[发明专利]对象密度监控系统、方法、视频解析服务器及存储介质

权利要求书

1.一种对象密度监控系统，其特征在于，所述系统包括：

多个摄像头，用于采集监控场景内的监控画面；

网关，与每个摄像头通信相连，并将所述摄像头采集到的监控画面传送至视频解析服务器；

所述视频解析服务器，与所述网关通信相连，并接收所述网关传送的监控画面；将所述监控画面输入预存的对象密度监控模型，以输出对象密度信息；其中，所述对象密度监控模型是经过模型裁剪得到的；

业务平台，与所述视频解析服务器通信相连，并接收并显示所述视频解析服务器的对象密度信息；

所述对象密度监控模型的训练过程包括：

使用训练数据对基准网络进行训练得到初始网络模型，所述训练数据包括多张具有对象的对象图像和每张对象图像的对象标注信息；

对所述初始网络模型中的特定卷积核参数逐个进行裁剪，所述特定卷积核参数是使所述初始网络模型的损失变化最小的卷积核参数；

使用所述训练数据对裁剪后的模型进行训练，直至训练得到的模型与本次裁剪前的模型的准确率之差小于准确率阈值时，得到训练后的裁剪模型；

若所述裁剪后的模型的参数数量大于预设阈值，则对所述训练后的裁剪模型再次裁剪，并执行使用所述训练数据对再次裁剪后的模型进行训练，直至训练得到的模型与本次裁剪前的模型的准确率之差小于准确率阈值时，得到训练后的裁剪模型；

若所述裁剪后的模型的参数数量小于或等于所述预设阈值，将该所述训练后的裁剪模型确定为所述对象密度监控模型。

2.根据权利要求1所述的系统，其特征在于，所述训练数据包括原始采集数据和所述原始采集数据的增广数据；

所述增广数据是指对所述原始采集数据进行数据增广操作后得到的数据。

3.根据权利要求2所述的系统，其特征在于，所述数据增广操作包括基于图像金字塔的尺度变换操作。

4.根据权利要求1所述的系统，其特征在于，

所述对象密度监控模型用于识别所述监控画面中的对象，得到对象的密度热值图；所述对象密度信息包括所述密度热值图；

所述对象标注信息包括将每张对象图像中的对象标签与高斯核函数进行卷积后得到的对象密度热值图；

所述高斯核函数用于将所述对象标签与高斯核进行卷积得到所述对象密度热值图。

5.根据权利要求1所述的系统，其特征在于，所述对所述初始网络模型进行裁剪，包括：

在所述初始网络模型的所有卷积核参数中确定特定卷积核参数；

裁剪所述特定卷积核参数。

6.根据权利要求5所述的系统，其特征在于，所述在所述初始网络模型的所有卷积核参数中确定特定卷积核参数，包括：

对于每个卷积核参数，基于泰勒展开计算在裁剪所述卷积核参数前的第一损失值；

基于泰勒展开计算在裁剪所述卷积核参数后的第二损失值；

基于所述第一损失值和所述第二损失值确定损失值变化量；

从各个卷积核参数中确定损失值变化量最小的特定卷积核参数。

7.根据权利要求1所述的系统，其特征在于，所述预设阈值是基于浮点运算次数FLOPs正则化计算得到的。

8.根据权利要求1所述的系统，其特征在于，所述基准网络支持对不同尺度的输入图像进行处理。

9.一种对象密度监控方法，其特征在于，用于权利要求1至8任一所述的对象密度监控系统中的视频解析服务器中，所述方法包括：

接收所述网关传送的监控画面；

将所述监控画面输入预存的对象密度监控模型，以输出对象密度信息；所述对象密度监控模型是经过模型裁剪得到的；

将所述对象密度信息发送至所述业务平台进行显示。

10.一种视频解析服务器，其特征在于，所述视频解析服务器包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如权利要求9所述的对象密度监控方法。

11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序被处理器执行时用于实现如权利要求9所述的对象密度监控方法。