图像处理和人群密度估计方法、设备及存储介质技术

本申请实施例提供一种图像处理和人群密度估计方法、设备及存储介质。在本申请实施例中，一方面，对待处理图像进行主体识别，来确定待处理图像的主体区域；另一方面，对待处理图像进行主体密度估计，得到待处理图像的密度图；之后，基于待处理图像的主体区域，对密度图进行滤波，得到滤波后的密度图，降低了密度图的背景噪声，进而有助于提高主体密度估计的准确度，以及后续根据密度图进行主体计数的准确度。度。度。

【技术实现步骤摘要】
图像处理和人群密度估计方法、设备及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种图像处理和人群密度估计方法、设备及存储介质。

技术介绍

[0002]近年来，节日庆典、演唱会和体育赛事等大规模群体性活动日益频繁，由于人群密集所引发的群体性突发事件成为了社会的焦点。人群计数作为人群控制和管理的重要方式，不仅能对当前场景下的人群进行统计，协助资源分配，还能对突发事件的发生进行预案，加强公众场所的安全。
[0003]在现有技术中，经常对人群密度图进行直接求和得到最终的人数。但是，由于图像背景噪声的影响，导致密度图中与背景区域对应的部分也有较强的响应值，进而导致人群计数存在较大误差，准确度较低。

技术实现思路

[0004]本申请的多个方面提供一种图像处理和人群密度估计方法、设备及存储介质，用以降低主体密度图的背景噪声，进而有助于提高后续主体计数的准确度。
[0005]本申请实施例提供一种图像处理方法，包括：
[0006]获取待处理图像；
[0007]对所述待处理图像进行主体密度估计，以得到所述待处理图像的第一密度图；
[0008]对所述待处理图像进行主体识别，以确定所述待处理图像的主体区域；
[0009]基于所述待处理图像的主体区域，对所述第一密度图进行滤波，以得到所述待处理图像的第二密度图。
[0010]本申请实施例还提供一种人群密度估计方法，包括：
[0011]获取待处理图像；
[0012]对所述待处理图像进行人群密度估计，以得到第一人群密度图；
[0013]对所述待处理图像进行人头识别，以确定所述待处理图像的人头区域；
[0014]基于所述待处理图像的人头区域，对所述第一人群密度图进行滤波，以得到第二人群密度图。
[0015]本申请实施例还提供一种图像处理方法，包括：
[0016]响应于图像处理请求事件，获取待处理图像；
[0017]对所述待处理图像进行主体密度估计，以得到所述待处理图像的第一密度图；
[0018]对所述待处理图像进行主体识别，以确定所述待处理图像的主体区域；
[0019]基于所述待处理图像的主体区域，对所述第一密度图进行滤波，以得到所述待处理图像的第二密度图。
[0020]本申请实施例还提供一种电子设备，包括：存储器和处理器；其中，所述存储器，用于存储计算机程序；
[0021]所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行上述图像处理方法和/或人群密度估计方法中的步骤。
[0022]本申请实施例还提供一种存储有计算机指令的计算机可读存储介质，其当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行上述图像处理方法和/或人群密度估计方法中的步骤。
[0023]在本申请实施例中，一方面，对待处理图像进行主体识别，来确定待处理图像的主体区域；另一方面，对待处理图像进行主体密度估计，得到待处理图像的密度图；之后，基于待处理图像的主体区域，对密度图进行滤波，得到滤波后的密度图，降低了密度图的背景噪声，进而有助于提高主体密度估计的准确度，以及后续根据密度图进行主体计数的准确度。
附图说明
[0024]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0025]图1a为本申请实施例提供的图像处理方法的流程示意图；
[0026]图1b为本申请实施例提供的图像处理过程示意图；
[0027]图1c为本申请实施例提供的相机采集视角下的成像位置关系示意图；
[0028]图1d为本申请实施例提供的模型训练过程示意图；
[0029]图1e为本申请实施例提供的模型训练流程示意图；
[0030]图2a为本申请实施例提供的另一种图像处理方法的流程示意图；
[0031]图2b为本申请实施例提供的人群密度估计方法的流程示意图；
[0032]图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0033]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
[0034]在现有技术中，经常对人群密度图进行直接求和得到最终的人数。但是，由于图像背景噪声的影响，导致密度图中与背景区域对应的部分也有较强的响应值，进而导致人群计数存在较大误差，准确度较低。
[0035]为了解决上述技术问题，在本申请一些实施例中，一方面，对待处理图像进行主体识别，来确定待处理图像的主体区域；另一方面，对待处理图像进行主体密度估计，得到待处理图像的密度图；之后，基于待处理图像的主体区域，对密度图进行滤波，得到滤波后的密度图，降低了密度图的背景噪声，进而有助于提高主体密度估计的准确度，以及后续根据密度图进行主体计数的准确度。
[0036]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0037]应注意到：相同的标号在下面的附图以及实施例中表示同一物体，因此，一旦某一物体在一个附图或实施例中被定义，则在随后的附图和实施例中不需要对其进行进一步讨论。
[0038]图1a为本申请实施例提供的图像处理方法的流程示意图。如图1a所示，该方法包括：
[0039]101、获取待处理图像。
[0040]102、对待处理图像进行主体密度估计，以得到待处理图像的第一密度图。
[0041]103、对待处理图像进行主体识别，以确定待处理图像的主体区域。
[0042]104、基于待处理图像的主体区域，对第一密度图进行滤波，以得到待处理图像的第二密度图。
[0043]本实施例提供的图像处理方法可由图像采集设备执行，也可由具有图像采集功能的电子设备执行，当然也可由计算机设备执行。其中，图像采集设备可以为相机、摄像头等；具有图像采集功能的电子设备可以为搭载有摄像头的自主移动设备或终端设备等。自主移动设备可以为可自主移动的机器人、无人驾驶车辆或无人机等；终端设备可以为电脑、智能手机或可穿戴设备等。
[0044]计算机设备可以为电脑、智能手机等终端设备，也可为服务端设备。服务端设备可以为单一服务器设备，也可以云化的服务器阵列，或者为云化的服务器阵列中运行的虚拟机(Virtual Machine，VM)。
[0045]在本申请实施例中，无论图像处理方法的执行主体为何种设备，在步骤101中，可获取待处理图像。对于具有图像采集功能的电子设备来说，可通过图像采集设备采集图像，并将图像采集设备采集到的图像作为待处理图像。对于计算机设备来说，可与图像采集设备进行通信，并接收图像采集设备发送本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取待处理图像；对所述待处理图像进行主体密度估计，以得到所述待处理图像的第一密度图；对所述待处理图像进行主体识别，以确定所述待处理图像的主体区域；基于所述待处理图像的主体区域，对所述第一密度图进行滤波，以得到所述待处理图像的第二密度图。2.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行主体识别，以确定所述待处理图像的主体区域，包括：将所述待处理图像输入骨干网络进行特征提取，以得到所述待处理图像的初始图像特征；利用第一分支网络，对所述初始图像特征进行主体识别，以得到所述待处理图像的主体区域。3.根据权利要求2所述的方法，其特征在于，所述利用第一分支网络，对所述初始图像特征进行主体识别，以得到所述待处理图像的主体区域，包括：将所述初始图像特征输入第一分支网络；在所述第一分支网络中，对所述初始图像特征进行卷积处理，以得到所述待处理图像的第一目标特征；其中，所述第一目标特征是所述待处理图像为主体或背景的特征体现；根据所述第一目标特征，获取所述待处理图像中属于主体的像素点；根据所述待处理图像中属于主体的像素点，确定所述待处理图像的主体区域。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一目标特征，获取所述待处理图像中属于主体的像素点，包括：根据所述第一目标特征，计算所述待处理图像中的像素点属于主体和背景的概率；针对任一像素点，若该像素点属于主体的概率大于其属于背景的概率，则确定该像素点属于主体。5.根据权利要求2所述的方法，其特征在于，所述对所述待处理图像进行主体密度估计，以得到所述待处理图像的第一密度图，包括：利用第二分支网络，对所述初始图像特征进行主体密度估计，以得到所述第一密度图。6.根据权利要求5所述的方法，其特征在于，所述利用第二分支网络，对所述初始图像特征进行主体密度估计，以得到所述第一密度图，包括：将所述初始图像特征输入所述第二分支网络；在所述第二分支网络中，对所述初始图像特征进行卷积处理，以得到所述待处理图像的第二目标特征；其中，所述第二目标特征是所述待处理图像的主体密度的特征体现；根据所述第二目标特征，生成所述第一密度图。7.根据权利要求6所述的方法，其特征在于，所述基于所述待处理图像的主体区域，对所述第一密度图进行滤波，以得到所述待处理图像的第二密度图，包括：在所述第一分支网络中，基于所述待处理图像的主体区域，生成所述待处理图像的蒙版；所述待处理图像的蒙版中标注为1的区域与所述主体区域相对应；将所述蒙版与所述第一密度图相乘，得到所述第二密度图。8.根据权利要求7所述的方法，其特征在于，在基于所述待处理图像的主体区域，生成
所述待处理图像的蒙版之前，还包括：以联合损失函数最小化为训练目标，利用样本图像对初始网络模型进行联合训练，以得到所述骨干网络、第一分支网络和第二分支网络；其中，所述初始网络模型包括：初始特征提取网络、初始分割分支网络和初始密度估计分支网络；其中，所述联合损失函数是根据模型训练输出的蒙版与所述样本图像的蒙版真值图所确定的交叉熵函数，及模型训练输出的密度图和模型训练输出的蒙版的...

【专利技术属性】
技术研发人员：颜肇义，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：