[發明專利]人群密度統計方法、裝置、電子設備和存儲介質

在審

• 申請號: 201910074276.7
• 申請日: 2019-01-25
• 公開（公告）號: CN109858424A
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 李昆明;趙剛;馮琰一;吳志偉;王昱
• 申請（專利權）人: 佳都新太科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京權智天下知識產權代理事務所(普通合伙) 11638
• 代理人: 王新愛

1.一種人群密度統計方法，其特征在于，包括：

獲取待統計的包括人群信息的目標圖像；

將所述目標圖像輸入至預先訓練的目標檢測深度神經網絡中，得到所述目標圖像對應的第一人群密度分布圖；

將所述目標圖像輸入至預先訓練的人群密度回歸深度神經網絡中，得到所述目標圖像對應的第二人群密度分布圖；

通過預先訓練的融合神經網絡對所述第一人群密度分布圖和所述第二人群密度分布圖進行融合得到第三人群密度分布圖。

2.根據權利要求1所述的方法，其特征在于，所述預先訓練的目標檢測深度神經網絡和所述預先訓練的人群密度回歸深度神經網絡共享一個基礎網絡；

所述預先訓練的目標檢測深度神經網絡和所述預先訓練的人群密度回歸深度神經網絡均為全卷積神經網絡。

3.根據權利要求1所述的方法，其特征在于，所述第一人群密度圖的生成方式如下：

獲取所述目標檢測深度神經網絡輸出的目標框的坐標參數、類別以及所述目標框的類別得分；

通過設定的閾值，結合所述坐標參數、類別以及所述目標框的類別得分對所述目標框進行過濾；

應用過濾后的目標框生成所述第一人群密度圖。

4.根據權利要求3所述的方法，其特征在于，所述應用過濾后的目標框生成所述第一人群密度圖，包括：

獲取過濾后的目標框的起始橫坐標、起始縱坐標、目標寬和目標高；

根據所述過濾后的目標框的起始橫坐標、起始縱坐標、目標寬和目標高確定過濾后的目標框的中心坐標；

應用高斯濾波對所述過濾后的目標框的中心坐標進行運算，確定第一人群密度圖，其中，所述高斯濾波的參數根據當前目標框的中心坐標的k-近鄰平均距離自適應選取。

5.根據權利要求1所述的方法，其特征在于，所述預先訓練的人群密度回歸深度神經網絡的訓練過程中應用的綜合損失函數根據密度圖回歸損失函數和人數損失函數確定。

6.根據權利要求5所述的方法，其特征在于，所述預先訓練的人群密度回歸深度神經網絡的訓練過程包括：

采用所述密度圖回歸損失函數對基礎人群密度回歸深度神經網絡進行訓練，得到中間人群密度回歸深度神經網絡；

采用所述綜合損失函數對所述中間人群密度回歸深度神經網絡進行訓練，得到所述預先訓練的人群密度回歸深度神經網絡。

7.根據權利要求1所述的方法，其特征在于，所述通過預先訓練的融合神經網絡對所述第一人群密度分布圖和所述第二人群密度分布圖進行融合得到第三人群密度分布圖，包括：

聯合所述預先訓練的融合神經網絡、所述預先訓練的目標檢測深度神經網絡以及所述預先訓練的人群密度回歸深度神經網絡，得到人群密度深度神經網絡；

應用所述人群密度深度神經網絡得到第三人群密度分布圖。

8.根據權利要求1-7任一項所述的方法，其特征在于，在所述通過預先訓練的融合神經網絡對所述第一人群密度分布圖和所述第二人群密度分布圖進行融合得到第三人群密度分布圖之后，還包括：

根據所述第三人群密度分布圖，統計所述目標圖像中的人數。

9.一種人群密度統計裝置，其特征在于，包括：

目標圖像獲取模塊，用于獲取待統計的包括人群信息的目標圖像；

第一人群密度分布圖確定模塊，用于將所述目標圖像輸入至預先訓練的目標檢測深度神經網絡中，得到所述目標圖像對應的第一人群密度分布圖；

第二人群密度分布圖確定模塊，用于將所述目標圖像輸入至預先訓練的人群密度回歸深度神經網絡中，得到所述目標圖像對應的第二人群密度分布圖；

第三人群密度分布圖確定模塊，用于通過預先訓練的融合神經網絡對所述第一人群密度分布圖和所述第二人群密度分布圖進行融合得到第三人群密度分布圖。

10.根據權利要求9所述的裝置，其特征在于，還包括：

人數統計模塊，用于根據所述第三人群密度分布圖，統計所述目標圖像中的人數。