[发明专利]对象数量确定方法、装置、存储介质与电子设备

权利要求书

1.一种对象数量确定方法，其特征在于，包括：

获取目标图像，对所述目标图像中的对象进行识别，选取所述对象分布密集的部分并在两个所述对象之间相距超过一定距离的位置划出边界线，以得到一个区域，迭代扩展该区域，使扩展后该区域的对象密度增加，直到对象密度达到最大，将该区域从所述目标图像中分割出；重复上述过程，以将所述目标图像划分为多个区域，分别以各所述区域的图像作为待处理图像；

对所述待处理图像中的所述对象进行识别，将识别到的所述对象的数量作为第一数值；

比较所述第一数值和预设阈值；

如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；

如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值；

其中，各所述区域具有对应的预设阈值，通过以下方式确定：

分别计算各所述区域内可能出现所述对象的部分图像面积，除以每个所述对象所占的图像面积，将得到的数值乘以小于1的经验系数，得到对应的预设阈值。

2.根据权利要求1所述的方法，其特征在于，所述对待处理图像中的所述对象进行识别，包括：

通过预先训练的第一神经网络模型对所述待处理图像中的对象进行识别。

3.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型包括YOLO模型。

4.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像中的所述对象进行密度检测，包括：

通过预先训练的第二神经网络模型对所述待处理图像中的所述对象进行密度检测。

5.根据权利要求4所述的方法，其特征在于，所述第二神经网络模型包括：

第一分支网络，用于对所述待处理图像进行第一卷积处理，得到第一特征图像；

第二分支网络，用于对所述待处理图像进行第二卷积处理，得到第二特征图像；

第三分支网络，用于对所述待处理图像进行第三卷积处理，得到第三特征图像；

合并层，用于将所述第一特征图像、第二特征图像和第三特征图像合并为最终特征图像；

输出层，用于将所述最终特征图像映射为密度图像。

6.一种对象数量确定装置，其特征在于，包括：

获取模块，用于获取目标图像，对所述目标图像中的对象进行识别，选取所述对象分布密集的部分并在两个所述对象之间相距超过一定距离的位置划出边界线，以得到一个区域，迭代扩展该区域，使扩展后该区域的对象密度增加，直到对象密度达到最大，将该区域从所述目标图像中分割出；重复上述过程，以将所述目标图像划分为多个区域，分别以各所述区域的图像作为待处理图像；

识别模块，用于对所述待处理图像中的所述对象进行识别，将识别到的所述对象的数量作为第一数值；

比较模块，用于比较所述第一数值和预设阈值；

第一确定模块，用于如果所述第一数值小于所述预设阈值，则将所述待处理图像中所述对象的数量确定为所述第一数值；

第二确定模块，用于如果所述第一数值大于所述预设阈值，则对所述待处理图像中的对象进行密度检测，得到关于所述对象数量的第二数值，并将所述待处理图像中所述对象的数量确定为所述第二数值；

其中，各所述区域具有对应的预设阈值，通过以下方式确定：

分别计算各所述区域内可能出现所述对象的部分图像面积，除以每个所述对象所占的图像面积，将得到的数值乘以小于1的经验系数，得到对应的预设阈值。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的方法。

8.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-5任一项所述的方法。