[發明專利]人車計數方法、裝置、設備與計算機可讀存儲介質

在審

• 申請號: 202110688492.8
• 申請日: 2021-06-21
• 公開（公告）號: CN113378745A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 熊偉;金立左;馬游
• 申請（專利權）人: 深圳市三旺通信股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06K9/34;G06M1/10;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 晏波

1.一種人車計數方法，其特征在于，所述人車計數方法包括如下步驟：

檢測到訓練指令時，獲取所述訓練指令中對應的預設模型，并對所述預設模型進行預設輕量化操作，得到目標模型；

檢測到計數指令時，獲取所述計數指令中對應的目標視頻，并基于所述目標視頻和所述目標模型，得到人車特征圖集合；

通過所述目標模型將所述人車特征圖集合進行融合，得到目標人車特征圖，并識別所述目標人車特征圖，分別得到人和車的數量。

2.如權利要求1所述的人車計數方法，其特征在于，所述對所述預設模型進行預設輕量化操作，得到目標模型的步驟包括：

根據預設損失函數，計算出所述預設模型的損失值，并基于所述損失值，確定所述預設模型中每一層網絡的目標權值參數；

基于所述目標權值參數和輕量化操作，得到所述目標模型。

3.如權利要求2所述的人車計數方法，其特征在于，所述損失函數包括：邊界框損失函數、置信度損失函數和分類損失函數，所述根據預設損失函數，計算出所述預設模型的損失值的步驟包括：

獲取所述預設模型中每一層網絡的損失參數，并根據所述損失參數計算出邊界框損失值、置信度損失值和分類損失值；

將所述邊界框損失值、所述置信度損失值和所述分類損失值相加，得到所述預設模型的損失值。

4.如權利要求2所述的人車計數方法，其特征在于，所述輕量化操作包括稀疏策略、通道剪枝、層剪枝、微調和知識蒸餾，所述基于所述目標權值參數和所述輕量化操作，得到目標模型的步驟包括：

根據稀疏策略，對所述預設模型中批量標準化層進行稀疏訓練，得到第一稀疏模型；

獲取所述第一稀疏模型中批量標準化層對應的標準化參數，并根據所述標準化參數對所述第一稀疏模型進行通道剪枝和層剪枝操作，得到第二稀疏模型；

通過微調和知識蒸餾，對所述第二稀疏模型進行精度恢復訓練，并結合所述目標權值參數，得到目標模型。

5.如權利要求4所述的人車計數方法，其特征在于，所述獲取所述第一稀疏模型中的批量標準化層對應的標準化參數，并根據所述標準化參數對所述第一稀疏模型進行通道剪枝和層剪枝操作，得到第二稀疏模型的步驟包括：

獲取所述第一稀疏模型中每個主體結構單元對應的批量標準化層的標準化參數；

將所述標準化參數與通道閾值進行對比，若所述標準化參數小于通道閾值，則將對應的主體結構單元進行通道剪枝，得到剪枝模型；

將所述標準化參數進行排序，得到排序結果，并根據所述排序結果和預設剪枝層數，對所述剪枝模型相應的主體結構單元進行層剪枝，得到第二稀疏模型。

6.如權利要求1所述的人車計數方法，其特征在于，所述基于所述目標視頻和所述目標模型，得到人車特征圖集合的步驟包括：

根據所述目標視頻的幀數，將所述目標視頻分割成所述視頻圖像，并將所述視頻圖像輸入目標模型；

通過所述目標模型中的尺度感知模塊和預設卷積核，對所述視頻圖像進行卷積操作，以提取所述視頻圖像中不同尺度的人車特征，得到人車特征圖集合。

7.如權利要求1-6所述的人車計數方法，其特征在于，所述通過所述目標模型將所述人車特征圖集合進行融合，得到目標人車特征圖，并識別所述目標人車特征圖，分別得到人和車的數量的步驟包括：

根據密集連接特征金字塔方法，并通過所述目標模型將所述人車特征圖集合進行融合，得到目標人車特征圖；

根據密集框預測方法，并通過所述目標模型識別所述目標人車特征圖，分別得到人和車的數量。