[發(fā)明專利]人群計(jì)數(shù)方法、裝置、存儲介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202210176763.6
• 申請日: 2022-02-25
• 公開（公告）號: CN114581946B
• 公開（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 曾錦山;徐瑞英
• 申請（專利權(quán)）人: 江西師范大學(xué)
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/774;G06V10/77
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 鄭華潔

本公開關(guān)于人群計(jì)數(shù)方法、裝置、存儲介質(zhì)及電子設(shè)備。該方法包括獲取目標(biāo)圖像，所述目標(biāo)圖像包括至少一個(gè)人物；將所述目標(biāo)圖像輸入第一網(wǎng)絡(luò)，得到所述目標(biāo)圖像的人物統(tǒng)計(jì)結(jié)果；其中，所述第一網(wǎng)絡(luò)通過對預(yù)訓(xùn)練好的第二網(wǎng)絡(luò)的知識進(jìn)行學(xué)習(xí)和復(fù)習(xí)得到，所述第二網(wǎng)絡(luò)被訓(xùn)練為進(jìn)行人群統(tǒng)計(jì)的網(wǎng)絡(luò)，所述第一網(wǎng)絡(luò)的容量小于所述第二網(wǎng)絡(luò)的容量。本公開可以有效地緩解教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)的能力差距，以及解決錯(cuò)誤傳播問題。

技術(shù)領(lǐng)域

本公開涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及人群計(jì)數(shù)方法、裝置、存儲介質(zhì)及電子設(shè)備。

背景技術(shù)

現(xiàn)有的人群計(jì)數(shù)方法一般可分為三類，即：E基于檢測器的方法、基于回歸器的方法和基于深度學(xué)習(xí)的方法。第一類人群計(jì)數(shù)方法通常通過使用行人檢測器對人群進(jìn)行定位來估計(jì)人群數(shù)量，主要關(guān)注人類的一些重要特征，如面部和身體。這些方法通常適用于目標(biāo)數(shù)量較少的稀疏場景，但對于背景復(fù)雜且目標(biāo)密集的場景可能會失敗目標(biāo)，尤其是人群遮擋?；诨貧w器的方法通過從一些手工制作的低級特征中學(xué)習(xí)映射來產(chǎn)生人群數(shù)量的估計(jì)。雖然第二類方法在一定程度上可以緩解遮擋和背景雜波的問題，但是它們的性能取決于低級特征的質(zhì)量，并且通常遠(yuǎn)不能滿足實(shí)際應(yīng)用的要求?；谏疃葘W(xué)習(xí)的方法已成為人群計(jì)數(shù)任務(wù)的主流，并取得了顯著進(jìn)展。為了獲得更好的性能，大多數(shù)最先進(jìn)的方法使用重型骨干網(wǎng)絡(luò)，如VGG網(wǎng)絡(luò)作為特征提取器。雖然這些大量的人群計(jì)數(shù)模型在估計(jì)人群數(shù)量方面可以取得令人滿意的性能，但它們令人印象深刻的性能是以高昂的計(jì)算成本和硬件負(fù)擔(dān)為代價(jià)的，限制了它們在實(shí)際應(yīng)用中的廣泛使用，并導(dǎo)致可擴(kuò)展性差，尤其是在邊緣計(jì)算設(shè)備上有限的計(jì)算資源。

發(fā)明內(nèi)容

本公開提供人群計(jì)數(shù)方法、裝置、存儲介質(zhì)及電子設(shè)備，以至少解決相關(guān)技術(shù)中上述至少一個(gè)技術(shù)問題。本公開的技術(shù)方案如下：

根據(jù)本公開實(shí)施例的第一方面，提供一種人群計(jì)數(shù)方法，包括：

獲取目標(biāo)圖像，所述目標(biāo)圖像包括至少一個(gè)人物；

將所述目標(biāo)圖像輸入第一網(wǎng)絡(luò)，得到所述目標(biāo)圖像的人物統(tǒng)計(jì)結(jié)果；

其中，所述第一網(wǎng)絡(luò)通過對預(yù)訓(xùn)練好的第二網(wǎng)絡(luò)的知識進(jìn)行學(xué)習(xí)和復(fù)習(xí)得到，所述第二網(wǎng)絡(luò)被訓(xùn)練為進(jìn)行人群統(tǒng)計(jì)的網(wǎng)絡(luò)，所述第一網(wǎng)絡(luò)的容量小于所述第二網(wǎng)絡(luò)的容量。

在一示例性的實(shí)施方式中，所述第一網(wǎng)絡(luò)包括第一特征提取網(wǎng)絡(luò)、復(fù)習(xí)網(wǎng)絡(luò)、第一解碼網(wǎng)絡(luò)和融合網(wǎng)絡(luò)，所述第二網(wǎng)絡(luò)包括第二特征提取網(wǎng)絡(luò)和第二解碼網(wǎng)絡(luò)；

其中，所述復(fù)習(xí)網(wǎng)絡(luò)用于所述第二網(wǎng)絡(luò)中的知識進(jìn)行復(fù)習(xí)，并且向所述融合網(wǎng)絡(luò)輸出復(fù)習(xí)結(jié)果；

并且，對所述第二網(wǎng)絡(luò)的訓(xùn)練包括基于獲取到的總損失反饋調(diào)整所述的第二特征提取網(wǎng)絡(luò)和所述第二解碼網(wǎng)絡(luò)的參數(shù)，但是所述第二解碼網(wǎng)絡(luò)不用于對所述第一網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

在一示例性的實(shí)施方式中，所述第一特征提取網(wǎng)絡(luò)被設(shè)置為MobileNet?的子網(wǎng)，并且，所述第一特征提取網(wǎng)絡(luò)不包括所述第二特征提取網(wǎng)絡(luò)中的任意通道。

在一示例性的實(shí)施方式中，所述方法還包括對所述第一網(wǎng)絡(luò)進(jìn)行訓(xùn)練的步驟，所述對所述第一網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

基于所述第一網(wǎng)絡(luò)和所述第二特征提取網(wǎng)絡(luò)構(gòu)建訓(xùn)練網(wǎng)絡(luò)；

獲取樣本圖像，所述樣本圖像攜帶的標(biāo)簽表征所述樣本圖像中的人物數(shù)量；

基于所述樣本圖像調(diào)整所第一網(wǎng)絡(luò)的參數(shù)。

在一示例性的實(shí)施方式中，所述基于所述第一網(wǎng)絡(luò)和所述第二特征提取網(wǎng)絡(luò)構(gòu)建訓(xùn)練網(wǎng)絡(luò)，包括：

在所述第一特征提取網(wǎng)絡(luò)和所述第二特征提取網(wǎng)絡(luò)之間設(shè)置至少一個(gè)輔助訓(xùn)練網(wǎng)絡(luò)，各所述輔助訓(xùn)練網(wǎng)絡(luò)與所述第一特征提取網(wǎng)絡(luò)和所述第二特征提取網(wǎng)絡(luò)都進(jìn)行雙向信息傳遞；

所述第一特征提取網(wǎng)絡(luò)與至少一個(gè)復(fù)習(xí)網(wǎng)絡(luò)連接，并且所述第一特征提取網(wǎng)絡(luò)與所述第一解碼網(wǎng)絡(luò)連接；