图像人群计数方法、模型训练方法、装置、设备和介质制造方法及图纸

本公开的实施例公开了图像人群计数方法、模型训练方法、装置、设备和介质。该方法的一具体实施方式包括：获取待计数图像；将待计数图像输入预先训练的图像人群计数模型，得到待计数图像对应的人数，其中，图像人群计数模型包括特征提取网络、多个计数子网络和融合网络，每个计数子网络与一个人数区间对应，融合网络用于根据各个计数子网络的计数输出结果，生成待计数图像对应的人数。该实施方式提高了图像人群计数结果的精度。人群计数结果的精度。人群计数结果的精度。

【技术实现步骤摘要】
图像人群计数方法、模型训练方法、装置、设备和介质


[0001]本公开的实施例涉及计算机
，具体涉及图像人群计数方法、模型训练方法、装置、设备和介质。

技术介绍

[0002]图像人群计数是估计出图像中出现的总人数的一项技术，在智能安防方面有重要应用。实践中，往往通过图像人群计数模型实现图像人群计数。目前，在进行图像人群计数时，通常采用的方式为：训练一个卷积神经网络模型建立输入图像和总人数的映射，训练样本集里的样本图像的人数分布一般是不均匀的。
[0003]然而，当采用上述方式进行图像人群计数时，经常会存在如下技术问题：
[0004]无法对不同类别的图像进行针对性处理，导致图像人群计数结果的精度较低。

技术实现思路

[0005]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0006]本公开的一些实施例提出了图像人群计数方法、模型训练方法、装置、设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像人群计数方法，包括：获取待计数图像；将所述待计数图像输入预先训练的图像人群计数模型，得到所述待计数图像对应的人数，其中，所述图像人群计数模型包括特征提取网络、多个计数子网络和融合网络，每个计数子网络与一个人数区间对应，所述融合网络用于根据各个计数子网络的计数输出结果，生成所述待计数图像对应的人数。2.根据权利要求1所述的方法，其中，所述图像人群计数模型还包括分类子网络，所述分类子网络用于生成分类结果；以及所述融合网络用于根据所述各个计数子网络的计数输出结果和所述分类结果，生成所述待计数图像对应的人数。3.根据权利要求2所述的方法，其中，所述图像人群计数模型是通过样本集和多个样本子集训练得到的，所述样本集中的样本包括样本图像和所述样本图像的人数标签，所述多个样本子集是按照所述样本集中的各个样本图像的人数标签对应的人数区间，对所述样本集进行划分得到的。4.根据权利要求3所述的方法，其中，所述图像人群计数模型是通过以下步骤训练得到的：从所述样本集中选取样本；将所选取的样本的样本图像输入所述特征提取网络，得到第一图像特征信息；将所述第一图像特征信息输入所述分类子网络，得到分类结果；将所述分类结果输入归一化指数函数中，得到分类概率分布向量；基于所述分类概率分布向量和所选取的样本的样本图像的子集标签，确定分类损失值；基于所述分类损失值调整所述特征提取网络和所述分类子网络的参数；响应于满足训练结束条件，将调整参数后的特征提取网络和调整参数后的分类子网络确定为训练后的特征提取网络和训练后的分类子网络。5.根据权利要求4所述的方法，其中，所述图像人群计数模型是通过以下步骤训练得到的：对于所述多个计数子网络中的每个计数子网络，基于所述计数子网络对应的样本子集，训练所述计数子网络。6.根据权利要求5所述的方法，其中，所述对于所述多个计数子网络中的每个计数子网络，基于所述计数子网络对应的样本子集，训练所述计数子网络：从所述计数子网络对应的样本子集中选取样本；将所选取的样本的样本图像输入所述训练后的特征提取网络，得到第二图像特征信息；将所述第二图像特征信息输入所述计数子网络，得到计数结果；基于所述计数结果和所选取的样本的样本图像的人数标签之间的差异，确定计数损失值；基于所述计数损失值调整所述计数子网络的参数；响应于满足训练结束条件，将调整参数后的计数子网络确定为训练后的计数子网络。7.根据权利要求6所述的方法，其中，所述图像人群计数模型是通过以下步骤训练得到
的：从所述样本集中选取样本；将所选取的样本的样本图像输入所述训练后的特征提取网络，得到第三图像特征信息；将所述第三图像特征信息分别输入所述训练后的分类子网络和多个所述训练后的计数子网络，得到每个训练后的计数子网络的计数输出结果和训练后的分类子网络的分类输出结果；将所述分类输出结果输入所述归一化指数函数中，得到融合概率分布向量；基...

【专利技术属性】
技术研发人员：刘弘也，苏驰，李凯，王育林，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：