一种基于强化学习的目标计数方法技术

本发明专利技术提供了一种一种基于强化学习的目标计数方法，包括：步骤S1，图像预处理；步骤S2，映射至网格；步骤S3，获取密集区域；步骤S4，获取最佳密集区域划分：采用RegionNet进行步骤S3中获得的密集区域的边缘细化，设定相应的状态函数、动作选择以及奖励函数，获取最佳密集区域划分。步骤S5，获取图像中的人数。本发明专利技术尝试探索利用强化学习的思想对图像人群分布不均匀的区域按照人员聚集程度进行划分，将划分后的人群非密集区和密集区分别采用基于检测的人数计数和基于密度的人数计数的方法对最终的总人数进行估计，从而解决在不均匀分布场景下导致人数计数误差率较高的问题，进一步提高人群计数方法的准确率和模型的鲁棒性。

【技术实现步骤摘要】

本专利技术属于计算机视觉，涉及计数方法，具体涉及一种基于强化学习的目标计数方法。

技术介绍

1、随着计算机技术、网络通信技术和电子技术的高速发展以及对社会公共安全要求的逐渐升高，基于智能分析技术的智能监控系统得到了广泛的应用。作为智能分析技术的关键工具，计算机视觉通过对摄像机采集图像或视频序列进行处理，以获取所需的场景中的感知信息。其中，目标检测是计算机视觉的基础任务，也是其他任务的基础。而目标计数是目标检测任务的子任务，旨在识别和计数图像或视频中特定目标的数量。人群计数算法作为其中重要的一部分，在维护社会秩序和提升生活质量方面发挥着重要作用。此外，人群计数算法能迁移到其他相关领域包括生命科学、智慧农业等。

2、目前，人群技术算法在实际应用中仍面临着一系列挑战。由于人群聚集可能发生在任意封闭、半封闭、开放场景下，而行人个体乃至人群群体都会呈现出丰富的视觉变化，这给人群计数带来了很大的困难，比如，遮挡(物体遮挡或人群遮挡)、非均匀人群分布、复杂背景、视点变化、光照变化以及天气因素等。所以这些复杂的变化因素使得人群计数方法需要较强的鲁棒性和适应。虽本文档来自技高网...

【技术保护点】

1.一种基于强化学习的目标计数方法，其特征在于，该方法按照以下步骤进行：

2.如权利要求1所述的一种基于强化学习的目标计数方法，其特征在于，步骤S1中，所述的图像预处理的具体包括以下步骤：

3.如权利要求1所述的基于强化学习的目标计数方法，其特征在于，步骤S3中，所述的设定初始的密集区域和非密集区域的方法为：

4.如权利要求1所述的基于强化学习的目标计数方法，其特征在于，步骤S4中，所述的状态是指选择的密集区域grid经过处理为相同大小的图像后，使用Resnet50主干的前四层卷积获取各密集区域的特征并将各密集区域的特征进行拼接得到对应的特征Fi和此时...

【技术特征摘要】

1.一种基于强化学习的目标计数方法，其特征在于，该方法按照以下步骤进行：

2.如权利要求1所述的一种基于强化学习的目标计数方法，其特征在于，步骤s1中，所述的图像预处理的具体包括以下步骤：

3.如权利要求1所述的基于强化学习的目标计数方法，其特征在于，步骤s3中，所述的设定初始的密集区域和非密集区域的方法为：

4.如权利要求1所述的基于强化学习的目标计数方法，其特征在于，步骤s4中，所述的状态是指选择的密集区域grid经过处理为相同大小的图像后，使用resnet50主干的前四层卷积获取各密集区域的特征并将各密集区域的特征进行拼接得到对应的特征fi和此时图像中的计数结果num；<...

【专利技术属性】
技术研发人员：许鹏飞，王静雯，郭竞，谷晓康，廖飞，李成，沈征宇，
申请(专利权)人：西北大学，
类型：发明
国别省市：