[发明专利]一种人群数量确定方法、装置、设备和介质

说明书

本发明公开了一种人群数量确定方法、装置、设备和介质，由于该方法中基于预先训练完成的神经网络模型，提取输入的待处理图像的原始特征图；基于所述原始特征图进行自适应卷积处理，得到所述原始特征图对应的自适应卷积核；采用所述自适应卷积核对所述原始特征图进行处理，确定所述待处理图像对应的人群密度图；根据所述人群密度图中每个像素点的像素值，得到所述待处理图像中的人群数量。由于本发明实施例中是采用自适应的卷积核对原始特征图中不同尺度的特征信息进行自适应的处理，从而解决了现有的神经网络模型不能对多尺度情况进行处理的问题，提高了确定人群数量时的准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人群数量确定方法、装置、设备和介质。

背景技术

随着世界人口的指数增长和逐渐发展的城市化，近年来人群聚集更加频繁，在这种情况下，为了更好的管理人口、保障人口的安全，必须在公共场所监控人群数量。准确监控车站、职场及商场等人流聚集区域的人群数量，对疫情防控、企业复工起到了重要的作用。

密集人群计数是指计算拥挤场景中的人群数量，具体是由神经网络模型根据人群图像得到相应的人群密度图，通过人群密度图中每个像素点的像素值，求和得到人群图像中的人群数量。

然而由于人群图像中存在人头尺度变化大、人头遮挡严重以及背景噪声等多尺度情况，其中多尺度是指在不同距离采集的一个物体的图像时，该物体在图像中呈现的大小是不同的，现有的神经网络模型不能对多尺度情况进行相应处理，导致现有技术中在确定人群数量时的准确率较低。

发明内容

本发明提供了一种人群数量确定方法、装置、设备和介质，用以解决现有技术中在确定人群数量时的准确率较低的问题。

本发明提供了一种人群数量确定方法，所述方法包括：

基于预先训练完成的神经网络模型，提取输入的待处理图像的原始特征图；基于所述原始特征图进行自适应卷积处理，得到所述原始特征图对应的自适应卷积核；采用所述自适应卷积核对所述原始特征图进行处理，确定所述待处理图像对应的人群密度图；

根据所述人群密度图中每个像素点的像素值，得到所述待处理图像中的人群数量。

进一步地，所述采用所述自适应卷积核对所述原始特征图进行处理，确定所述待处理图像对应的人群密度图包括：

预先训练完成的神经网络模型对所述原始特征图进行池化卷积处理得到第一特征图；采用所述自适应卷积核对所述第一特征图进行卷积处理，得到第二特征图，将所述第二特征图与所述原始特征图进行拼接后得到第三特征图，对所述第三特征图进行解码处理得到所述待处理图像对应的所述人群密度图。

进一步地，所述预先训练完成的神经网络模型，对所述的原始特征图进行池化卷积处理得到第一特征图包括：

所述预先训练完成的神经网络模型采用预设的每个池化参数，对所述原始特征图进行池化处理，得到对应的每个第一池化特征图；对所述每个第一池化特征图进行卷积处理，得到每个第一卷积特征图；对所述每个第一卷积特征图进行上采样处理，得到每个第一尺度特征图；将所述每个第一尺度特征图在通道维度上进行拼接得到所述第一特征图。

进一步地，所述对所述第三特征图进行解码处理得到所述待处理图像对应的所述人群密度图包括：

所述预先训练完成的神经网络模型对所述第三特征图进行解码得到中间人群密度图；对所述中间人群密度图进行大小调整，得到与所述待处理图像大小相同的人群密度图。

进一步地，所述对所述中间人群密度图进行大小调整，得到与所述待处理图像大小相同的人群密度图包括：

采用双线性插值法对所述中间人群密度图进行上采样处理，得到与所述待处理图像大小相同的人群密度图。