本申请公开了一种图像中人员目标检测方法、系统、装置及计算机可读存储介质，包括：若输入图像中人数的密度等级为低，则利用基于目标检测的人员检测方法，得到输入图像中的预测人员数量；若输入图像中人数的密度等级为高，则将输入图像分别输入第一密度图估计分支、第二密度图估计分支和尺度感知分支对输入图像进行处理，分别得到第一密度图估计结果、第二密度图估计结果和尺度感知权重系数；将第一密度图估计结果和第二密度图估计结果分别与尺度感知权重系数相乘并相加，得到最终密度图；利用最终密度图的像素值，得到输入图像中的预测人员数量。本申请针对不同密度的图像，采取不同的算法，使得密度估计方法更具有场景针对性，提高检测的精准度。提高检测的精准度。提高检测的精准度。
【技术实现步骤摘要】
图像中人员目标检测方法、系统、装置及存储介质
[0001]本专利技术涉及图像识别
，特别涉及一种图像中人员目标检测方法、系统、装置及计算机可读存储介质。
技术介绍
[0002]人员目标计数的主要目标是对包含行人聚集的输入图像给出图像内行人的数量，在社会安全和商业领域等方面都有着广泛的应用前景。
[0003]传统的人员目标计数算法主要由两大类。一类是基于检测的方法，通过直接检测场景中所有目标个体直接获得目标数量。比如，通过检测图像中行人或者人的头部、面部等来计算人数。基于检测的方法依赖于对个体的准确检测和分割，当场景中的目标密度较小时可以获得良好的结果。然而随着目标分布密集程度的增加，目标间的相互遮挡会增加目标检测的困难性，不适宜对大规模群体进行统计。第二种则是基于回归的方法，主要思想是通过学习人群的整体或者局部特征到其对应的人群的映射，通常先提取出图像中低级的特征，例如前景特征、边缘特征、纹理和梯度特征等，再直接建立图像特征和图像人数的回归模型，避免了个体检测这样一个难度较高的问题。
[0004]虽然上述两类算法同时利用了密度图回归和检测的方法，但对密度图回归和检测方法的利用不够充分，没能挖掘两种方法适应场景的不同和各自针对不同群体分布的优势。
技术实现思路
[0005]有鉴于此，本专利技术的目的在于提供一种图像中人员目标检测方法、系统、装置及计算机可读存储介质，针对不同密度的图像采用不同的图像分析方法，提高分析结果的准确度。其具体方案如下：
[0006]一种图像中人员目标检测方法，包括：
[0007]接收给定的输入图像；
[0008]判断所述输入图像中人数的密度等级；
[0009]若判定所述输入图像中人数的密度等级为低，则利用基于目标检测的人员检测方法，对所述输入图像中人数进行计算，得到所述输入图像中的预测人员数量；
[0010]若判定所述输入图像中人数的密度等级为高，则将所述输入图像分别输入第一密度图估计分支、第二密度图估计分支和尺度感知分支对所述输入图像进行处理，分别得到与所述第一密度图估计分支对应的第一密度图估计结果、与所述第二密度图估计分支对应的第二密度图估计结果和与所述尺度感知分支对应的尺度感知权重系数；
[0011]将所述第一密度图估计结果和所述第二密度图估计结果分别与所述尺度感知权重系数相乘，得到第一中间密度图和第二中间密度图；
[0012]将所述第一中间密度图和所述第二中间密度图相加，得到最终密度图；
[0013]利用所述最终密度图的像素值，得到所述输入图像中的预测人员数量；
[0014]其中，所述第一密度图估计结果与所述第二密度图估计结果不同。
[0015]可选的，所述将所述输入图像输入第一密度图估计分支，得到与所述第一密度图估计分支对应的第一密度图估计结果的过程，包括：
[0016]将所述输入图像输入所述第一密度图估计分支，所述第一密度图估计分支对所述输入图像进行特征提取，得到第一特征，对所述第一特征进行后端解码，得到所述第一密度图估计结果。
[0017]可选的，所述将所述输入图像输入第二密度图估计分支，得到与所述第二密度图估计分支对应的第二密度图估计结果的过程，包括：
[0018]将所述输入图像输入所述第二密度图估计分支，所述第二密度图估计分支对所述输入图像进行特征提取，得到第二特征，对所述第二特征进行后端解码，得到所述第二密度图估计结果。
[0019]可选的，所述将所述输入图像输入尺度感知分支，得到与所述尺度感知分支对应的尺度感知权重系数的过程，包括：
[0020]将所述输入图像输入所述尺度感知分支，所述尺度感知分支对所述输入图像进行共享尺度特征提取，生成所述尺度感知权重系数。
[0021]可选的，所述尺度感知分支利用人员尺寸分布图进行训练得到；
[0022]所述人员尺寸分布图的训练的过程，包括：
[0023]对图像中人员尺寸进行采样，得到一系列采样的人员中心点与尺寸；
[0024]对采样到的人员中心点横向上进行最邻近插值，纵向上进行线性插值，得到所述人员尺寸分布图。
[0025]可选的，所述人员中心点为标注数据中的真值中心点坐标。
[0026]本专利技术还公开了一种图像中人员目标检测系统，包括：
[0027]图像接收模块，用于接收给定的输入图像；
[0028]密度判断模块，用于判断所述输入图像中人数的密度等级；
[0029]低密度检测模块，用于若所述密度判断模块判定所述输入图像中人数的密度等级为低，则利用基于目标检测的人员检测方法，对所述输入图像中人数进行计算，得到所述输入图像中的预测人员数量；
[0030]高密度分析模块，用于若所述密度判断模块判定所述输入图像中人数的密度等级为高，则将所述输入图像分别输入第一密度图估计分支、第二密度图估计分支和尺度感知分支对所述输入图像进行处理，分别得到与所述第一密度图估计分支对应的第一密度图估计结果、与所述第二密度图估计分支对应的第二密度图估计结果和与所述尺度感知分支对应的尺度感知权重系数；
[0031]中间密度计算模块，用于将所述第一密度图估计结果和所述第二密度图估计结果分别与所述尺度感知权重系数相乘，得到第一中间密度图和第二中间密度图；
[0032]最终密度计算模块，用于将所述第一中间密度图和所述第二中间密度图相加，得到最终密度图；
[0033]高密度检测模块，用于利用所述最终密度图的像素值，得到所述输入图像中的预测人员数量；
[0034]其中，所述第一密度图估计结果与所述第二密度图估计结果不同。
[0035]可选的，所述尺度感知分支利用人员尺寸分布图进行训练得到；
[0036]所述人员尺寸分布图的训练的过程，还包括：
[0037]人员采样模块，用于对样本图像中人员尺寸进行采样，得到一系列采样的人员中心点与尺寸；
[0038]分布图模块，用于对采样到的人员中心点横向上进行最邻近插值，纵向上进行线性插值，得到所述人员尺寸分布图。
[0039]本专利技术还公开了一种图像中人员目标检测装置，包括：
[0040]存储器，用于存储计算机程序；
[0041]处理器，用于执行所述计算机程序以实现如前述的图像中人员目标检测方法。
[0042]本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的图像中人员目标检测方法。
[0043]本专利技术中，图像中人员目标检测方法，包括：接收给定的输入图像；判断输入图像中人数的密度等级；若判定输入图像中人数的密度等级为低，则利用基于目标检测的人员检测方法，对输入图像中人数进行计算，得到输入图像中的预测人员数量；若判定输入图像中人数的密度等级为高，则将输入图像分别输入第一密度图估计分支、第二密度图估计分支和尺度感知分支对输入图像进行处理，分别得到与第一密度图估计分支对应的第一密度本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像中人员目标检测方法，其特征在于，包括：接收给定的输入图像；判断所述输入图像中人数的密度等级；若判定所述输入图像中人数的密度等级为低，则利用基于目标检测的人员检测方法，对所述输入图像中人数进行计算，得到所述输入图像中的预测人员数量；若判定所述输入图像中人数的密度等级为高，则将所述输入图像分别输入第一密度图估计分支、第二密度图估计分支和尺度感知分支对所述输入图像进行处理，分别得到与所述第一密度图估计分支对应的第一密度图估计结果、与所述第二密度图估计分支对应的第二密度图估计结果和与所述尺度感知分支对应的尺度感知权重系数；将所述第一密度图估计结果和所述第二密度图估计结果分别与所述尺度感知权重系数相乘，得到第一中间密度图和第二中间密度图；将所述第一中间密度图和所述第二中间密度图相加，得到最终密度图；利用所述最终密度图的像素值，得到所述输入图像中的预测人员数量；其中，所述第一密度图估计结果与所述第二密度图估计结果不同。2.根据权利要求1所述的图像中人员目标检测方法，其特征在于，所述将所述输入图像输入第一密度图估计分支，得到与所述第一密度图估计分支对应的第一密度图估计结果的过程，包括：将所述输入图像输入所述第一密度图估计分支，所述第一密度图估计分支对所述输入图像进行特征提取，得到第一特征，对所述第一特征进行后端解码，得到所述第一密度图估计结果。3.根据权利要求2所述的图像中人员目标检测方法，其特征在于，所述将所述输入图像输入第二密度图估计分支，得到与所述第二密度图估计分支对应的第二密度图估计结果的过程，包括：将所述输入图像输入所述第二密度图估计分支，所述第二密度图估计分支对所述输入图像进行特征提取，得到第二特征，对所述第二特征进行后端解码，得到所述第二密度图估计结果。4.根据权利要求3所述的图像中人员目标检测方法，其特征在于，所述将所述输入图像输入尺度感知分支，得到与所述尺度感知分支对应的尺度感知权重系数的过程，包括：将所述输入图像输入所述尺度感知分支，所述尺度感知分支对所述输入图像进行共享尺度特征提取，生成所述尺度感知权重系数。5.根据权利要求1至4任一项所述的图像中人员目标检测方法，其特征在于，所述尺度感知分支利用人员尺寸分布图进行训练得到；所述人员尺寸分布图的训练的过程，包括：对图像中人员尺寸...
【专利技术属性】
技术研发人员：方芹，张重阳，张保柱，陈铁义，刘振宇，伍瑞文，郑卓凡，王激华，马丽军，吴召华，
申请(专利权)人：宁波海棠信息技术有限公司国家电网有限公司，
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。