[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

本發明實施例公開了一種基于檢測和分割的人群密度統計方法、裝置、設備及介質，方法包括：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。本發明基于SwinTransformer目標檢測網絡進行特征提取，并基于提取的特征進行人群概率密度圖預測，增加了目標檢測的監督信息，提升模型的預測效果。通過多尺度特征融合可以很好的兼容不同大小尺寸的人體信息。通過增加注意力機制加深模型對人群密度，方便模型更容易剔除背景干擾因素。

技術領域

本發明涉及數據統計技術領域，更具體地說是一種基于檢測和分割的人群密度統計方法、裝置、設備及介質。

背景技術

隨著社會的發展，人群計數或者統計是目前工業界和學界的一個研究熱點和難點，其在實際生活中有重要應用價值。針對人群密度的統計目前有以下幾種方式。

第一種是通過基于空洞卷積與原始卷積進行不同感受野信息的特征融合，以及不同感受野信息的特征融合，以及融合不同分辨率下特征圖不同的層級語義信息，從而生產具有更高質量的人群密度圖。該專利使用了大量的空洞卷積，這樣對圖片特征中的連續性信息有所損失，對于密度統計有很大的影響，同時忽略了人群密度近大遠小的空間信息。

第二種是通過使用AlexNet網絡將人群圖片數據集分為密度與稀疏兩類，并對兩類圖像密度特征的不同將其送入對應的特征提取網絡。對于密度圖像采用注意力機制的方法進行人員密度統計，對于稀疏的人群密度采用空洞卷積的方式進行人員密度統計。該專利首先需要對圖片人員密度進行分析需要判斷圖片中的人員密度是稀疏還是密集，在針對其進行密度分析。該專利無法直接進行人群密度判斷，需要對其進行密度稀疏及密集先進行判斷，才能進行判斷，網絡臃腫，無法適應不同程度的人員密度分類。

第三種是基于卷積神經網絡進行人群密及數量估計方法，該方法僅僅通過卷積神經網絡沒有采用多尺度的方法，無法兼容不同尺度大小目標的特征信息，模型預測效果差，識別結果不精準。

第四種是通過目標檢測網絡來檢測人頭數，根據人頭數來判斷人群密度。該方法基于目標價檢測人頭來判斷人群密度對于人體遮擋以及人頭遮擋會有漏檢的情況，同時對于遠處密集的小目標檢測召回率低湊兒最終會導致人群密度評估不準的情況。

發明內容

本發明的目的在于克服現有技術的不足，提供基于檢測和分割的人群密度統計方法、裝置、設備及介質，能夠增加目標檢測的監督信息，提升模型的預測效果，且能兼容不同大小尺寸的人體信息，以及方便模型更容易剔除背景干擾因素。

為實現上述目的，本發明采用以下技術方案：

第一方面，基于檢測和分割的人群密度統計方法，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。

其進一步技術方案為：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；