[发明专利]一种人数检测方法、装置、电子设备及存储介质

说明书

本申请实施例提供一种人数检测方法、装置、电子设备及存储介质，涉及图像处理技术领域。该人数检测方法包括：获取待检测图像；根据预设深度卷积神经网络对所述待检测图像进行特征提取，获得特征图；通过语义特征和定位特征提取所述特征图的特征信息；对所述特征信息进行处理，生成候选结果信息；根据所述候选结果信息进行筛选，生成目标检测结果。该人数检测方法鲁棒性强，受光照影响较小，可以实现提高适用性和检测准确性的技术效果。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种人数检测方法、装置、电子设备及存储介质。

背景技术

目前，现有的电梯人数检测方法主要包括如下三种：基于人脸识别的人数检测方法、基于图像处理的人数检测方法和基于红外热传感器的人数检测方法。

现有技术中，基于人脸识别的人数检测方法依据人脸的检测统计搭乘电梯的人数，当人脸出现遮挡时将会存在漏检的情况；基于传统图像处理的人数检测方法依靠颜色、形状等特征进行人体分割和形状检测，从而实现人数检测的功能，但对于施工升降梯这种存在较大光照变化的场景中，传统图像处理算法鲁棒性较差；基于红外热传感器的人数检测方法受温度的影响较大，当环境温度和人体温度相近时传感器的灵敏度明显下降，有时造成短时失灵。

发明内容

本申请实施例的目的在于提供一种人数检测方法、装置、电子设备及存储介质，鲁棒性强，受光照影响较小，可以实现提高适用性和检测准确性的技术效果。

第一方面，本申请实施例提供了一种人数检测方法，包括：

获取待检测图像；

根据预设深度卷积神经网络对所述待检测图像进行特征提取，获得特征图；

通过语义特征和定位特征提取所述特征图的特征信息；

对所述特征信息进行处理，生成候选结果信息；

根据所述候选结果信息进行筛选，生成目标检测结果。

在上述实现过程中，该人数检测方法通过对待检测图像进行特征提取，并通过语义特征和定位特征的互相传递以及融合，进一步提升特征提取的能力，最终可以提升模型的识别精度和定位精度，从而实现了基于深度卷积神经网络的人数检测方法；该人数检测方法鲁棒性强、受光照影响较小，可以实现提高适用性和检测准确性的技术效果。

进一步地，所述对所述待检测图像进行特征提取，获得特征图的步骤，包括：

通过CBL、Res unit、CSP1、CSP2和SPP中的一种或多种模块对所述待检测图像进行特征提取，获得所述特征图。

在上述实现过程中，通过上述基础模块的组合使得预设深度卷积神经网络具有更深的网络结构，提升对图像更深层次特征的表征能力，从而达到提升模型检测精度的目的。

进一步地，所述通过语义特征和定位特征提取所述特征图的特征信息的步骤，包括：

通过FPN结构和网络深层对所述特征图进行处理，产生所述语义特征并向下传递；

通过PAN结构和网络浅层对所述特征图进行处理，产生所述定位特征并向上传递；

通过所述语义特征和所述定位特征的互相传递和融合，获得所述特征图的特征信息。

在上述实现过程中，通过语义特征和定位特征的互相传递以及融合，最终可以提升模型的识别精度和定位精度。

进一步地，所述对所述特征信息进行处理，生成候选结果信息的步骤，包括：

通过卷积操作对所述特征信息进行处理，分别输出包括多个分支的候选结果信息，每个分支的候选结果信息对应一个输出矩阵；