[发明专利]一种人数统计方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，特别是涉及一种人数统计方法及装置。

背景技术

随着经济的快速发展和人们社会活动的不断增加，交通枢纽、大型活动现场及大型商场等公共场所人流拥堵越来越严重，由于人流拥堵造成的安全隐患日趋严重。因此，如何自动、实时地进行人数统计具有重要的研究价值。

相关的人数统计方法，主要是基于统计模型的方法将人群视为服从某种概率分布的整体，然后通过对运动人群进行时空建模以实现运动人群的分割，并借助人群所在区域的区域特征与人群数量之间的回归统计实现人数估计。

具体地，可以首先获取包括人群信息的目标图像，并通过光流场提取目标图像中运动人群的动态纹理特征，然后借助动态纹理特征和水平集算法实现人群的按运动方向分割，获得代表不同运动方向的人群区域。之后再提取各人群区域的面积、周长、周长面积比、内部边缘点数目、分形维度以及统计地形等特征，最后利用广义回归神经网络实现各人群区域特征与人数之间的回归分析，从而获取该目标图像中各人群区域的人数统计结果。

然而，上述方法中，需要根据目标图像提取较多的特征，从而导致人数统计速度较慢，实时性差。另外，人群区域的分割效果影响后续各人群区域人数统计结果的准确性，并且，对各人群区域进行特征提取时，所提取的特征并不能很好的反应人群分布的本质特征，从而导致人数统计结果的准确性较低。可见，相关的人数统计方法存在统计速度慢以及准确性低的问题。

发明内容

本发明实施例的目的在于提供一种人数统计方法及装置，以提高人数统计的速度和准确性。具体技术方案如下：

第一方面，本发明实施例提供了一种人数统计方法，所述方法包括：

获取待分析的包括人群信息的目标图像；

将所述目标图像输入预先训练的全卷积神经网络中，得到所述目标图像对应的人群密度分布图；其中，所述全卷积神经网络是根据各样本图像，以及各样本图像对应的人群密度分布真值图训练得到的；

根据所述人群密度分布图，统计所述目标图像中包括的人数。

可选地，所述根据所述人群密度分布图，统计所述目标图像中包括的人数的步骤包括：

对所述人群密度分布图中各像素点的像素值进行积分处理，将所处理的结果作为所述目标图像中包括的人数。

可选地，所述根据所述人群密度分布图，统计所述目标图像中包括的人数的步骤包括：

根据所述人群密度分布图，确定所述目标图像中包括的人群子区域；

统计各人群子区域中包括的人数。

可选地，所述根据所述人群密度分布图，确定所述目标图像中包括的人群子区域的步骤包括：

对所述人群密度分布图进行二值化处理、形态学分析、以及连通域分析，得到所述目标图像中包括的人群子区域。

可选地，所述全卷积神经网络的训练过程包括：

构建初始全卷积神经网络；其中，所述初始全卷积神经网络包括至少一层卷积层、至少一层降采样层、以及至少一层反卷积层；

获取样本图像，并获取各样本图像对应的人群密度分布真值图；

将各样本图像，以及各样本图像对应的人群密度分布真值图输入所述初始全卷积神经网络，训练得到所述全卷积神经网络。

可选地，所述获取各样本图像对应的人群密度分布真值图包括：

针对每个样本图像，获取针对该样本图像中各人体的头部中心位置标定结果，并获取该样本图像对应的场景透视图；

根据该样本图像中各人体的头部中心位置，以及该样本图像对应的场景透视图，确定该样本图像中对应各人体的身体中心位置；

根据该样本图像，该样本图像中各人体的头部中心位置，对应各人体的身体中心位置，以及预定的头部密度分布函数和身体密度分布函数，生成该样本图像对应的人群密度分布真值图。

可选地，所述根据该样本图像，该样本图像中各人体的头部中心位置，对应各人体的身体中心位置，以及预定的头部密度分布函数和身体密度分布函数，生成该样本图像对应的人群密度分布真值图包括：

根据以下公式，计算该样本图像对应的人群密度分布真值图中，人体p所在位置处的像素值D_i(p)：