[發明專利]基于檢測和分割的人群密度統計方法、裝置、設備及介質

在審

• 申請號: 202210645973.5
• 申請日: 2022-06-08
• 公開（公告）號: CN114898301A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 趙靜;林亞龍;虞賽君;洪挺屹;劉強;馬迪迪;李進;王婧雯
• 申請（專利權）人: 合肥市軌道交通集團有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06N3/04;G06V10/42;G06V10/764;G06V10/80;G06V10/82
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 周永敬

1.基于檢測和分割的人群密度統計方法，其特征在于，包括：

獲取圖像數據；

對圖像數據進行處理，以得到樣本圖；

將樣本圖輸入到人群密度統計模型中進行人群概率預測，以得到人群密度圖；

根據人群密度圖計算出人群數量。

2.根據權利要求1所述的基于檢測和分割的人群密度統計方法，其特征在于，所述將樣本圖輸入到人群密度統計模型中進行人群概率預測，以得到人群密度圖，所述人群密度統計模型的處理方法包括：

將樣本圖輸入到SwinTransformer模型中對人頭數據進行目標檢測，以得到第一檢測特征、第二檢測特征、第三檢測特征以及第四檢測特征；

對第一檢測特征、第二檢測特征、第三檢測特征以及第四檢測特征輸入可變形卷積塊處理，以得到第一處理特征、第二處理特征、第三處理特征以及第四處理特征；

對第四處理特征進行轉置卷積處理后再進行上采樣處理，以得到第五處理特征；

對第三處理特征進行反池化上采樣處理，以得到第六處理特征；

對第二處理特征進行卷積處理，以得到第七處理特征；

將樣本圖輸入到卷積殘差網絡處理，以得到第八處理特征；

將第八處理特征、第七處理特征、第六處理特征、第五處理特征以及第一處理特征進行concate合并，以得到第一合并特征；

將第一合并特征輸入到PPM模型處理，以得到第九處理特征；

將第一處理特征、第二處理特征、第三處理特征以及第四處理特征輸入到CBAM注意力機制模型處理，以得到第十處理特征、第十一處理特征、第十二處理特征、第十三處理特征；

將第十處理特征和第九處理特征輸入到FAM模型處理，以得到第十四處理特征；

將第十四處理特征與第十一處理特征輸入到FAM模型處理，以得到第十五處理特征；

將第十五處理特征與第十二處理特征輸入到FAM模型處理，以得到第十六處理特征；

對第十六處理特征輸入到上采樣塊進行三次上采樣處理，以得到第一次采樣特征、第二次采樣特征和第三次采樣特征；

將第三次采樣特征通過sigmoid函數進行歸一化處理，以得到人群密度圖。

3.根據權利要求2所述的基于檢測和分割的人群密度統計方法，其特征在于，所述對第一檢測特征、第二檢測特征、第三檢測特征以及第四檢測特征輸入可變形卷積塊處理，以得到第一處理特征、第二處理特征、第三處理特征以及第四處理特征，所述可變形卷積塊分別由可變形卷積，relu激活函數以及BatchNormaliization構成。

4.根據權利要求2所述的基于檢測和分割的人群密度統計方法，其特征在于，所述將樣本圖輸入到卷積殘差網絡處理，以得到第八處理特征，所述卷積殘差網絡分別由殘差卷積和mish激活函數構成。

5.根據權利要求2所述的基于檢測和分割的人群密度統計方法，其特征在于，所述將第一合并特征輸入到PPM模型處理，以得到第九處理特征，包括：

將第一合并特征分別通過多尺度特征金字塔進行下采樣池化，以得到多個下采樣池化特征；

分別對多個下采樣池化特征進行卷積上采樣處理，以得到多個卷積上采樣特征；

對多個卷積上采樣特征進行合并后再進行卷積處理，以得到第九處理特征。

6.根據權利要求2所述的基于檢測和分割的人群密度統計方法，其特征在于，所述將第一處理特征、第二處理特征、第三處理特征以及第四處理特征輸入到CBAM注意力機制模型處理，以得到第十處理特征、第十一處理特征、第十二處理特征、第十三處理特征，所述CBAM注意力機制模型由通道注意力機制和空間注意力機制構成。

7.根據權利要求2所述的基于檢測和分割的人群密度統計方法，其特征在于，所述對第十六處理特征輸入到上采樣塊進行三次上采樣處理，以得到第一次采樣特征、第二次采樣特征和第三次采樣特征，所述上采樣塊由反卷積和relu激活函數構成。