一种人群计数方法、装置、电子设备及存储介质制造方法及图纸

本公开涉及计算机视觉领域，提供了一种人群计数方法、装置、电子设备及存储介质。该方法包括：获取人群图像；提取人群图像的多尺度融合特征；对多尺度融合特征进行编码和解码处理，得到多个特征级别的人头尺度密度特征；确定每一个特征级别的人头尺度密度特征对应的预测密度图；将每一个预测密度图均划分为多个图像切片，计算每一个图像切片在各个特征级别上的置信度标签，并根据置信度标签确定用于对图像切片进行人数预测的最优特征级别；根据每一个预测密度图的各个图像切片所对应的最优特征级别进行人数预测，得到人群图像的人群计数。本公开能够减少人头密集区域的过少计数和人头稀疏区域的过多计数情况，对密集人群的计数准确性较高。数准确性较高。数准确性较高。

【技术实现步骤摘要】
一种人群计数方法、装置、电子设备及存储介质


[0001]本公开涉及计算机视觉领域，尤其涉及一种人群计数方法、装置、电子设备及存储介质。

技术介绍

[0002]在公共场合下，拥挤人群流量统计和秩序疏散一直都是备受关注的话题，如果能准确识别拍摄图片中的密集人群计数以及不同方向的人群密度的话，对于现场的指挥疏散和维持秩序都将起到关键作用。
[0003]目前的人群计数有两大主流计算方式，一种是通过对图片中的人群进行头肩或者半身进行检测的方式来进行人群计数，然而在密集场景下，由于人群密度高，头肩等身体部位非常容易出现被遮挡的情况，从而导致检测到的有效头肩等身体信息非常少，进而直接影响到计数的准确性。另一种是基于回归的方法，通过数据学习到图像低维特征到人群计数的映射，但是这种方法难以解决连续变化的人头尺度和密度的问题，导致局部区域计数过高或者计数过低，因而计数的准确性也不高。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种人群计数方法、装置、电子设备及存储介质，以解决现有技术中针对密集人群计数的方法难以解决连续变化的人头本文档来自技高网...

【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，包括：获取人群图像；提取所述人群图像的多尺度融合特征；对所述多尺度融合特征进行编码和解码处理，得到多个特征级别的人头尺度密度特征；确定每一个特征级别的人头尺度密度特征对应的预测密度图；将每一个所述预测密度图均划分为多个图像切片，计算每一个所述图像切片在各个特征级别上的置信度标签，并根据所述置信度标签确定用于对所述图像切片进行人数预测的最优特征级别；根据每一个所述预测密度图的各个图像切片所对应的最优特征级别进行人数预测，得到所述人群图像的人群计数。2.根据权利要求1所述的方法，其特征在于，提取所述人群图像的多尺度融合特征，包括：对所述人群图像进行一次卷积处理，得到第一尺度卷积特征；采用对所述第一尺度卷积特征分别进行二次、三次、四次和五次卷积处理，得到第二尺度卷积特征、第三尺度卷积特征、第四尺度卷积特征和第五尺度卷积特征；对所述第二尺度卷积特征和第三尺度卷积特征进行融合，得到第一融合特征；对所述第四尺度卷积特征和第五尺度卷积特征进行融合，得到第二融合特征；对所述第一融合特征和第二融合特征进行融合，得到多尺度融合特征。3.根据权利要求1所述的方法，其特征在于，所述多个特征级别的人头尺度密度特征包括i个特征级别的人头尺度密度特征，i为≥3的正整数；对所述多尺度融合特征进行编码和解码处理，得到多个特征级别的人头尺度密度特征，包括：在编码阶段，对所述多尺度融合特征进行逐级降采样处理，得到第1至第j个特征级别的降采样特征，j为≥3的正整数；在解码阶段，将第j个特征级别的降采样特征确定为第i个特征级别的人头尺度密度特征，根据第i个特征级别的人头尺度密度特征、第j
‑
p个特征级别的降采样特征，确定第i
‑
1至第1个特征级别的人头尺度密度特征，p＝1,2,...(j
‑
1)。4.根据权利要求3所述的方法，其特征在于，根据第i个特征级别的人头尺度密度特征、第j
‑
p个特征级别的降采样特征，确定第i
‑
1至第1个特征级别的人头尺度密度特征，包括：对第i个特征级别的人头尺度密度特征进行上采样，得到上采样特征；将所述上采样特征与所述第j
‑
p个特征级别的降采样特征进行聚合，得到第i
‑
q个特征级别的人头尺度密度特征，q＝1,2,...(i
‑
1)；p＝q。5.根据权利要求1所述的方法，其特征在于，确定每一个特征级别的人头尺度密度特征对应的预测密度图，包括：针对每一个特征级...

【专利技术属性】
技术研发人员：程剑杰，
申请(专利权)人：北京龙智数科科技服务有限公司，
类型：发明
国别省市：