[發明專利]一種人群數量確定方法、裝置、設備和介質

在審

• 申請號: 202111580744.1
• 申請日: 2021-12-22
• 公開（公告）號: CN114445763A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 李永
• 申請（專利權）人: 天翼云科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/40;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種人群數量確定方法、裝置、設備和介質，由于該方法中基于預先訓練完成的神經網絡模型，提取輸入的待處理圖像的原始特征圖；基于所述原始特征圖進行自適應卷積處理，得到所述原始特征圖對應的自適應卷積核；采用所述自適應卷積核對所述原始特征圖進行處理，確定所述待處理圖像對應的人群密度圖；根據所述人群密度圖中每個像素點的像素值，得到所述待處理圖像中的人群數量。由于本發明實施例中是采用自適應的卷積核對原始特征圖中不同尺度的特征信息進行自適應的處理，從而解決了現有的神經網絡模型不能對多尺度情況進行處理的問題，提高了確定人群數量時的準確率。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種人群數量確定方法、裝置、設備和介質。

背景技術

隨著世界人口的指數增長和逐漸發展的城市化，近年來人群聚集更加頻繁，在這種情況下，為了更好的管理人口、保障人口的安全，必須在公共場所監控人群數量。準確監控車站、職場及商場等人流聚集區域的人群數量，對疫情防控、企業復工起到了重要的作用。

密集人群計數是指計算擁擠場景中的人群數量，具體是由神經網絡模型根據人群圖像得到相應的人群密度圖，通過人群密度圖中每個像素點的像素值，求和得到人群圖像中的人群數量。

然而由于人群圖像中存在人頭尺度變化大、人頭遮擋嚴重以及背景噪聲等多尺度情況，其中多尺度是指在不同距離采集的一個物體的圖像時，該物體在圖像中呈現的大小是不同的，現有的神經網絡模型不能對多尺度情況進行相應處理，導致現有技術中在確定人群數量時的準確率較低。

發明內容

本發明提供了一種人群數量確定方法、裝置、設備和介質，用以解決現有技術中在確定人群數量時的準確率較低的問題。

本發明提供了一種人群數量確定方法，所述方法包括：

基于預先訓練完成的神經網絡模型，提取輸入的待處理圖像的原始特征圖；基于所述原始特征圖進行自適應卷積處理，得到所述原始特征圖對應的自適應卷積核；采用所述自適應卷積核對所述原始特征圖進行處理，確定所述待處理圖像對應的人群密度圖；

根據所述人群密度圖中每個像素點的像素值，得到所述待處理圖像中的人群數量。

進一步地，所述采用所述自適應卷積核對所述原始特征圖進行處理，確定所述待處理圖像對應的人群密度圖包括：

預先訓練完成的神經網絡模型對所述原始特征圖進行池化卷積處理得到第一特征圖；采用所述自適應卷積核對所述第一特征圖進行卷積處理，得到第二特征圖，將所述第二特征圖與所述原始特征圖進行拼接后得到第三特征圖，對所述第三特征圖進行解碼處理得到所述待處理圖像對應的所述人群密度圖。

進一步地，所述預先訓練完成的神經網絡模型，對所述的原始特征圖進行池化卷積處理得到第一特征圖包括：

所述預先訓練完成的神經網絡模型采用預設的每個池化參數，對所述原始特征圖進行池化處理，得到對應的每個第一池化特征圖；對所述每個第一池化特征圖進行卷積處理，得到每個第一卷積特征圖；對所述每個第一卷積特征圖進行上采樣處理，得到每個第一尺度特征圖；將所述每個第一尺度特征圖在通道維度上進行拼接得到所述第一特征圖。

進一步地，所述對所述第三特征圖進行解碼處理得到所述待處理圖像對應的所述人群密度圖包括：

所述預先訓練完成的神經網絡模型對所述第三特征圖進行解碼得到中間人群密度圖；對所述中間人群密度圖進行大小調整，得到與所述待處理圖像大小相同的人群密度圖。

進一步地，所述對所述中間人群密度圖進行大小調整，得到與所述待處理圖像大小相同的人群密度圖包括：

采用雙線性插值法對所述中間人群密度圖進行上采樣處理，得到與所述待處理圖像大小相同的人群密度圖。