[发明专利]基于密度信息的人群计数方法、装置、设备以及介质

权利要求书

1.一种基于密度信息的人群计数方法，其特征在于，包括：

将带有人头位置标注的图像数据集经过预处理得到训练样本集，以此对基于密度信息的卷积神经网络进行训练；所述基于密度信息的卷积神经网络包括基于目标检测的卷积神经网络和基于密度回归的卷积神经网络；

将待测试图像分别输入至基于目标检测的卷积神经网络和基于密度回归的卷积神经网络中，得到基于目标检测的密度图和基于密度回归的密度图；

将所述基于目标检测的密度图和基于密度回归的密度图进行密度图融合，得到所述待测试图像的目标估计密度图；

对目标估计密度图进行积分计算得到所述待测试图像中的人数。

2.如权利要求1所述的一种基于密度信息的人群计数方法，其特征在于，

所述预处理包括，将带有人头位置标注的图像数据集通过二维高斯卷积核进行卷积，生成数据集中每张图像对应的人群密度图标签组成得到训练样本集。

3.如权利要求1所述的一种基于密度信息的人群计数方法，其特征在于，

所述得到基于目标检测的密度图包括，将待测试图像输入至基于目标检测的卷积神经网络中，对待测试图像进行头部检测，得到基于目标检测的密度图。

4.如权利要求1所述的一种基于密度信息的人群计数方法，其特征在于，

所述得到基于密度回归的密度图包括，将待测试图像输入至基于密度回归的卷积神经网络中，估计待测试图像中像素的人群密度，得到基于密度回归的密度图。

5.如权利要求1所述的一种基于密度信息的人群计数方法，其特征在于，

所述密度图融合包括，融合基于目标检测的密度图和基于密度回归的密度图，得到结合全局密度特征的密度图，对结合全局密度特征的密度图经过最大-均值池化和反卷积层的处理，得到目标估计密度图。

6.一种基于密度信息的人群计数装置，其特征在于，包括：

训练模块，其用于将带有人头位置标注的图像数据集经过预处理得到训练样本集，以此对基于密度信息的卷积神经网络进行训练；所述基于密度信息的卷积神经网络包括基于目标检测的卷积神经网络和基于密度回归的卷积神经网络；

输入模块，其用于将待测试图像分别输入至基于目标检测的卷积神经网络和基于密度回归的卷积神经网络中，得到基于目标检测的密度图和基于密度回归的密度图；

融合处理模块，其用于将所述基于目标检测的密度图和基于密度回归的密度图进行密度图融合，得到所述待测试图像的目标估计密度图；

计算模块，其用于对目标估计密度图进行积分计算得到所述待测试图像中的人数。

7.如权利要求6所述的一种基于密度信息的人群计数装置，其特征在于，

所述输入模块包括目标检测模块和密度回归模块，所述目标检测模块用于将待测试图像输入至基于目标检测的卷积神经网络中，对待测试图像进行头部检测，得到基于目标检测的密度图。

8.如权利要求7所述的一种基于密度信息的人群计数装置，其特征在于，

所述密度回归模块用于将待测试图像输入至基于密度回归的卷积神经网络中，估计待测试图像中像素的人群密度，得到基于密度回归的密度图。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项方法所述的步骤。

10.一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，该程序被处理器执行时实现如权利要求1-5任一项方法所述的步骤。