本申请提供一种确定人群数量的方法和相关装置。该方法中，在基于目标神经网络模型去确定图像中的人群数量时，目标神经网络模型能够对不同层输出的特征图进行融合处理。由于不同层输出的特征图可以反应不同尺度的特征，因此，当使用第一训练数据对目标神经网络模型进行训练时，目标神经网络模型可以更好的学习到多样性的图像中人群的尺度变化的特征，从而实现将目标图像输入至训练好的目标神经网络模型中时，训练好的目标神经网络模型可以更准确的输出目标图像对应的密度分布图，从而进一步提升在基于目标图像对应的密度分布图确定出的目标图像中的人群数量的准确性。的目标图像中的人群数量的准确性。的目标图像中的人群数量的准确性。
【技术实现步骤摘要】
确定人群数量的方法和相关装置
[0001]本申请涉及大数据
，尤其涉及一种确定人群数量的方法和相关装置。
技术介绍
[0002]及时确定公共场所中的人群数量对于避免一些不必要的灾难的发生是非常重要的。
[0003]目前，一种确定公共场所中的人群数量的方法是使用神经网络。具体地，该方法包括：获取目标图像；将目标图像输入至训练好的神经网络中获得该图像对应的密度分布图，其中，该训练好的神经网络模型用于接收图像并输出该图像对应的密度分布图；计算目标图像对应的密度分布图的积分和并将该积分和确定为目标图像中的人群数量。
[0004]但是，当前在基于神经网络确定人群数量时，存在准确率低的问题。
技术实现思路
[0005]本申请提供一种确定人群数量的方法和相关装置，以提升确定初的人群数量的准确性。
[0006]第一方面，本申请提供一种训练用于确定人群数量的神经网络的方法，包括：获取第一训练数据，第一训练数据中包括第一图像和标签，标签指示第一图像对应的第一密度分布图；使用第一训练数据对目标神经网络模型进行训练；其中，目标神经网络模型包括特征提取模块、第一尺度差分模块、第一上下文融合模块和预测模块，特征提取模块用于接收图像、对图像进行特征提取和输出提取到的特征图，第一尺度差分模块用于接收特征图、对特征图进行特征提取和输出提取到的特征图，第一上下文融合模块用于接收第一尺度差分模块输出的特征图和特征提取模块中的第一卷积层输出的特征图、对第一尺度差分模块输出的特征图和第一卷积层输出的特征图进行融合处理和输出融合后的特征图，预测模块用于接收融合后的特征图、基于融合后的特征图生成图像对应的密度分布图和输出密度分布图，密度图的积分和指示图像中的人群数量。
[0007]本申请提供的确定人群数量的方法中，目标神经网络模型中包括第一上下文融合模块，该第一上下文模块能够对特征提取层中的第一卷积层输出的特征图和第一尺度差分模块输出的特征图进行融合处理，即第一上下文模型能够对不同层输出的特征图进行融合处理。应理解，第一卷积层输出的特征图和第一尺度差分模块输出的特征图可以反应不同尺度的特征，因此，当使用第一训练数据对该目标神经网络模型进行训练时，该目标神经网络模型可以更好的学习到多样性的图像中人群的尺度变化的特征，使得将目标图像输入至该训练好的目标神经网络模型中时，该训练好的目标神经网络模型可以更准确的输出目标图像对应的密度分布图，从而进一步提升在基于目标图像对应的密度分布图确定出的目标图像中的人群数量的准确性。
[0008]结合第一方面，在一种可能的实现方式中，在对特征提取模块输出的特征图进行特征提取时，包括：使用N个卷积核对所述特征提取模块输出的特征图进行特征提取，获得N
个特征图，N个卷积核中包括至少两个不同尺寸的卷积核，N为大于1的正整数；对N个特征图中每相邻的两个特征图进行做差，获得N
‑
1个差分特征图；合并N
‑
1个差分特征图和特征提取模块输出的特征图；对合并后的特征图继续进行特征提取。
[0009]结合第一方面，在一种可能的实现方式中，特征提取模块中包括“VGG16”中的卷积层。
[0010]第二方面，本申请提供一种确定人群数量方法，包括：获取目标图像；使用目标神经网络模型获取目标图像对应的目标密度分布图，目标神经网络模型为使用如第一方面获取结合第一方面中的任一种实现方式进行训练得到的目标神经网络模型；确定目标密度分布图的积分和；确定目标图像中的人群数量为积分和。
[0011]第三方面，本申请提供一种训练用于确定人群数量的神经网络的装置，包括：获取模块，用于获取第一训练数据，第一训练数据中包括第一图像和标签，标签指示第一图像对应的第一密度分布图；处理模块，用于使用第一训练数据对目标神经网络模型进行训练；其中，目标神经网络模型包括特征提取模块、第一尺度差分模块、第一上下文融合模块和预测模块，特征提取模块用于接收图像、对图像进行特征提取和输出提取到的特征图，第一尺度差分模块用于接收特征图、对特征图进行特征提取和输出提取到的特征图，第一上下文融合模块用于接收第一尺度差分模块输出的特征图和特征提取模块中的第一卷积层输出的特征图、对第一尺度差分模块输出的特征图和第一卷积层输出的特征图进行融合处理和输出融合后的特征图，预测模块用于接收融合后的特征图、基于融合后的特征图生成图像对应的密度分布图和输出密度分布图，密度图的积分和指示图像中的人群数量。
[0012]结合第三方面，在一种可能的实现方式中，处理模块在对特征提取模块输出的特征图进行特征提取时，具体用于：使用N个卷积核对特征提取模块输出的特征图进行特征提取，获得N个特征图，N个卷积核中包括至少两个不同尺寸的卷积核，N为大于1的正整数；对N个特征图中每相邻的两个特征图进行做差，获得N
‑
1个差分特征图；合并N
‑
1个差分特征图和特征提取模块输出的特征图；对合并后的特征图继续进行特征提取。
[0013]结合第三方面，在一种可能的实现方式中，特征提取模块中包括“VGG16”中的卷积层。
[0014]第四方面，本申请提供一种确定人群数量装置，包括：获取模块，用于获取目标图像；获取模块还用于：使用目标神经网络模型获取目标图像对应的目标密度分布图，目标神经网络模型为使用如第一方面或结合第一方面中的任一种实现方式进行训练得到的目标神经网络模型；处理模块，用于确定目标密度分布图的积分和；处理模块还用于，确定目标图像中的人群数量为积分和。
[0015]第五方面，本申请提供一种训练用于确定人群数量的神经网络的装置，包括：处理器，所述处理器与存储器耦合，存储器用于存储计算机程序，当处理器调用所述计算机程序时，使得所述装置执行如第一方面及其中任意一种可能的实现方式中所述的方法。
[0016]第六方面，本申请提供一种确定人群数量的装置，包括：处理器，所述处理器与存储器耦合，存储器用于存储计算机程序，当处理器调用所述计算机程序时，使得所述装置执行如第二方面所述的方法。
[0017]第七方面，本申请提供一种芯片，包括至少一个处理器和通信接口，所述通信接口和所述至少一个处理器通过线路互联，所述至少一个处理器用于运行计算机程序或指令，
以执行如第一方面或第二方面或其中任意一种可能的实现方式中所述的方法。
[0018]第八方面，本申请提供一种计算机可读存储介质，所述计算机可读介质存储用于计算机执行的程序代码，该程序代码包括用于执行如第一方面或第二方面或其中任意一种可能的实现方式中所述的方法。
[0019]第九方面，本申请提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行如第一方面或第二方面或其中任意一种可能的实现方式所述的方法。
附图说明
[0020]图1为本申请提供的一种应用场景的示意图；
[0021]图2为本申请提供的训练用于确定人群数量的神经网络的方法的流程性示意图；
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种训练用于确定人群数量的神经网络的方法，其特征在于，包括：获取第一训练数据，所述第一训练数据中包括第一图像和标签，所述标签指示所述第一图像对应的第一密度分布图；使用所述第一训练数据对目标神经网络模型进行训练；其中，所述目标神经网络模型中包括特征提取模块、第一尺度差分模块、第一上下文融合模块和预测模块，所述特征提取模块用于接收图像、对所述图像进行特征提取和输出提取到的特征图，所述第一尺度差分模块用于接收所述特征图、对所述特征图进行特征提取和输出提取到的特征图，所述第一上下文融合模块用于接收第一尺度差分模块输出的特征图和所述特征提取模块中的第一卷积层输出的特征图、对第一尺度差分模块输出的特征图和第一卷积层输出的特征图进行融合处理和输出融合后的特征图，所述预测模块用于接收所述融合后的特征图、基于所述融合后的特征图生成所述图像对应的密度分布图和输出所述密度分布图，所述密度图的积分和指示所述图像中的人群数量。2.根据权利要求1所述的方法，其特征在于，在对所述特征提取模块输出的特征图进行特征提取时，包括：使用N个卷积核对所述特征提取模块输出的特征图进行特征提取，获得N个特征图，所述N个卷积核中包括至少两个不同尺寸的卷积核，N为大于1的正整数；对所述N个特征图中每相邻的两个特征图进行做差，获得N
‑
1个差分特征图；合并所述N
‑
1个差分特征图和所述特征提取模块输出的特征图；对合并后的特征图继续进行特征提取。3.根据权利要求1或2所述的方法，其特征在于，所述特征提取模块中包括“VGG16”中的卷积层。4.一种确定人群数量方法，其特征在于，包括：获取目标图像；使用目标神经网络模型获取所述目标图像对应的目标密度分布图，所述目标神经网络模型为使用如权利要求1至3中任一项所述的方法训练得到的目标神经网络模型；确定所述目标密度分布图的积分和；确定所述目标图像中的人群数量为所述积分和。5.一种训练用于确定人群数量的神经网络的装置，其特征在于，包括：获取模块，用于获取第一训练数据，所述第一训练数据中包括第一图像和标签，所述标签指示所述第一图像对应的第一密度分布图；处理模块，用于使用所述第一训练数据对目标神经网络模型进行训...
【专利技术属性】
技术研发人员：王珍，胡帅，谢继刚，罗杰，田向阳，
申请(专利权)人：联通数字科技有限公司联通西部创新研究院有限公司，
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。