[发明专利]深度感知对象计数

权利要求书

1.一种方法，包括：

通过经训练的机器学习模型来处理图像的第一分段和所述图像的第二分段，所述第一分段使用基于深度信息而选择的第一滤波器被处理以使得能够形成第一密度图，并且所述第二分段使用基于所述深度信息而选择的第二滤波器被处理以使得能够形成第二密度图；

通过所述经训练的机器学习模型将所述第一密度图和所述第二密度图组合以形成针对所述图像的密度图；以及

通过所述经训练的机器学习模型基于所述密度图来提供输出，所述输出表示所述图像中的对象的数量的估计。

2.根据权利要求1所述的方法，还包括：

通过所述经训练的机器学习模型接收包括多个对象的所述图像，其中所述图像基于所述深度信息被至少分段为所述第一分段和所述第二分段。

3.根据权利要求2所述的方法，其中所述深度信息从另一机器学习模型被接收，所述另一机器学习模型被训练为从所述图像输出所述深度信息。

4.根据权利要求1至3中任一项所述的方法，其中所述经训练的机器学习模型包括多列卷积神经网络，所述多列卷积神经网络包括第一卷积神经网络和第二卷积神经网络。

5.根据权利要求4所述的方法，其中所述第一卷积网络包括所述第一滤波器，其中所述第二卷积网络包括所述第二滤波器，并且其中所述第一滤波器和所述第二滤波器每个均包括卷积层。

6.根据权利要求1至5中任一项所述的方法，其中所述深度信息指示所述第一分段和/或所述第二分段的位置。

7.根据权利要求1至6中任一项所述的方法，其中所述深度信息指示归因于距相机的距离的对象大小，并且/或者其中所述深度信息指示所述第一滤波器的第一滤波器大小和所述第二滤波器的第二滤波器大小。

8.根据权利要求7所述的方法，还包括：

通过所述经训练的机器学习模型并且基于所述深度信息来选择所述第一滤波器的所述第一滤波器大小和所述第二滤波器的所述第二滤波器大小。

9.根据权利要求1至8中任一项所述的方法，还包括：

基于参考图像来训练所述机器学习模型以学习密度图的生成。

10.根据权利要求1至9中任一项所述的方法，其中所述多个对象包括多个人、多个车辆和/或一群人。

11.根据权利要求1至10中任一项所述的方法，其中所述第一密度图估计所述第一分段中的对象的密度，其中所述第二密度图估计所述第二分段中的对象的密度，并且其中所述密度图估计所述图像中的对象的密度。

12.一种装置，包括：

至少一个处理器；以及

包括程序代码的至少一个存储器，所述程序代码在被执行时使得所述装置至少：

通过经训练的机器学习模型来处理图像的第一分段和所述图像的第二分段，所述第一分段使用基于深度信息而选择的第一滤波器被处理以使得能够形成第一密度图，并且所述第二分段使用基于所述深度信息而选择的第二滤波器被处理以使得能够形成第二密度图；

通过所述经训练的机器学习模型将所述第一密度图和所述第二密度图组合以形成针对所述图像的密度图；以及

通过所述经训练的机器学习模型基于所述密度图来提供输出，所述输出表示所述图像中的对象的数量的估计。

13.根据权利要求12所述的装置，其中所述装置还被使得至少：

通过所述经训练的机器学习模型接收包括多个对象的所述图像，其中所述图像基于所述深度信息被至少分段为所述第一分段和所述第二分段。

14.根据权利要求13所述的装置，其中所述深度信息从另一机器学习模型被接收，所述另一机器学习模型被训练为从所述图像输出所述深度信息。