[发明专利]人群计数及其模型构建的方法、终端设备及存储介质

权利要求书

1.一种人群计数模型的构建方法，其特征在于，该构建方法基于卷积神经网络所形成，该构建方法包括：

获取训练数据集，所述训练数据集包括多张人群分割图、人群密度图及人体关键点关系图，其中所述人体关键点关系图为描述人体的两个相连关键点的位置和方向信息的关系图；

分别将所述人群分割图、所述人群密度图及所述人体关键点关系图输入初始卷积神经网络进行迭代训练，并分别输出对应的人群分割特征图、人群密度特征图及人体关键点关系特征图；

根据所述人群分割特征图与所述人群密度特征图得到过渡人群密度特征图，并根据所述过渡人群密度特征图与所述人体关键点关系特征图，得到目标人群密度特征图；

分别计算与所述人群分割特征图、所述过渡人群密度特征图、所述人体关键点关系特征图及所述目标人群密度特征图对应的各个损失函数的损失值，并将各个所述损失函数的损失值进行求和得到总损失值；

重复以上所有步骤，直至所述总损失值小于或等于预设损失阈值之后，保存此时的所述初始卷积神经网络的网络结构与参数数值，并分别将其作为所述人群计数模型的网络结构与参数数值，其中所述重复以上所有步骤为一次迭代训练，每次迭代训练完成后更新前一次所述初始卷积神经网络的网络结构与参数数值。

2.根据权利要求1所述的人群计数模型的构建方法，其特征在于，根据所述人群分割特征图与所述人群密度特征图得到过渡人群密度特征图，具体包括：

将所述人群分割特征图与所述人群密度特征图进行点乘后得到所述过渡人群密度特征图。

3.根据权利要求1所述的人群计数模型的构建方法，其特征在于，根据所述过渡人群密度特征图与所述人体关键点关系特征图，得到目标人群密度特征图，具体包括：

将所述过渡人群密度特征图与所述人体关键点关系特征图在通道维度上连接在一起，并经过若干卷积层得到所述目标人群密度特征图。

4.根据权利要求1所述的人群计数模型的构建方法，其特征在于，所述人群分割特征图对应的损失函数通过采用交叉熵代价函数所得到。

5.根据权利要求1所述的人群计数模型的构建方法，其特征在于，所述过渡人群密度特征图、所述人体关键点关系特征图及所述目标人群密度特征图对应的各个损失函数通过分别计算其自身和对应的实际特征图的欧式距离所得到。

6.根据权利要求1所述的人群计数模型的构建方法，其特征在于，每次迭代训练完成后更新前一次所述初始卷积神经网络的网络结构与参数数值，具体为：

通过随机梯度下降的方法，在每一次迭代训练中更新一次所述初始卷积神经网络的网络结构与参数数值。

7.一种基于视频监控的人群计数方法，其特征在于，其基于权利要求1～6任一项所述的人群计数模型的构建方法来实现，其包括以下步骤：

接收待计数视频监控图像的人群计数处理信号；

读取预先保存的所述人群计数模型的网络结构与参数数值，并以此生成目标卷积神经网络；

将所述待计数视频监控图像输入所述目标卷积神经网络进行处理，以输出所述目标人群密度特征图；

根据所述目标人群密度特征图计算出视频监控图像的人数。

8.根据权利要求7所述的基于视频监控的人群计数方法，其特征在于，根据所述目标人群密度特征图计算出视频监控图像的人数，具体包括：

对所述目标人群密度特征图进行数值累加求和得到所述视频监控图像的人数。

9.一种终端设备，其特征在于，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～6任一项所述的人群计数模型的构建方法，或实现如权利要求7～8任一项所述的基于视频监控的人群计数方法。

10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现如权利要求1～6任一项所述的人群计数模型的构建方法，或实现如权利要求7～8任一项所述的基于视频监控的人群计数方法。