的，所拍摄的图像近处的目标尺寸大且稀疏、远处的目标尺寸小且密集的问题，从而导致图像的目标特征的识别准确率低，进而影响人群计数的准确率。
技术实现思路
[0004]本申请实施例提供一种人群计数方法、装置、设备及存储介质，可以提高目标特征识别的准确率，进而提高人群计数的准确率。
[0005]一方面，本申请实施例提供一种人群计数方法，所述方法包括：
[0006]获取目标图像，并获取所述目标图像的目标密度信息，所述目标图像是指承载人群的图像，所述目标密度信息是指所述目标图像中承载的人群的疏密情况；
[0007]根据所述目标密度信息，采用不同膨胀率的卷积对所述目标图像进行特征提取，得到多个目标特征；
[0008]对所述各个目标特征进行融合，得到所述目标图像的目标特征图；
[0009]根据所述目标特征图确定所述目标图像对应的目标人数。
[0010]在本申请的一些实施例中，所述根据所述目标密度信息，采用不同膨胀率的卷积对所述目标图像进行特征提取，得到多个目标特征，包括：
[0011]分别通过多个预设膨胀率的卷积核对所述目标图像进行卷积操作，得到多个基本特征图；
[0012]根据所述目标密度信息确定每个预设密度等级对应的目标区域，并确定每个所述预设密度等级映射的目标基本特征图，所述目标区域是指所述目标图像中，人群密度处于所述预设密度等级的区域，所述预设密度等级用于指示所述目标图像的各个区域的相对疏密情况；
[0013]从每个所述预设密度等级映射的所述目标基本特征图中，获取每个所述预设密度等级的目标特征，得到多个目标特征，所述预设密度等级的目标特征是指所述预设密度等级对应的所述目标区域的图像特征。
[0014]在本申请的一些实施例中，所述获取所述目标图像的目标密度信息，包括：
[0015]将所述目标图像输入预设的尺度感知模型，以使得所述尺度感知模型根据所述目标图像，预测出所述目标图像的目标密度信息；
[0016]所述尺度感知模型通过如下步骤得到：
[0017]获取多个第一样本图像，所述第一样本图像标注有密度信息标签，所述密度信息标签用于指示所述第一样本图像的密度信息；
[0018]将所述第一样本图像输入第一待训练模型，以使得所述第一待训练模型根据所述第一样本图像，输出所述第一样本图像的第一预测密度信息；
[0019]根据所述第一预测密度信息和所述密度信息标签对应的密度信息，确定所述第一待训练模型的训练损失值，并根据所述训练损失值更新所述第一待训练模型的模型参数，直至所述第一待训练模型收敛，将所述第一待训练模型作为尺度感知模型。
[0020]在本申请的一些实施例中，所述根据所述目标特征图确定所述目标图像对应的目标人数，包括：
[0021]根据所述目标特征图确定所述目标图像的目标密度图；
[0022]根据所述目标密度图，确定所述目标图像对应的目标人数。
[0023]在本申请的一些实施例中，所述方法通过计数模型实现，所述计数模型通过以下步骤得到：
[0024]获取多个样本数据，所述样本数据包括第二样本图像以及所述第二样本图像对应的实际人数；
[0025]根据所述样本数据和第二待训练模型，确定所述第二样本图像的预测人数；
[0026]根据所述实际人数和所述预测人数，确定所述第二待训练模型的总损失值；
[0027]根据所述总损失值更新所述第二待训练模型的模型参数，直至所述第二待训练模型收敛，将所述第二待训练模型作为计数模型。
[0028]在本申请的一些实施例中，所述根据所述样本数据和第二待训练模型，确定所述第二样本图像的预测人数，包括：
[0029]获取所述第二样本图像的第二预测密度信息；
[0030]根据所述第二预测密度信息，采用不同膨胀率的卷积对所述第二样本图像进行特征提取，得到多个预测特征；
[0031]对所述各个预测特征进行融合，得到所述第二样本图像的预测特征图；
[0032]将所述预测特征图输入所述第二待训练模型，以使得所述第二待训练模型根据所述预测特征图输出所述第二样本图像的预测人数。
[0033]在本申请的一些实施例中，所述样本数据还包括所述第二样本图像对应的实际密度图，所述第二待训练模型还用于根据所述预测特征图输出所述第二样本图像的预测密度图；
[0034]所述根据所述实际人数和所述预测人数，确定所述第二待训练模型的总损失值，包括：
[0035]根据所述实际人数和所述预测人数确定第一损失值，根据所述实际密度图和所述预测密度图确定第二损失值；
[0036]根据所述第一损失值和所述第二损失值，确定所述第二待训练模型的总损失值。
[0037]另一方面，本申请实施例提供一种人群计数装置，所述人群计数装置包括：
[0038]获取单元，用于获取目标图像，并获取所述目标图像的目标密度信息，所述目标图像是指承载人群的图像，所述目标密度信息是指所述目标图像中承载的人群的疏密情况；
[0039]处理单元，用于根据所述获取单元获取的所述目标密度信息，采用不同膨胀率的卷积对所述目标图像进行特征提取，得到多个目标特征；对所述各个目标特征进行融合，得到所述目标图像的目标特征图；
[0040]计数单元，用于根据所述处理单元得到的所述目标特征图确定所述目标图像对应的目标人数。
[0041]在本申请的一些实施例中，所述处理单元具体还用于：
[0042]分别通过多个预设膨胀率的卷积核对所述目标图像进行卷积操作，得到多个基本特征图；
[0043]根据所述目标密度信息确定每个预设密度等级对应的目标区域，并确定每个所述预设密度等级映射的目标基本特征图，所述目标区域是指所述目标图像中，人群密度处于所述预设密度等级的区域，所述预设密度等级用于指示所述目标图像的各个区域的相对疏密情况；
[0044]从每个所述预设密度等级映射的所述目标基本特征图中，获取每个所述预设密度等级的目标特征，得到多个目标特征，所述预设密度等级的目标特征是指所述预设密度等级对应的所述目标区域的图像特征。
[0045]在本申请的一些实施例中，所述获取单元具体还用于：
[0046]将所述目标图像输入预设的尺度感知模型，以使得所述尺度感知模型根据所述目标图像，预测出所述目标图像的目标密度信息；
[0047]所述尺度感知模型通过如下步骤得到：
[0048]获取多个第一样本图像，所述第一样本图像标本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人群计数方法，其特征在于，所述方法包括：获取目标图像，并获取所述目标图像的目标密度信息，所述目标图像是指承载人群的图像，所述目标密度信息是指所述目标图像中承载的人群的疏密情况；根据所述目标密度信息，采用不同膨胀率的卷积对所述目标图像进行特征提取，得到多个目标特征；对所述各个目标特征进行融合，得到所述目标图像的目标特征图；根据所述目标特征图确定所述目标图像对应的目标人数。2.根据权利要求1所述的人群计数方法，其特征在于，所述根据所述目标密度信息，采用不同膨胀率的卷积对所述目标图像进行特征提取，得到多个目标特征，包括：分别通过多个预设膨胀率的卷积核对所述目标图像进行卷积操作，得到多个基本特征图；根据所述目标密度信息确定每个预设密度等级对应的目标区域，并确定每个所述预设密度等级映射的目标基本特征图，所述目标区域是指所述目标图像中，人群密度处于所述预设密度等级的区域，所述预设密度等级用于指示所述目标图像的各个区域的相对疏密情况；从每个所述预设密度等级映射的所述目标基本特征图中，获取每个所述预设密度等级的目标特征，得到多个目标特征，所述预设密度等级的目标特征是指所述预设密度等级对应的所述目标区域的图像特征。3.根据权利要求1所述的人群计数方法，其特征在于，所述获取所述目标图像的目标密度信息，包括：将所述目标图像输入预设的尺度感知模型，以使得所述尺度感知模型根据所述目标图像，预测出所述目标图像的目标密度信息；所述尺度感知模型通过如下步骤得到：获取多个第一样本图像，所述第一样本图像标注有密度信息标签，所述密度信息标签用于指示所述第一样本图像的密度信息；将所述第一样本图像输入第一待训练模型，以使得所述第一待训练模型根据所述第一样本图像，输出所述第一样本图像的第一预测密度信息；根据所述第一预测密度信息和所述密度信息标签对应的密度信息，确定所述第一待训练模型的训练损失值，并根据所述训练损失值更新所述第一待训练模型的模型参数，直至所述第一待训练模型收敛，将所述第一待训练模型作为尺度感知模型。4.根据权利要求1所述的人群计数方法，其特征在于，所述根据所述目标特征图确定所述目标图像对应的目标人数，包括：根据所述目标特征图确定所述目标图像的目标密度图；根据所述目标密度图，确定所述目标图像对应的目标人数。5.根据权利要求1-4任一项所述的人群计数方法，其特征在于，所述方法通过计数模型实现，所述计数模型...
【专利技术属性】
技术研发人员：刘西洋，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
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。