[发明专利]图像处理方法、图像处理设备及计算机可读存储介质

说明书

本申请公开了一种图像处理方法、图像处理设备及计算机可读存储介质，该图像处理方法包括：获取待处理图像；对待处理图像进行结构相似度感知，得到待处理图像的人群密度分布图像；根据人群密度分布图像，得到待处理图像中的目标对象的数量。通过上述方式，利用结构相似度感知来确定人群密度图，提高了人群密度统计的精度。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、图像处理设备及计算机可读存储介质。

背景技术

人群计数是对于监控场景下的视频，通过计算机视觉算法来评估画面中的实时人数，人的分布情况，人群的密度等信息的技术。对于人十分稀疏的场景，我们通常可以通过检测每个行人的方式来实现人数的估计，但是实际监控场景往往存在严重遮挡，人的尺寸由近及远变化剧烈，很难通过检测的方式去检测到每个个体，因此通常的做法是采用回归的方式预测人群分布密度图，在估计人群位置分布的同时，估计全画面的人数。

现有技术中，在确定人群密度时，是以点为单位，失去了整体的约束性，人群密度预估精度低。

发明内容

为解决上述问题，本申请提供了一种图像处理方法、图像处理设备及计算机可读存储介质，可以利用结构相似度感知来确定人群密度图，提高了人群密度统计的精度。

本申请采用的一个技术方案是：提供一种图像处理方法，其特征在于，方法包括：获取待处理图像；对待处理图像进行结构相似度感知，得到待处理图像的人群密度分布图像；根据人群密度分布图像，得到待处理图像中的目标对象的数量。

根据本申请提供的一实施方式，对待处理图像进行结构相似度感知，包括：将待处理图像输入已训练好的人群统计模型，得到待处理图像的人群密度分布图像。

根据本申请提供的一实施方式，在对待处理图像进行结构相似度感知之前，方法还包括：基于预设的损失函数对神经网络进行训练，得到已训练好的人群统计模型。

根据本申请提供的一实施方式，在基于预设的损失函数对神经网络进行训练之前，还包括获取预设的损失函数；获取预设的损失函数的步骤包括：分别获取训练图像及其对应的人群分布密度图像，人群分布密度图像包括真实密度图像和预测密度图像；根据训练图像和人群分布密度图像，分别得到人头块平方误差损失函数、结构相似度损失函数和/或背景平方误差损失函数；对人头块平方误差损失函数、结构相似度损失函数和背景平方误差损失函数进行加权求和，得到预设的损失函数。

根据本申请提供的一实施方式，根据训练图像和人群分布密度图像，分别得到人头块平方误差损失函数、结构相似度损失函数和背景平方误差损失函数，包括：获取待处理图像的感兴趣区域，其中，感兴趣区域包括人头块；确定每个感兴趣区域分别对应真实密度图和预测密度图；根据每个感兴趣区域分别对应真实密度图和预测密度图，确定人头块平方误差损失函数，结构相似度损失函数和背景平方误差损失函数。

根据本申请提供的一实施方式，根据每个感兴趣区域分别对应真实密度图和预测密度图，确定人头块平方误差损失函数包括：获取每个感兴趣区域分别对应真实密度图和预测密度图的差值的平方；对所有差值的平方求和，得到人头块平方误差损失函数。

根据本申请提供的一实施方式，得到述感兴趣区域对应的结构相似度误差的步骤包括：根据每个感兴趣区域分别对应真实密度图和预测密度图，得到每个感兴趣区域对应的结构相似度误差；对所有感兴趣区域对应的结构相似度误差求和，得到结构相似度损失函数。

根据本申请提供的一实施方式，根据每个感兴趣区域分别对应真实密度图和预测密度图，确定背景平方误差损失函数包括：根据每个感兴趣区域分别对应真实密度图中的第一背景人数和预测密度图中的第二背景人数；获取第一背景人数和第二背景人数之间的差值的平方，将差值的平方作为背景平方误差损失函数。