[發明專利]人群密度檢測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010499114.0
• 申請日: 2020-06-04
• 公開（公告）號: CN111652152A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 周康明;彭山珍
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

1.一種人群密度檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像；

將所述待檢測圖像輸入注意機制特征圖生成網絡中，得到第一特征圖；

將所述待檢測圖像和所述第一特征圖輸入多尺度卷積網絡中，得到第二特征圖；所述第二特征圖包括不同尺度卷積下的特征圖；

將所述第二特征圖輸入特征融合網絡中，得到人群密度熱力圖。

2.根據權利要求1所述的方法，其特征在于，所述將所述待檢測圖像和所述第一特征圖輸入多尺度卷積網絡中，得到第二特征圖，包括：

對所述待檢測圖像和所述第一特征圖進行融合，得到融合特征圖；

將所述融合特征圖輸入所述多尺度卷積網絡中，得到所述第二特征圖。

3.根據權利要求2所述的方法，其特征在于，所述多尺度卷積網絡包括深層全卷積網絡和淺層全卷積網絡；所述將所述融合特征圖輸入所述多尺度卷積網絡中，得到所述第二特征圖，包括：

將所述融合特征圖輸入所述深層全卷積網絡中，得到深層特征圖；將所述融合特征圖輸入所述淺層全卷積網絡中，得到淺層特征圖；

將所述深層特征圖和所述淺層特征圖作為所述第二特征圖。

4.根據權利要求3所述的方法，其特征在于，所述深層全卷積網絡包括16層卷積層和4層最大池化層；

所述4層最大池化層分別位于第2層卷積層之后、第4層卷積層之后、第7層卷積層之后和第16層卷積層之后，所述4層最大池化層中前3層最大池化層的步長大小為2、最后一層最大池化層的步長大小為1。

5.根據權利要求3或4所述的方法，其特征在于，所述淺層全卷積網絡包括3層卷積層和3層最大池化層；所述3層最大池化層與所述3層卷積層順序連接。

6.根據權利要求1所述的方法，其特征在于，所述將所述待檢測圖像輸入注意機制特征圖生成網絡中，得到第一特征圖，包括：

將所述待檢測圖像輸入所述注意機制特征圖生成網絡，輸出所述待檢測圖像屬于前景圖像的第一概率和屬于背景圖像的第二概率；

提取所述注意機制特征圖生成網絡最后一層卷積層中的特征圖，得到前景特征圖和背景特征圖；

根據所述前景特征圖和所述第一概率、所述背景特征圖和所述第二概率，確定所述第一特征圖。

7.根據權利要求1所述的方法，其特征在于，所述特征融合網絡的訓練方法包括：

獲取樣本圖像的第三特征圖和人群密度標簽圖；所述第三特征圖包括不同尺度卷積下的特征圖；

將所述第三特征圖輸入初始特征融合網絡中，得到預測人群密度熱力圖；

計算所述預測人群密度熱力圖與所述人群密度標簽圖之間的損失，根據所述損失對所述初始特征融合網絡進行訓練，得到所述特征融合網絡。

8.一種人群密度檢測裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待檢測圖像；

第一特征圖生成模塊，用于將所述待檢測圖像輸入注意機制特征圖生成網絡中，得到第一特征圖；

第二特征圖生成模塊，用于將所述待檢測圖像和所述第一特征圖輸入多尺度卷積網絡中，得到第二特征圖；所述第二特征圖包括不同尺度卷積下的特征圖；

特征融合模塊，用于將所述第二特征圖輸入特征融合網絡中，得到人群密度熱力圖。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1-7中任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-7中任一項所述方法的步驟。