[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

本發明公開了一種基于人工智能的群體檢測方法、裝置、設備及存儲介質，所述方法包括獲取目標圖像；將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；基于所述第一目標集合對所述目標分布密度圖進行修正，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。本發明適用于群體密度變化的場景。

技術領域

本發明涉及計算機視覺領域，尤其涉及基于人工智能的群體檢測方法、裝置、設備及存儲介質。

背景技術

基于圖像識別的群體檢測技術是人工智能在視覺領域的一個重要研究方向，在很多場景中都可以發揮作用。以人群檢測為例，可以基于人工智能檢測得到圖像中的總人數，現有技術中提供了基于檢測的方法和基于回歸的方法來進行人群檢測，基于檢測的方法和基于回歸的方法各有利弊，其適用于不同的人群場景。

基于檢測的方法可以通過檢測人體某一部分(通常是人頭)對人體進行識別，進而實現人群檢測。這類方法在人頭尺度較大的情況下可以取得較好的效果，適用于稀疏人群場景下的人群檢測，但是在人群擁擠，人頭重疊嚴重的場景中識別準確率降低，導致產生較大的統計誤差。

基于回歸的方法可以通過回歸人群分布熱力圖實現人群統計，這類方法適用于密集人群場景下的人群檢測，在人頭尺度小并且密集分布時可以較為準確地估計出總人數，但是在人頭尺度較大的情況下會導致統計結果偏低。

可見，現有技術中不同的目標群體檢測技術適用于不同的群體檢測場景，但是在實際應用中群體檢測場景可以經常隨時間發生變化，單一的群體檢測技術難以滿足在變化的群體檢測場景中進行群體檢測的需求。

發明內容

為了解決現有技術中群體檢測技術對于群體密度的要求較高，導致難以滿足變化性群體檢測場景下對群體檢測的需求的技術問題，本發明實施例提供基于人工智能的群體檢測方法、裝置、設備及存儲介質。

一方面，本發明提供了一種基于人工智能的群體檢測方法，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；

基于所述第一目標集合對所述目標分布密度圖進行修正，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。

另一方面，本發明提供一種基于人工智能的群體檢測方法，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；