[發明專利]基于場景密度分布的多神經網絡人數統計方法、系統、介質、終端

在審

• 申請號: 201810866332.6
• 申請日: 2018-08-01
• 公開（公告）號: CN108985256A
• 公開（公告）日: 2018-12-11
• 發明（設計）人: 曹志杰;吳旻燁
• 申請（專利權）人: 曜科智能科技（上海）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 高彥

本發明提供基于場景密度分布的多神經網絡人數統計方法、系統、介質、及終端，本發明采用不同人群密度等級的神經網絡模型統計各分割圖像的人數并針對統計結果做適應性模型修正，且基于現有公共數據集以及實際的室內環境建立神經網絡模型。因此，相比傳統的檢測方法，本發明配合針對不同密度場景訓練的網絡，更好地克服了高密度以及遮擋帶來的問題，又相比于其它針對單張圖片的人數計數算法，本發明中不同等級的網絡因使用了重疊的人數范圍，故使得本發明更加適合對視頻的人群計數。

技術領域

本發明涉及機器視覺領域，特別是涉及基于場景密度分布的多神經網絡人數統計方法、系統、介質、及終端。

背景技術

隨著深度學習和計算機視覺技術的發展，人們的生活和生產活動都隨之產生了極大的優化，尤其是在安防、零售、工業、或者智能終端等方面更是產生了巨大的技術革新。

人流量統計在機場、展覽廳、游樂園等公共場合的需求也變得越來越大?？焖偾揖_的人流量統計可以為有人流限制的場所提供有效的預警以挺高安全性，也可以為景區、商店等場所提供客流量的直接反饋，為這些場所商業模型的調整提供了有效的反饋機制。

人流量統計在學術界屬于視覺檢測的一大重要分支，學術上尚不能盡善盡美，仍處于不斷研究和更新的階段。目前與人流量統計相關的產品，大多使用傳統的基于行人檢測的統計人數的方法，但該方法在遇到遮擋或者姿態變化時，統計效果就會很差。

相比于傳統的檢測方法，通過神經網絡采用回歸的方式輸出人群密度圖，并通過人群密度的積分來統計人數，在遇到遮擋問題時能夠更有效地估計人數。近年來，已陸續出現采用神經網絡解決人流統計的問題，但現有的用于統計人數的神經網絡帶有泛化能力不足且精度較差等問題。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供基于場景密度分布的多神經網絡人數統計方法、系統、介質、及終端，用于解決現有的人數統計方法泛化能力不足，精度較差等技術問題。

為實現上述目的及其他相關目的，本發明提供一種于場景密度分布的多神經網絡人數統計方法，用于統計圖像中的總人數，所述方法包括，獲取基于人工分割所述圖像所得到的多個不同人群密度等級的子圖像；選用與各子圖像的人群密度等級相匹配的人數統計神經網絡模型，以統計各子圖像中的人數；加總各子圖像中的人數，以得到待統計人數的圖像中的總人數。

于本發明的一實施例中，所述方法在執行統計圖像中的總人數之前還執行：基于訓練數據集獲得適用于不同人群密度等級的多個人數統計神經網絡模型。

于本發明的一實施例中，所述訓練數據集包括現有公共數據集，所述方法包括：按照預設窗口尺寸將現有公共數據集中的每張圖像切分為多張切片；判斷當前切片中的人數及人員分布均勻程度是否符合預設保存要求；若符合，則保存該切片；若不符合，則將截取窗口移至下一切片。

于本發明的一實施例中，判斷當前切片中的人數及人員分布均勻程度是否符合預設保存要求的方式包括：判斷當前切片中的人數是否達標；若人數達標，則判斷當前切片中的人數方差是否達標；若人數方差達標，則保存該切片；若人數不達標或人數方差不達標，則舍棄該切片。

于本發明的一實施例中，所述訓練數據集包括實時數據集，所述實時數據集包括基于室內場景的數據集；所述方法包括：對實時數據集中的各圖像進行標定并增強實時數據集。

于本發明的一實施例中，增強實時數據集的方式包括：改變實時數據集中的圖像的明暗程度。

于本發明的一實施例中，所述方法還包括：判斷統計出的子圖像中的人數是否超出預設人數范圍；若超出預設人數范圍，則將當前密度等級的人數統計神經網絡模型切換至與統計出的人數相匹配等級的人數統計神經網絡模型。

于本發明的一實施例中，采用滯回方式切換人數統計神經網絡模型，其具體包括：相鄰等級的人數統計神經網絡模型之間具有一重疊的人數區間。