[发明专利]人群密度的获取方法、装置、电子设备

权利要求书

1.一种人群密度的获取方法，其特征在于，包括：

获得待测图像的初始人群密度图，根据至少两种尺寸分别对所述初始人群密度图进行划分，针对每一尺寸得到多个子区域；

对所述多个子区域中的人数进行量化处理，得到所述初始人群密度图的至少两种尺寸分别对应的量化处理结果；

根据所述至少两种尺寸分别对应的量化处理结果，确定所述待测图像的人群密度类别；

从多个已训练的预测模型中确定与所述人群密度类别对应的目标预测模型，将所述待测图像输入至所述目标预测模型得到所述待测图像的目标人群密度图；

其中，所述根据所述至少两种尺寸分别对应的量化处理结果，确定所述待测图像的人群密度类别，包括：

根据所述至少两种尺寸分别对应的量化处理结果获得人群密度特征；

将所述人群密度特征输入至预先构建的聚类模型中，获得所述聚类模型输出的所述待测图像的人群密度类别。

2.根据权利要求1所述的人群密度的获取方法，其特征在于，所述对所述多个子区域中的人数进行量化处理，得到所述初始人群密度图的至少两种尺寸分别对应的量化处理结果，包括：

对于任一种尺寸的子区域，确定所述子区域内的人数，并对所述子区域内的人数进行量化处理，获得所述子区域内的人数量化值；

对所述子区域中的人数量化值的频数进行归一化处理，获得所述初始人群密度图的任一种尺寸对应的量化处理结果。

3.根据权利要求2所述的人群密度的获取方法，其特征在于，所述对所述子区域内人数进行量化处理，获得所述子区域内的人数量化值，包括：

从所述任一种尺寸的各个子区域中的人数中确定单个子区域的最大人数；

根据所述单个子区域的最大人数对同一尺寸的每个子区域的人数进行量化处理，获得每个子区域内的人数量化值。

4.根据权利要求1所述的人群密度的获取方法，其特征在于，所述将所述待测图像输入至所述目标预测模型得到所述待测图像的目标人群密度图，之后还包括：

从多个已训练的预测模型中确定与所述人群密度类别不对应的至少一个预测模型，并作为辅助预测模型；

将所述待测图像输入至所述辅助预测模型，得到所述待测图像的辅助人群密度图；

根据所述目标人群密度图和辅助人群密度图，获得所述待测图像的最终人群密度图。

5.根据权利要求1或4所述的人群密度的获取方法，其特征在于，针对任一人群密度类别对应的预测模型的训练方法，包括：

获取具有所述任一人群密度类别的多幅样本图像以及每一幅样本图像的人群密度图；

以所述样本图像为样本，以所述样本图像的人群密度图作为样本标签对初始神经网络模型进行训练，直到所述初始神经网络模型的损失函数收敛，得到对应所述任一人群密度类别的预测模型；

所述预测模型的空洞卷积层的空洞率的大小与所述预测模型匹配的人群密度类别呈负相关关系。

6.一种人群密度的获取装置，其特征在于，包括：

划分模块，用于获得待测图像的初始人群密度图，根据至少两种尺寸分别对所述初始人群密度图进行划分，针对每一尺寸得到多个子区域；

量化模块，用于对所述多个子区域中的人数进行量化处理，得到所述初始人群密度图的至少两种尺寸分别对应的量化处理结果；

类别确定模块，用于根据所述至少两种尺寸分别对应的量化处理结果，确定所述待测图像的人群密度类别；

预测模块，用于从多个已训练的预测模型中确定与所述人群密度类别对应的目标预测模型，将所述待测图像输入至所述目标预测模型得到所述待测图像的目标人群密度图；

其中，所述类别确定模块包括：

密度特征获取子模块，用于根据至少两种尺寸分别对应的量化处理结果获得人群密度特征；

聚类子模块，用于将人群密度特征输入至预先构建的聚类模型中，获得聚类模型输出的待测图像的人群密度类别。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述人群密度的获取方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述人群密度的获取方法的步骤。