人群密度估计方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种人群密度估计方法、装置、设备及存储介质，所述方法，包括：通过对原始图像中的人头目标进行标注，将人头目标分为N类；其中，N为正整数；基于N类人头目标，获取N类人头目标的真实数据集；真实数据集包括真实密度图、真实前景区域以及真实背景区域；基于深度神经网络对原始图像中的人头目标进行处理，输出估计数据集，估计数据集包括：估计密度图、估计前景区域以及估计背景区域；基于真实数据集以及估计数据集，获取总损失数据集；基于总损失数据集对深度神经网络进行训练，获取目标深度神经网络。本发明专利技术的技术方案，将前景估计、背景估计以及人群密度估计结合，可以减少误报。少误报。少误报。

【技术实现步骤摘要】
人群密度估计方法、装置、设备及存储介质


[0001]本专利技术属于图像处理
，尤其涉及一种人群密度估计方法、装置、设备及存储介质。

技术介绍

[0002]人群密度估计的主要目标是估计拍摄视野内的人数，利用各个区域预测的人数，可以防止踩踏事件、人群聚集等问题、从而对商场等场所的摊位布局等问题提供参考。但是，由于场景多变且人头目标较小，这就导致了人群密度估计有时在部分背景上产生大量小目标的误报。
[0003]目前，常见的降低密度图估计方法的误报的典型方法为结合运动信息，最简单的方法为直接丢弃非运动区域的目标，从而减少非目标区域的误报；还有部分方法首先利用图像预测前景区域，结合前景区域进行密度图的预测；但该类方法存在前景区域的预测较难，在尺度差异较大的情况下的效果也不佳的问题。
[0004]此外，目前的密度图生成方法大多存在如下问题：部分复杂背景会导致密度图估计的较大偏差，结合前景的方法，也很难获取较为准确的前景区域信息；在目标差异较大时，密度图估计也容易造成较大的偏差。

技术实现思路

[0005]本专利技术旨在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人群密度估计方法，其特征在于，包括：通过对原始图像中的人头目标进行标注，将所述人头目标分为N类；其中，N为正整数；基于N类所述人头目标，获取N类所述人头目标的真实数据集；所述真实数据集包括真实密度图、真实前景区域以及真实背景区域；基于深度神经网络对所述原始图像中的人头目标进行处理，输出估计数据集，所述估计数据集包括：估计密度图、估计前景区域以及估计背景区域；基于所述真实数据集以及估计数据集，获取总损失数据集；基于所述总损失数据集对所述深度神经网络进行训练，获取目标深度神经网络。2.根据权利要求1所述的方法，其特征在于，所述通过对原始图像中的人头目标进行标注，将所述人头目标分为N类，包括：计算获取所述人头目标P的长宽的平均值d
p
；基于所述长宽的平均值d
p
以及预设平均值的阈值对所述人头目标进行分类，获取N类所述人头目标。3.根据权利要求1所述的方法，其特征在于，所述基于N类所述人头目标，获取N类所述人头目标的真实数据集，包括：获取每个类别的所述人头目标的真实密度图；获取每个类别的所述人头目标的真实前景区域；基于所述真实前景区域，生成所述真实背景区域；基于所述真实密度图、真实前景区域以及真实背景区域，获取N类所述人头目标的所述真实数据集。4.根据权利要求3所述的方法，其特征在于，所述真实密度图基于如下公式计算获得：式中代表以x
p
为中心的标准差为σ
P
的高斯函数在位置x的取值；i＝1,2,3
……
N；R
i
为第i类所述人头目标的集合。5.根据权利要求3所述的方法，其特征在于，所述真实前景区域基于如下公式计算获得：其中，||x||2为x中非零元素的平方和的平方根。6.根据权利要求3所述的方法，其特征在于，所述真实背景区域基于如下公式计算获得：
7.根据权利要求1所述的...

【专利技术属性】
技术研发人员：肖传利，
申请(专利权)人：深圳市联洲国际技术有限公司，
类型：发明
国别省市：