[發(fā)明專利]基于高低空信息融合的人群計數(shù)方法和裝置、存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210369020.0
• 申請日: 2022-04-08
• 公開（公告）號: CN114821467B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設計）人: 汪一鳴;盛潔;張瑾;吳澄;牛偉龍;吳佳佳;王占生;凌松濤;黃磊
• 申請（專利權）人: 蘇州大學;蘇州市軌道交通集團有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06T7/33;G06V10/80;G06V10/82;G06N3/045;G06N3/0464
• 代理公司: 北京盛詢知識產(chǎn)權代理有限公司 11901
• 代理人: 袁善民

本發(fā)明公開一種基于高低空信息融合的人群計數(shù)方法和裝置、存儲介質(zhì)，包括：構建人群計數(shù)模型；將高空圖像輸入人群計數(shù)模型，得到人群分布密度圖；將高空圖像的區(qū)域映射到對應的低空圖像的區(qū)域，得到配準圖像；將人群分布密度圖離散成多個密度等級，統(tǒng)計各密度等級所包含的像素數(shù)；在高空圖像的區(qū)域中選取各個密度等級包含的子群體，統(tǒng)計該子群體的像素數(shù)；將該子群體對應低空圖像區(qū)域輸入到人群計數(shù)模型，得到子群體的人數(shù)；根據(jù)各密度等級所包含的像素數(shù)、子群體的像素數(shù)和子群體的人數(shù)，得到指定區(qū)域的全局人數(shù)。采用本發(fā)明的技術方案，適用于大規(guī)模、高密度的人群場景，大大提高了人群計數(shù)的精確性。

技術領域

本發(fā)明屬于圖像處理技術領域，尤其涉及一種基于高低空信息融合的人群計數(shù)方法和裝置、存儲介質(zhì)。

背景技術

人群計數(shù)是公共安防行業(yè)中非常重要的一種技術。對于給定的一幅圖像或一段視頻，通過計算機自動處理，分析出其中的人數(shù)。隨著社會的快速發(fā)展，傳統(tǒng)的人工計數(shù)方式無法準確、快速的獲得大型場景的人數(shù)，給安全管控帶來了較大的難度。基于機器視覺的人群計數(shù)算法由于具有精確性、實時性、穩(wěn)定性等技術優(yōu)勢，成為了目前的研究熱點之一。

目前，人群計數(shù)技術已經(jīng)獲得了快速的發(fā)展，大量的學者投身于該項目的研究。主要分為傳統(tǒng)的人群計數(shù)方法和基于深度學習的人群計數(shù)方法。早期的傳統(tǒng)的人群計數(shù)方法使用檢測器對圖像進行檢測，通過分類器學習行人特征實現(xiàn)人群計數(shù)。此種方法只適用于較為稀疏的場景，無法解決人群間嚴重遮擋問題。因此后期更多的使用基于回歸的方法，通過學習建立特征到人群數(shù)量的映射，先提取前景特征，再利用一個回歸函數(shù)得到估計的人群數(shù)量。但是傳統(tǒng)的方法忽略了空間信息，導致局部區(qū)域的計數(shù)結果精確度不高，于是深度學習被引入了人群計數(shù)領域，憑借其出色的學習能力，利用多卷積神經(jīng)網(wǎng)絡來提取不同尺寸的人群特征。該方法對于密集分布不均勻的區(qū)域，可以得到較好的計數(shù)結果。

圖像采集中往往難以獲取清晰的完整的人群圖像，存在嚴重的遮擋或光線影響，傳統(tǒng)的算法效果不理想；現(xiàn)有的人群計數(shù)算法大多是針對單一視角、行人特征清晰的圖像或視頻進行處理，然而在實際的人群管控場景中，更多的是高密度高區(qū)域的場景，監(jiān)控圖像中包含的人數(shù)更多，遮擋情況嚴重，圖像質(zhì)量不佳，無法準確的標注出每一個人頭的坐標位置。

發(fā)明內(nèi)容

本發(fā)明要解決的技術問題是，提供一種基于高低空信息融合的人群計數(shù)方法和裝置、存儲介質(zhì)，適用于大規(guī)模、高密度的人群場景，大大提高了了人群計數(shù)的精確性。

為實現(xiàn)上述目的，本發(fā)明采用如下的技術方案：

一種基于高低空信息融合的人群計數(shù)方法，包括以下步驟：

步驟S1、根據(jù)指定區(qū)域的多源圖像數(shù)據(jù)，構建人群計數(shù)模型，其中，所述多源圖像數(shù)據(jù)包含：高空視角圖像和低空視角圖像，高空視角包含低空視角覆蓋區(qū)域；

步驟S2、將獲取指定區(qū)域的高空圖像輸入人群計數(shù)模型，得到人群分布密度圖；

步驟S3、根據(jù)獲取的高空圖像和低空圖像進行區(qū)域配準，將高空圖像的區(qū)域H映射到對應的低空圖像的區(qū)域B，得到配準圖像；

步驟S4、將人群分布密度圖離散成多個密度等級，統(tǒng)計各密度等級所包含的像素數(shù)b_i；

步驟S5、在高空圖像的區(qū)域H中選取各個密度等級包含的子群體，統(tǒng)計該子群體的像素數(shù)n_j；將根據(jù)配準圖像通過配準確定該子群體對應低空圖像區(qū)域輸入到人群計數(shù)模型，得到子群體的人數(shù)l_j；

步驟S6、根據(jù)各密度等級所包含的像素數(shù)b_i、子群體的像素數(shù)n_j和子群體的人數(shù)l_j，得到指定區(qū)域的全局人數(shù)。

作為優(yōu)選，步驟S1包括：

對多源圖像數(shù)據(jù)進行預處理，得到訓練集；