【技术实现步骤摘要】
本申请涉及一种人群计数与定位方法。
技术介绍
1、人群计数在各类场景中具有广泛应用，例如监控区域、演唱会、课堂等。当采用机器学习模型实现人群计数时，对应于不同的应用场景，机器学习模型会采用不同的训练数据集，不同的训练数据集就被认为是不同的域。
2、请参阅图1，这是一种现有的用于多个域的人群计数模型。每个域有独立的输入头、域独占网络、输出头，所有域共用一个域共享网络。输入数据需要标注属于哪个域，从而使用相应的域独占网络，而不使用其他域的域独占网络。这种人群计数模型通常先采用某一种训练数据集训练出的、适用于某一种应用场景(称为旧域)，然后再用另一种训练数据集训练、适用于另一种应用场景(称为新域)，从旧域转换为新域后这种人群计数模型就会出现性能下降的问题，例如在新场景下出现人群计数不准确的情况。
技术实现思路
1、本申请所要解决的技术问题是如何将一种在旧域上训练好的人群计数模型用于新域，同时确保该人群计数模型在不同场景下都能实现准确的人数统计与定位。
2、为解决上述技术问...
【技术保护点】
1.一种基于域增量学习的人群计数定位方法，其特征是，包括如下步骤；
2.根据权利要求1所述的基于域增量学习的人群计数定位方法，其特征是，所述步骤S1中，所收集的每幅人群图片或者采用点标记在人群图片中指示每个人头的中心位置，或者采用框标记在人群图片中指示围绕每个人头的矩形框。
3.根据权利要求2所述的基于域增量学习的人群计数定位方法，其特征是，所述步骤S1中，对于采用点标记的人群图片，根据每个点标记生成围绕每个人头的矩形掩码标签；对于采用框标记的人群图片，直接根据每个框标记的区域生成矩形掩码标签。
4.根据权利要求1所述的基于域增量学...
【技术特征摘要】
1.一种基于域增量学习的人群计数定位方法，其特征是，包括如下步骤；
2.根据权利要求1所述的基于域增量学习的人群计数定位方法，其特征是，所述步骤s1中，所收集的每幅人群图片或者采用点标记在人群图片中指示每个人头的中心位置，或者采用框标记在人群图片中指示围绕每个人头的矩形框。
3.根据权利要求2所述的基于域增量学习的人群计数定位方法，其特征是，所述步骤s1中，对于采用点标记的人群图片，根据每个点标记生成围绕每个人头的矩形掩码标签；对于采用框标记的人群图片，直接根据每个框标记的区域生成矩形掩码标签。
4.根据权利要求1所述的基于域增量学习的人群计数定位方法，其特征是，所述步骤s1中，为人群图片生成掩码标签时确保相邻的掩码标签不出现重叠，若出现重叠则去除重叠区域。
5.根据权利要求1所述的基于域增量学习的人群计数定位方法，其特征是，所述步骤s2中，所述域共享网络中的参数称为域共享参数，域共享网络用于实现全局特征提取；每个域独占网络中的参数称为域独占参数，每个域独占网络用于实现这个域的特征提取。
6...
【专利技术属性】
技术研发人员：焦跃军，顾潇蒙，郭丰俊，龙腾，张彬，镇立新，
申请(专利权)人：上海合合信息科技股份有限公司，
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。