[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法、裝置、服務(wù)器及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010146269.6
• 申請日: 2020-03-05
• 公開（公告）號: CN111445442A
• 公開（公告）日: 2020-07-24
• 發(fā)明（設(shè)計(jì)）人: 易苗
• 申請（專利權(quán)）人: 中國平安人壽保險(xiǎn)股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 劉挽瀾

本發(fā)明涉及人工智能領(lǐng)域，公開了一種基于神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法、裝置、服務(wù)器及存儲介質(zhì)，用于通過神經(jīng)網(wǎng)絡(luò)得到目標(biāo)人頭檢測框，提高了統(tǒng)計(jì)多個(gè)人頭對象數(shù)量的準(zhǔn)確率，并獲取多個(gè)人頭對象的具體位置。本發(fā)明方法包括：獲取需要計(jì)算人群數(shù)量的人群圖片；對人群圖片進(jìn)行預(yù)處理，得到預(yù)處理后的人群圖片；根據(jù)預(yù)置卷積神經(jīng)網(wǎng)絡(luò)，對預(yù)處理后的人群圖片進(jìn)行縮放和融合提取特征；判斷每個(gè)初始檢測框?qū)?yīng)的初始檢測框置信值是否大于或等于第一閾值；若初始檢測框置信值大于或等于第一閾值，則將初始檢測框確定為待選擇檢測框，并對待選擇檢測框去重，得到多個(gè)目標(biāo)人頭檢測框；統(tǒng)計(jì)多個(gè)目標(biāo)人頭檢測框的數(shù)量。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及基于神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法、裝置、服務(wù)器及存儲介質(zhì)。

背景技術(shù)

隨著社會的城鎮(zhèn)化發(fā)展，城市人口數(shù)量急劇上升，智能安防成為一項(xiàng)重要的任務(wù)，而智能安防的關(guān)鍵在于人群計(jì)數(shù)，人群計(jì)數(shù)可以為人流管理、資源管理決策提供關(guān)鍵的依據(jù)。例如在地鐵站，可以通過行人計(jì)數(shù)實(shí)時(shí)了解各個(gè)站點(diǎn)的人流量大小，靈活調(diào)度列車密度，可在人流量高峰期時(shí)加強(qiáng)人員運(yùn)輸效率，保證人群安全出行，也可在低峰期時(shí)節(jié)約運(yùn)輸成本；監(jiān)測公共場所的人流量，可實(shí)現(xiàn)有效控制場內(nèi)人員數(shù)量，避免踩踏、推擠等情況發(fā)生。

現(xiàn)有的人群計(jì)數(shù)方法主要是使用回歸的算法思路，即直接根據(jù)圖像回歸出擁擠人群密度圖，再根據(jù)密度圖估算場景整體的擁擠指數(shù)，或者使用目標(biāo)檢測的方法，即使用快速深度卷積神經(jīng)網(wǎng)絡(luò)等通用方法檢測人群中的行人，再根據(jù)行人進(jìn)行人群計(jì)數(shù)。

但是現(xiàn)有的人群計(jì)數(shù)方法由于人頭對象過小會發(fā)生漏檢的情況，并且無法獲知人群個(gè)體的具體位置，不適用于人群擁擠的情況。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種基于神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法、裝置、服務(wù)器及存儲介質(zhì)，用于使用輕量級神經(jīng)網(wǎng)絡(luò)對圖片進(jìn)行縮放并將低層特征和高層特征融合，得到多個(gè)目標(biāo)人頭檢測框，能夠準(zhǔn)確的檢測到多個(gè)人頭對象，從而準(zhǔn)確的統(tǒng)計(jì)多個(gè)人頭對象的數(shù)量。

為本發(fā)明實(shí)施例的第一方面提供一種基于神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法，包括：獲取需要計(jì)算人群數(shù)量的人群圖片，所述人群圖片中包括多個(gè)人頭對象；對所述人群圖片進(jìn)行預(yù)處理，得到預(yù)處理后的人群圖片；根據(jù)預(yù)置卷積神經(jīng)網(wǎng)絡(luò)，對所述預(yù)處理后的人群圖片進(jìn)行縮放和融合提取特征，得到多個(gè)初始檢測信息，所述初始檢測信息包括初始檢測框、對應(yīng)的初始檢測框坐標(biāo)和對應(yīng)的初始檢測框置信值；判斷每個(gè)初始檢測框?qū)?yīng)的初始檢測框置信值是否大于或等于第一閾值；若所述初始檢測框置信值大于或等于所述第一閾值，則將所述初始檢測框置信值對應(yīng)的初始檢測框確定為待選擇檢測框，并根據(jù)預(yù)置去重算法和所述初始檢測框置信值對所述待選擇檢測框去重，得到多個(gè)目標(biāo)人頭檢測框；統(tǒng)計(jì)所述多個(gè)目標(biāo)人頭檢測框的數(shù)量，所述多個(gè)目標(biāo)人頭檢測框的數(shù)量與所述多個(gè)人頭對象的數(shù)量相同。

可選的，在本發(fā)明實(shí)施例第一方面的第一種實(shí)現(xiàn)方式中，所述根據(jù)預(yù)置卷積神經(jīng)網(wǎng)絡(luò)，對所述預(yù)處理后的人群圖片進(jìn)行縮放和融合提取特征，得到多個(gè)初始檢測信息，所述初始檢測信息包括初始檢測框、對應(yīng)的初始檢測框坐標(biāo)和對應(yīng)的初始檢測框置信值包括：在預(yù)置卷積神經(jīng)網(wǎng)絡(luò)中采用預(yù)置深度卷積與預(yù)置縮放標(biāo)準(zhǔn)，對所述預(yù)處理后的人群圖片進(jìn)行處理，得到多個(gè)候選信息圖片，多個(gè)所述候選信息圖片包括深度候選信息圖片、第一候選信息圖片、第二候選信息圖片、第三候選信息圖片和第四候選信息圖片；采用預(yù)置融合函數(shù)對多個(gè)所述候選信息圖片進(jìn)行信息融合，得到多融合信息圖片；根據(jù)所述多融合信息圖片，確定初始檢測框、對應(yīng)的初始檢測框坐標(biāo)和對應(yīng)的初始檢測框置信值，所述初始檢測框坐標(biāo)為每個(gè)人頭對象的地理坐標(biāo)，所述初始檢測框置信值為所述初始檢測框中的物品為人頭對象的概率。