[发明专利]一种密集人群的检测方法、装置及电子设备在审

专利信息
申请号: 202011378960.3 申请日: 2020-11-30
公开(公告)号: CN112308045A 公开(公告)日: 2021-02-02
发明(设计)人: 黄泽元 申请(专利权)人: 深圳集智数字科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 林哲生
地址: 518000 广东省深圳市南*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 密集 人群 检测 方法 装置 电子设备
【说明书】:

发明公开了一种密集人群的检测方法、装置及电子设备,包括:获取待检测图像;将所述待检测图像输入至人员检测模型人员检测模型,以获得与所述待检测图像中的人员相关联的检测框、质量分值和遮挡分值;以及基于所述检测框、所述质量分值以及所述遮挡分值,获得所述待检测图像的人员检测结果。由于本发明的人员检测模型为对图像特征进行学习,得到与所述待检测图像中的人员相匹配的检测框、质量分值和遮挡分值,利用所述检测框、质量分值和遮挡分值对人员进行检测的模型。使得本发明考虑了检测框在密集人群中的不确定性,有效利用了物体重叠信息进行建模,实现了提升密集人群中人员检测的精度。

技术领域

本发明涉及信息处理技术领域,特别是涉及一种密集人群的检测方法、装置及电子设备。

背景技术

随着计算机技术的发展,越来越多的场景应用到了人员检测,其也作为了人脸识别、动作识别的基础。但是,对着应用场景的多样化,在密集人群中的人员检测的场景中,当采用传统的固定边框去识别人员位置时,会受遮挡或者重叠信息的影响,降低了检测精度。

发明内容

针对于上述问题,本发明提供一种密集人群的检测方法、装置及电子设备,实现了提升密集人群中人员检测的精度。

为了实现上述目的,本发明提供了如下技术方案:

一种密集人群的检测方法,包括:

获取待检测图像;

将所述待检测图像输入至人员检测模型,已获得与所述待检测图像中的人员相关联的检测框、质量分值和遮挡分值;以及;

基于所述检测框、所述质量分值以及所述遮挡分值,获得所述待检测图像的人员检测结果;

其中,所述人员检测模型为对图像特征进行学习,得到与所述待检测图像中的人员相匹配的检测框、质量分值和遮挡分值,利用所述检测框、质量分值和遮挡分值对人员进行检测的模型。

可选地,所述方法还包括:

获取多个训练样本,所述多个训练样本中的每个训练样本包括样本图像和所述样本图像对应的人员位置;

通过所述多个训练样本对初始神经网络模型的模型参数进行调整,得到所述人员检测模型。

可选地,所述通过所述多个训练样本对初始神经网络模型的模型参数进行调整,得到所述人员检测模型,包括:

获取训练样本中的样本图像中人员位置标注的实际检测框;

将所述训练样本中的样本图像及人员位置输入至初始神经网络模型;

通过所述初始神经网络模型对所述样本图像进行处理,得到与所述人员位置对应的预测检测框;

基于所述样本图像中的各个人员的预测检测框,确定检测框的边框信息;

基于所述预测检测框与对应的实际检测框,确定质量分值和遮挡分值;

根据所述边框信息、质量分值和遮挡分值,对所述初始神经网络模型进行损失计算,获得损失计算结果;

通过所述损失计算结果对所述初始神经网络模型的模型参数进行调整,得到所述人员检测模型。

可选地,所述边框信息包括遮挡程度参数,所述基于所述样本图像中的各个人员的预测检测框,确定检测框的边框信息,包括:

获取第一预测检测框的底边的第一长度;

确定与所述第一预测检测框相邻的第二预测检测框;

确定所述第一预测检测框的底边被所述第二预测检测框覆盖的第二长度;

基于所述第一长度和所述第二长度,计算得到所述遮挡程度参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳集智数字科技有限公司,未经深圳集智数字科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011378960.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code