[發明專利]深度感知對象計數

有效

• 申請號: 201780096479.5
• 申請日: 2017-11-01
• 公開（公告）號: CN111295689B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 姜曉恒
• 申請（專利權）人: 諾基亞技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464;G06N3/045;G06N3/084
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅

1.一種方法，包括：

通過經訓練的機器學習模型來處理圖像的第一分段和所述圖像的第二分段，所述第一分段使用基于深度信息而選擇的第一濾波器被處理以使得能夠形成第一密度圖，并且所述第二分段使用基于所述深度信息而選擇的第二濾波器被處理以使得能夠形成第二密度圖；

通過所述經訓練的機器學習模型將所述第一密度圖和所述第二密度圖組合以形成針對所述圖像的密度圖；以及

通過所述經訓練的機器學習模型基于所述密度圖來提供輸出，所述輸出表示所述圖像中的對象的數量的估計。

2.根據權利要求1所述的方法，還包括：

通過所述經訓練的機器學習模型接收包括多個對象的所述圖像，其中所述圖像基于所述深度信息被至少分段為所述第一分段和所述第二分段。

3.根據權利要求2所述的方法，其中所述深度信息從另一機器學習模型被接收，所述另一機器學習模型被訓練為從所述圖像輸出所述深度信息。

4.根據權利要求1至3中任一項所述的方法，其中所述經訓練的機器學習模型包括多列卷積神經網絡，所述多列卷積神經網絡包括第一卷積神經網絡和第二卷積神經網絡。

5.根據權利要求4所述的方法，其中所述第一卷積網絡包括所述第一濾波器，其中所述第二卷積網絡包括所述第二濾波器，并且其中所述第一濾波器和所述第二濾波器每個均包括卷積層。

6.根據權利要求1至5中任一項所述的方法，其中所述深度信息指示所述第一分段和/或所述第二分段的位置。

7.根據權利要求1至6中任一項所述的方法，其中所述深度信息指示歸因于距相機的距離的對象大小，并且/或者其中所述深度信息指示所述第一濾波器的第一濾波器大小和所述第二濾波器的第二濾波器大小。

8.根據權利要求7所述的方法，還包括：

通過所述經訓練的機器學習模型并且基于所述深度信息來選擇所述第一濾波器的所述第一濾波器大小和所述第二濾波器的所述第二濾波器大小。

9.根據權利要求1至8中任一項所述的方法，還包括：

基于參考圖像來訓練所述機器學習模型以學習密度圖的生成。

10.根據權利要求1至9中任一項所述的方法，其中所述多個對象包括多個人、多個車輛和/或一群人。

11.根據權利要求1至10中任一項所述的方法，其中所述第一密度圖估計所述第一分段中的對象的密度，其中所述第二密度圖估計所述第二分段中的對象的密度，并且其中所述密度圖估計所述圖像中的對象的密度。

12.一種裝置，包括：

至少一個處理器；以及

包括程序代碼的至少一個存儲器，所述程序代碼在被執行時使得所述裝置至少：

通過經訓練的機器學習模型來處理圖像的第一分段和所述圖像的第二分段，所述第一分段使用基于深度信息而選擇的第一濾波器被處理以使得能夠形成第一密度圖，并且所述第二分段使用基于所述深度信息而選擇的第二濾波器被處理以使得能夠形成第二密度圖；

通過所述經訓練的機器學習模型將所述第一密度圖和所述第二密度圖組合以形成針對所述圖像的密度圖；以及

通過所述經訓練的機器學習模型基于所述密度圖來提供輸出，所述輸出表示所述圖像中的對象的數量的估計。

13.根據權利要求12所述的裝置，其中所述裝置還被使得至少：

通過所述經訓練的機器學習模型接收包括多個對象的所述圖像，其中所述圖像基于所述深度信息被至少分段為所述第一分段和所述第二分段。

14.根據權利要求13所述的裝置，其中所述深度信息從另一機器學習模型被接收，所述另一機器學習模型被訓練為從所述圖像輸出所述深度信息。