[發明專利]基于人工智能的群體檢測方法、裝置、設備及存儲介質

有效

• 申請號: 202010516220.5
• 申請日: 2020-06-09
• 公開（公告）號: CN111652168B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 王昌安;王亞彪;羅澤坤;彭瑾龍;朱敏;汪鋮杰;李季檁;吳永堅;黃飛躍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/762;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

1.一種基于人工智能的群體檢測方法，其特征在于，所述方法包括：

獲取目標圖像；

將所述目標圖像輸入第一機器學習模型得到第一目標集合，所述第一目標集合中的第一目標的尺度均大于或等于所述第一機器學習模型的識別閾值；

將所述目標圖像輸入第二機器學習模型得到目標分布密度圖，所述第二機器學習模型能夠識別尺度小于所述第一機器學習模型的識別閾值的目標；

通過所述第一目標集合去除所述目標分布密度圖中的大尺度目標，所述第一目標集合中的第一目標為所述大尺度目標，得到修正后目標分布密度圖；

根據所述第一目標集合得到第一統計值，根據所述修正后目標分布密度圖得到第二統計值；

將所述第一統計值和第二統計值的總和值確定為所述目標圖像中的目標總數。

2.根據權利要求1所述的方法，其特征在于：

在第一目標檢測神經網絡的基礎上，基于第一目標函數通過訓練樣本得到第一機器學習模型，所述第一目標函數由坐標誤差損失部分，IoU誤差損失部分和分類誤差損失部分構成；

在第二目標檢測神經網絡的基礎上，基于第二目標函數通過訓練樣本得到第二機器學習模型，所述第二目標函數為其中N為標識圖像的像素總數，z_i,分別表示目標密度分布圖在第i個像素點的預測值和真實值。

3.根據權利要求1或2所述的方法，其特征在于，所述第一目標集合中每個第一目標均使用檢測框表征，所述通過所述第一目標集合去除所述目標分布密度圖中的大尺度目標，所述第一目標集合中的第一目標為所述大尺度目標，得到修正后目標分布密度圖，包括：

為所述第一目標集合中每個第一目標生成其對應的檢測掩碼；

將根據所述第一目標集合得到的各個檢測掩碼疊加至所述目標分布密度圖中，以便于所述檢測掩碼覆蓋所述目標分布密度圖中被第一目標對應的檢測框命中的目標，得到修正后目標分布密度圖。

4.根據權利要求1或2所述的方法，其特征在于：

所述根據所述第一目標集合得到第一統計值，包括：將所述第一目標集合中元素的總數確定為所述第一統計值；

所述根據所述修正后目標分布密度圖得到第二統計值，包括：對所述修正后目標分布密度圖進行積分，將積分結果確定為所述第二統計值。

5.一種基于人工智能的群體檢測方法，其特征在于，所述方法包括：

獲取目標圖像；

將所述目標圖像輸入第一機器學習模型得到第一目標集合，所述第一目標集合中的第一目標的尺度均大于或等于所述第一機器學習模型的識別閾值；

基于所述第一目標集合和所述目標圖像得到修正圖像，所述修正圖像中滿足預設條件的目標被遮擋，所述預設條件為：被所述第一目標集合中的第一目標命中；

將所述修正圖像輸入第二機器學習模型得到目標分布密度圖，所述第二機器學習模型能夠識別尺度小于所述第一機器學習模型的識別閾值的目標；

根據所述第一目標集合得到第一統計值，根據所述目標分布密度圖得到第二統計值；

將所述第一統計值和第二統計值的總和值確定為所述目標圖像中的目標總數。

6.根據權利要求5所述的方法，其特征在于，所述第一目標集合中每個第一目標均使用檢測框表征，所述基于所述第一目標集合和所述目標圖像得到修正圖像，包括：

為所述第一目標集合中每個第一目標生成其對應的檢測掩碼；

將根據所述第一目標集合得到的各個檢測掩碼疊加至所述目標圖像中，以便于所述檢測掩碼覆蓋所述目標圖像中的目標，得到修正圖像。