[發明專利]一種擁擠區域的確定方法和裝置

有效

• 申請號: 201610010222.0
• 申請日: 2016-01-06
• 公開（公告）號: CN105678333B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 毛敏
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種擁擠區域的確定方法，其特征在于，所述方法包括以下步驟：

針對待測試圖像的每個像素點，生成K個不同尺度的待測試子圖像；

針對每個待測試子圖像，按照預設大小在所述待測試子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第一特征向量，并將所述第一特征向量聚類到對應的單詞，并統計聚類到每個單詞的第一特征向量數量；利用聚類到每個單詞的第一特征向量數量計算所述待測試子圖像的第一概率向量；

利用K個第一概率向量，確定所述像素點為擁擠區域或者非擁擠區域；

其中，所述針對每個滑動窗口進行特征提取，得到第一特征向量，包括：利用卷積神經網絡CNN對每個滑動窗口進行特征提取，得到第一特征向量。

2.根據權利要求1所述的方法，其特征在于，利用聚類到每個單詞的第一特征向量數量計算所述待測試子圖像的第一概率向量的過程，具體包括：

利用如下公式計算所述待測試子圖像的第一概率向量：

其中，i的取值為1-N，表示第i個單詞，N為單詞的總數量，k_i1表示聚類到第i個單詞的第一特征向量數量，λ_i為常量與待測試子圖像的尺度大小的乘積。

3.根據權利要求1所述的方法，其特征在于，所述利用K個第一概率向量，確定所述像素點為擁擠區域或者非擁擠區域的過程，具體包括：

利用支持向量機SVM分類器對所述K個第一概率向量進行分類，并利用分類結果確定所述像素點為擁擠區域或者非擁擠區域；

其中，所述SVM分類器的訓練過程，具體包括：針對樣本圖像中的擁擠區域的每個像素點，生成K個不同尺度的擁擠樣本子圖像，針對樣本圖像中的非擁擠區域的每個像素點，生成K個不同尺度的非擁擠樣本子圖像；

利用擁擠樣本子圖像和非擁擠樣本子圖像訓練所述SVM分類器；在所述SVM分類器中，將擁擠樣本子圖像對應的K個第二概率向量分類成擁擠區域，將非擁擠樣本子圖像對應的K個第三概率向量分類成非擁擠區域。

4.根據權利要求3所述的方法，其特征在于，所述利用擁擠樣本子圖像和非擁擠樣本子圖像訓練所述SVM分類器的過程，具體包括：

針對每個尺度的擁擠樣本子圖像，按照預設大小在擁擠樣本子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第二特征向量，將第二特征向量聚類到對應的單詞；針對每個尺度的非擁擠樣本子圖像，按照預設大小在非擁擠樣本子圖像上進行滑動；針對每個滑動窗口進行特征提取，得到第二特征向量，將第二特征向量聚類到對應的單詞；統計聚類到每個單詞的第二特征向量數量，利用聚類到每個單詞的第二特征向量數量，計算擁擠樣本子圖像對應的第二概率向量，非擁擠樣本子圖像對應的第三概率向量；

將K個不同尺度的擁擠樣本子圖像對應的K個第二概率向量分類成擁擠區域，并利用所述K個第二概率向量訓練所述SVM分類器；

將K個不同尺度的非擁擠樣本子圖像對應的K個第三概率向量分類成非擁擠區域，并利用所述K個第三概率向量訓練所述SVM分類器；

其中，利用聚類到每個單詞的第二特征向量數量，計算擁擠樣本子圖像對應的第二概率向量，非擁擠樣本子圖像對應的第三概率向量，具體包括：

利用如下公式計算所述擁擠樣本子圖像對應的第二概率向量：

利用如下公式計算所述非擁擠樣本子圖像對應的第三概率向量：

其中，i的取值為1-N，表示第i個單詞，N為單詞的總數量，k_i2表示聚類到第i個單詞的第二特征向量數量，λ_i^(p)為常量與所述擁擠樣本子圖像的尺度大小的乘積，λ_i⁽ⁿ⁾為常量與所述非擁擠樣本子圖像的尺度大小的乘積。

5.根據權利要求4所述的方法，其特征在于，所述針對每個滑動窗口進行特征提取，得到第二特征向量的過程，具體包括：

利用卷積神經網絡CNN對每個滑動窗口進行特征提取，第二特征向量。