[发明专利]肩头识别模型训练方法、装置、人数统计方法、装置

说明书

本发明实施例提出一种肩头识别模型训练方法、装置、人数统计方法、装置，涉及图像处理技术领域。该肩头识别模型训练方法及装置，通过获取预先被划分为至少三种类型的训练样本，基于训练样本训练神经网络，从而建立肩头识别模型。由于预先依据应用场景的类型将训练样本划分为三种类型，使得训练获得的肩头识别模型能够适应不同的应用场景，在不同的应用场景内都具备较高的检出率。而人数统计方法及装置通过应用上述肩头识别模型训练方法训练得到的肩头识别模型，使得获取的多个目标框的准确率更高，从而使得基于多个目标框统计的监控区域的人数也更加精确。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种肩头识别模型训练方法、装置、人数统计方法、装置。

背景技术

现如今，随着经济的发展，在车站、机场、地铁口、商场和广场人口流动性较大，社会的公共安全问题越来越受到人们的关注。快速智能人数统计可以对人群密度提前预警，对商业中心的顾客流量提供实时的统计分析，由此解决人群密度较为拥挤可能带来的安全问题，也可以提供管理人员对安全预警工作的执行效率，同时可以为商家提供流量分析。

现有技术中，大多通过提取头肩特征，然后对头肩特征进行统计从而得到某监控区域的流量统计，但由于监控场景多变，导致在不同场景下对类似头肩的物体存在一定的误检率，从而导致人数统计不准确。

发明内容

有鉴于此，本发明的目的在于提供一种肩头识别模型训练方法、装置、人数统计方法、装置，以解决上述问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种肩头识别模型训练方法，所述肩头识别模型训练方法包括：

获取预先被划分为至少三种类型的训练样本，所述训练样本包括参考图像、目标类型信息以及所述参考图像包含的目标特征的实际目标区域；

对所述参考图像进行特征提取操作以获取目标特征图；

基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域；

利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域；

利用所述目标特征的所述预测目标区域及所述实际目标区域训练所述神经网络，从而建立肩头识别模型。

第二方面，本发明实施例还提供了一种肩头识别模型训练装置，所述肩头识别模型训练装置包括：

训练样本获取单元，用于获取预先被划分为至少三种类型的训练样本，所述训练样本包括参考图像、目标类型信息以及所述参考图像包含的目标特征的实际目标区域；

目标提取单元，用于对所述参考图像进行特征提取操作以获取目标特征图；

目标候选区域确定单元，用于基于所述目标特征图及所述训练样本的目标类型信息确定目标候选区域；

预测目标区域确定单元，用于利用预建立的神经网络，并基于所述目标候选区域及所述目标特征图确定所述目标特征的预测目标区域；

训练单元，用于利用所述目标特征的所述预测目标区域及所述实际目标区域训练所述神经网络，从而建立肩头识别模型。

第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述肩头识别模型训练方法。

第四方面，本发明实施例还提供了一种人数统计方法，所述人数统计方法包括：

利用输入图像及通过上述肩头识别模型训练方法建立的肩头识别模型获取多个目标框；

利用预建立的目标跟踪模型为每个所述目标框分配跟踪标识，并确定每个所述跟踪标识的初始位置信息以及当前位置信息；