[发明专利]人群密度统计方法、装置、电子设备和存储介质

权利要求书

1.一种人群密度统计方法，其特征在于，包括：

获取待统计的包括人群信息的目标图像；

将所述目标图像输入至预先训练的目标检测深度神经网络中，得到所述目标图像对应的第一人群密度分布图；

将所述目标图像输入至预先训练的人群密度回归深度神经网络中，得到所述目标图像对应的第二人群密度分布图；

通过预先训练的融合神经网络对所述第一人群密度分布图和所述第二人群密度分布图进行融合得到第三人群密度分布图。

2.根据权利要求1所述的方法，其特征在于，所述预先训练的目标检测深度神经网络和所述预先训练的人群密度回归深度神经网络共享一个基础网络；

所述预先训练的目标检测深度神经网络和所述预先训练的人群密度回归深度神经网络均为全卷积神经网络。

3.根据权利要求1所述的方法，其特征在于，所述第一人群密度图的生成方式如下：

获取所述目标检测深度神经网络输出的目标框的坐标参数、类别以及所述目标框的类别得分；

通过设定的阈值，结合所述坐标参数、类别以及所述目标框的类别得分对所述目标框进行过滤；

应用过滤后的目标框生成所述第一人群密度图。

4.根据权利要求3所述的方法，其特征在于，所述应用过滤后的目标框生成所述第一人群密度图，包括：

获取过滤后的目标框的起始横坐标、起始纵坐标、目标宽和目标高；

根据所述过滤后的目标框的起始横坐标、起始纵坐标、目标宽和目标高确定过滤后的目标框的中心坐标；

应用高斯滤波对所述过滤后的目标框的中心坐标进行运算，确定第一人群密度图，其中，所述高斯滤波的参数根据当前目标框的中心坐标的k-近邻平均距离自适应选取。

5.根据权利要求1所述的方法，其特征在于，所述预先训练的人群密度回归深度神经网络的训练过程中应用的综合损失函数根据密度图回归损失函数和人数损失函数确定。

6.根据权利要求5所述的方法，其特征在于，所述预先训练的人群密度回归深度神经网络的训练过程包括：

采用所述密度图回归损失函数对基础人群密度回归深度神经网络进行训练，得到中间人群密度回归深度神经网络；

采用所述综合损失函数对所述中间人群密度回归深度神经网络进行训练，得到所述预先训练的人群密度回归深度神经网络。

7.根据权利要求1所述的方法，其特征在于，所述通过预先训练的融合神经网络对所述第一人群密度分布图和所述第二人群密度分布图进行融合得到第三人群密度分布图，包括：

联合所述预先训练的融合神经网络、所述预先训练的目标检测深度神经网络以及所述预先训练的人群密度回归深度神经网络，得到人群密度深度神经网络；

应用所述人群密度深度神经网络得到第三人群密度分布图。

8.根据权利要求1-7任一项所述的方法，其特征在于，在所述通过预先训练的融合神经网络对所述第一人群密度分布图和所述第二人群密度分布图进行融合得到第三人群密度分布图之后，还包括：

根据所述第三人群密度分布图，统计所述目标图像中的人数。

9.一种人群密度统计装置，其特征在于，包括：

目标图像获取模块，用于获取待统计的包括人群信息的目标图像；

第一人群密度分布图确定模块，用于将所述目标图像输入至预先训练的目标检测深度神经网络中，得到所述目标图像对应的第一人群密度分布图；

第二人群密度分布图确定模块，用于将所述目标图像输入至预先训练的人群密度回归深度神经网络中，得到所述目标图像对应的第二人群密度分布图；

第三人群密度分布图确定模块，用于通过预先训练的融合神经网络对所述第一人群密度分布图和所述第二人群密度分布图进行融合得到第三人群密度分布图。

10.根据权利要求9所述的装置，其特征在于，还包括：

人数统计模块，用于根据所述第三人群密度分布图，统计所述目标图像中的人数。