[發(fā)明專利]對象密度監(jiān)控系統(tǒng)、方法、視頻解析服務器及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011033404.2
• 申請日: 2020-09-27
• 公開（公告）號: CN112052833B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 徐海俊;孫新;曹李軍;章勇;張琦;蒲一超
• 申請（專利權(quán)）人: 蘇州科達科技股份有限公司;上海領世通信技術發(fā)展有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/82;G06N3/0464;G06N3/08;H04N7/18
• 代理公司: 蘇州謹和知識產(chǎn)權(quán)代理事務所(特殊普通合伙) 32295
• 代理人: 葉棟

1.一種對象密度監(jiān)控系統(tǒng)，其特征在于，所述系統(tǒng)包括：

多個攝像頭，用于采集監(jiān)控場景內(nèi)的監(jiān)控畫面；

網(wǎng)關，與每個攝像頭通信相連，并將所述攝像頭采集到的監(jiān)控畫面?zhèn)魉椭烈曨l解析服務器；

所述視頻解析服務器，與所述網(wǎng)關通信相連，并接收所述網(wǎng)關傳送的監(jiān)控畫面；將所述監(jiān)控畫面輸入預存的對象密度監(jiān)控模型，以輸出對象密度信息；其中，所述對象密度監(jiān)控模型是經(jīng)過模型裁剪得到的；

業(yè)務平臺，與所述視頻解析服務器通信相連，并接收并顯示所述視頻解析服務器的對象密度信息；

所述對象密度監(jiān)控模型的訓練過程包括：

使用訓練數(shù)據(jù)對基準網(wǎng)絡進行訓練得到初始網(wǎng)絡模型，所述訓練數(shù)據(jù)包括多張具有對象的對象圖像和每張對象圖像的對象標注信息；

對所述初始網(wǎng)絡模型中的特定卷積核參數(shù)逐個進行裁剪，所述特定卷積核參數(shù)是使所述初始網(wǎng)絡模型的損失變化最小的卷積核參數(shù)；

使用所述訓練數(shù)據(jù)對裁剪后的模型進行訓練，直至訓練得到的模型與本次裁剪前的模型的準確率之差小于準確率閾值時，得到訓練后的裁剪模型；

若所述裁剪后的模型的參數(shù)數(shù)量大于預設閾值，則對所述訓練后的裁剪模型再次裁剪，并執(zhí)行使用所述訓練數(shù)據(jù)對再次裁剪后的模型進行訓練，直至訓練得到的模型與本次裁剪前的模型的準確率之差小于準確率閾值時，得到訓練后的裁剪模型；

若所述裁剪后的模型的參數(shù)數(shù)量小于或等于所述預設閾值，將該所述訓練后的裁剪模型確定為所述對象密度監(jiān)控模型。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述訓練數(shù)據(jù)包括原始采集數(shù)據(jù)和所述原始采集數(shù)據(jù)的增廣數(shù)據(jù)；

所述增廣數(shù)據(jù)是指對所述原始采集數(shù)據(jù)進行數(shù)據(jù)增廣操作后得到的數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的系統(tǒng)，其特征在于，所述數(shù)據(jù)增廣操作包括基于圖像金字塔的尺度變換操作。

4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，

所述對象密度監(jiān)控模型用于識別所述監(jiān)控畫面中的對象，得到對象的密度熱值圖；所述對象密度信息包括所述密度熱值圖；

所述對象標注信息包括將每張對象圖像中的對象標簽與高斯核函數(shù)進行卷積后得到的對象密度熱值圖；

所述高斯核函數(shù)用于將所述對象標簽與高斯核進行卷積得到所述對象密度熱值圖。

5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述對所述初始網(wǎng)絡模型進行裁剪，包括：

在所述初始網(wǎng)絡模型的所有卷積核參數(shù)中確定特定卷積核參數(shù)；

裁剪所述特定卷積核參數(shù)。

6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述在所述初始網(wǎng)絡模型的所有卷積核參數(shù)中確定特定卷積核參數(shù)，包括：

對于每個卷積核參數(shù)，基于泰勒展開計算在裁剪所述卷積核參數(shù)前的第一損失值；

基于泰勒展開計算在裁剪所述卷積核參數(shù)后的第二損失值；

基于所述第一損失值和所述第二損失值確定損失值變化量；

從各個卷積核參數(shù)中確定損失值變化量最小的特定卷積核參數(shù)。

7.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述預設閾值是基于浮點運算次數(shù)FLOPs正則化計算得到的。

8.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述基準網(wǎng)絡支持對不同尺度的輸入圖像進行處理。

9.一種對象密度監(jiān)控方法，其特征在于，用于權(quán)利要求1至8任一所述的對象密度監(jiān)控系統(tǒng)中的視頻解析服務器中，所述方法包括：

接收所述網(wǎng)關傳送的監(jiān)控畫面；

將所述監(jiān)控畫面輸入預存的對象密度監(jiān)控模型，以輸出對象密度信息；所述對象密度監(jiān)控模型是經(jīng)過模型裁剪得到的；

將所述對象密度信息發(fā)送至所述業(yè)務平臺進行顯示。

10.一種視頻解析服務器，其特征在于，所述視頻解析服務器包括處理器和存儲器；所述存儲器中存儲有程序，所述程序由所述處理器加載并執(zhí)行以實現(xiàn)如權(quán)利要求9所述的對象密度監(jiān)控方法。

11.一種計算機可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)中存儲有程序，所述程序被處理器執(zhí)行時用于實現(xiàn)如權(quán)利要求9所述的對象密度監(jiān)控方法。