[發(fā)明專利]圖像處理方法、圖像處理設(shè)備及計算機(jī)可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911402942.1
• 申請日: 2019-12-30
• 公開（公告）號: CN111178276A
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計）人: 曹志杰;楊昆霖;侯軍;伊帥
• 申請（專利權(quán)）人: 上海商湯智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市威世博知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何倚雯

本申請公開了一種圖像處理方法、圖像處理設(shè)備及計算機(jī)可讀存儲介質(zhì)，該圖像處理方法包括：獲取待處理圖像；對待處理圖像進(jìn)行結(jié)構(gòu)相似度感知，得到待處理圖像的人群密度分布圖像；根據(jù)人群密度分布圖像，得到待處理圖像中的目標(biāo)對象的數(shù)量。通過上述方式，利用結(jié)構(gòu)相似度感知來確定人群密度圖，提高了人群密度統(tǒng)計的精度。

技術(shù)領(lǐng)域

本申請涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種圖像處理方法、圖像處理設(shè)備及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

人群計數(shù)是對于監(jiān)控場景下的視頻，通過計算機(jī)視覺算法來評估畫面中的實時人數(shù)，人的分布情況，人群的密度等信息的技術(shù)。對于人十分稀疏的場景，我們通常可以通過檢測每個行人的方式來實現(xiàn)人數(shù)的估計，但是實際監(jiān)控場景往往存在嚴(yán)重遮擋，人的尺寸由近及遠(yuǎn)變化劇烈，很難通過檢測的方式去檢測到每個個體，因此通常的做法是采用回歸的方式預(yù)測人群分布密度圖，在估計人群位置分布的同時，估計全畫面的人數(shù)。

現(xiàn)有技術(shù)中，在確定人群密度時，是以點為單位，失去了整體的約束性，人群密度預(yù)估精度低。

發(fā)明內(nèi)容

為解決上述問題，本申請?zhí)峁┝艘环N圖像處理方法、圖像處理設(shè)備及計算機(jī)可讀存儲介質(zhì)，可以利用結(jié)構(gòu)相似度感知來確定人群密度圖，提高了人群密度統(tǒng)計的精度。

本申請采用的一個技術(shù)方案是：提供一種圖像處理方法，其特征在于，方法包括：獲取待處理圖像；對待處理圖像進(jìn)行結(jié)構(gòu)相似度感知，得到待處理圖像的人群密度分布圖像；根據(jù)人群密度分布圖像，得到待處理圖像中的目標(biāo)對象的數(shù)量。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑瑢Υ幚韴D像進(jìn)行結(jié)構(gòu)相似度感知，包括：將待處理圖像輸入已訓(xùn)練好的人群統(tǒng)計模型，得到待處理圖像的人群密度分布圖像。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑趯Υ幚韴D像進(jìn)行結(jié)構(gòu)相似度感知之前，方法還包括：基于預(yù)設(shè)的損失函數(shù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到已訓(xùn)練好的人群統(tǒng)計模型。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑诨陬A(yù)設(shè)的損失函數(shù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，還包括獲取預(yù)設(shè)的損失函數(shù)；獲取預(yù)設(shè)的損失函數(shù)的步驟包括：分別獲取訓(xùn)練圖像及其對應(yīng)的人群分布密度圖像，人群分布密度圖像包括真實密度圖像和預(yù)測密度圖像；根據(jù)訓(xùn)練圖像和人群分布密度圖像，分別得到人頭塊平方誤差損失函數(shù)、結(jié)構(gòu)相似度損失函數(shù)和/或背景平方誤差損失函數(shù)；對人頭塊平方誤差損失函數(shù)、結(jié)構(gòu)相似度損失函數(shù)和背景平方誤差損失函數(shù)進(jìn)行加權(quán)求和，得到預(yù)設(shè)的損失函數(shù)。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑鶕?jù)訓(xùn)練圖像和人群分布密度圖像，分別得到人頭塊平方誤差損失函數(shù)、結(jié)構(gòu)相似度損失函數(shù)和背景平方誤差損失函數(shù)，包括：獲取待處理圖像的感興趣區(qū)域，其中，感興趣區(qū)域包括人頭塊；確定每個感興趣區(qū)域分別對應(yīng)真實密度圖和預(yù)測密度圖；根據(jù)每個感興趣區(qū)域分別對應(yīng)真實密度圖和預(yù)測密度圖，確定人頭塊平方誤差損失函數(shù)，結(jié)構(gòu)相似度損失函數(shù)和背景平方誤差損失函數(shù)。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑鶕?jù)每個感興趣區(qū)域分別對應(yīng)真實密度圖和預(yù)測密度圖，確定人頭塊平方誤差損失函數(shù)包括：獲取每個感興趣區(qū)域分別對應(yīng)真實密度圖和預(yù)測密度圖的差值的平方；對所有差值的平方求和，得到人頭塊平方誤差損失函數(shù)。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑玫绞龈信d趣區(qū)域?qū)?yīng)的結(jié)構(gòu)相似度誤差的步驟包括：根據(jù)每個感興趣區(qū)域分別對應(yīng)真實密度圖和預(yù)測密度圖，得到每個感興趣區(qū)域?qū)?yīng)的結(jié)構(gòu)相似度誤差；對所有感興趣區(qū)域?qū)?yīng)的結(jié)構(gòu)相似度誤差求和，得到結(jié)構(gòu)相似度損失函數(shù)。

根據(jù)本申請?zhí)峁┑囊粚嵤┓绞剑鶕?jù)每個感興趣區(qū)域分別對應(yīng)真實密度圖和預(yù)測密度圖，確定背景平方誤差損失函數(shù)包括：根據(jù)每個感興趣區(qū)域分別對應(yīng)真實密度圖中的第一背景人數(shù)和預(yù)測密度圖中的第二背景人數(shù)；獲取第一背景人數(shù)和第二背景人數(shù)之間的差值的平方，將差值的平方作為背景平方誤差損失函數(shù)。