[发明专利]人车计数方法、装置、设备与计算机可读存储介质

说明书

本发明公开了一种人车计数方法，包括：检测到训练指令时，获取训练指令中对应的预设模型，并对预设模型进行预设轻量化操作，得到目标模型；检测到计数指令时，获取计数指令中对应的目标视频，并基于目标视频和所述目标模型，得到人车特征图集合；通过目标模型将人车特征图集合进行融合，得到目标人车特征图，并识别目标人车特征图，分别得到人和车的数量。本发明还公开了一种人车计数装置、设备和计算机可读存储介质。本发明通过轻量化操作，将预设模型训练成目标模型，并根据目标视频和目标模型对人车特征进行提取并融合，提高了人车计数的快速性、准确性与稳定性，也使得目标模型可在计算资源有限的软硬件环境上部署使用。

技术领域

本发明涉及人工智能技术领域，尤其涉及人车计数方法、装置、设备与计算机可读存储介质。

背景技术

随着智慧城市的不断发展，人车检测及计数逐渐成为热点研究问题。道路场景中人车检测主要难点是路侧摄像机拍摄的目标区域中，因距离远近不同、人车目标尺度之间的差异，造成目标存在尺度变异现象且小目标占有一定比例。上述难点限制了人车检测及计数的性能。

人车计数作为热点研究问题，受到国内外研究人员的广泛研究。目前的技术主要是利用双区域学习算法、融合卷积神经网络与前景运动信息的视频行人计数方法、利用堆叠的多列卷积神经网络、使用YOLO-v3(一种目标检测算法)和应用不同的回归模型检测行人；利用金字塔网络、受限多重跟踪的兴趣线计数方法、多级卷积神经网络、单发多盒卷积神经网络以及质心匹配算法用于车辆计数。

上述现有方法尚未对检测不同尺度的人车的问题给出较好的解决方案，该情况下人车检测仍具有挑战。此外，现有的方法为了提高人车检测性能，会依赖于一些复杂的网络模型，在实际工程中难以部署。

发明内容

本发明的主要目的在于提出一种人车计数方法、装置、设备与计算机可读存储介质，旨在通过轻量化操作得到目标模型，提高人车计数的快速性、准确性与稳定性，并使得目标模型可在计算资源有限的软硬件环境上部署使用。

为实现上述目的，本发明提供一种人车计数方法，所述人车计数方法包括如下步骤：

检测到训练指令时，获取所述训练指令中对应的预设模型，并对所述预设模型进行预设轻量化操作，得到目标模型；

检测到计数指令时，获取所述计数指令中对应的目标视频，并基于所述目标视频和所述目标模型，得到人车特征图集合；

通过所述目标模型将所述人车特征图集合进行融合，得到目标人车特征图，并识别所述目标人车特征图，分别得到人和车的数量。

优选地，对所述预设模型进行预设轻量化操作，得到目标模型的步骤包括：

根据预设损失函数，计算出所述预设模型的损失值，并基于所述损失值，确定所述预设模型中每一层网络的目标权值参数；

基于所述目标权值参数和轻量化操作，得到所述目标模型。

优选地，损失函数包括：边界框损失函数、置信度损失函数和分类损失函数，所述根据预设损失函数，计算出所述预设模型的损失值的步骤包括：

获取所述预设模型中每一层网络的损失参数，并根据所述损失参数计算出边界框损失值、置信度损失值和分类损失值；

将所述边界框损失值、所述置信度损失值和所述分类损失值相加，得到所述预设模型的损失值。

优选地，轻量化操作包括稀疏策略、通道剪枝、层剪枝、微调和知识蒸馏，所述基于所述目标权值参数和所述轻量化操作，得到目标模型的步骤包括：

根据稀疏策略，对所述预设模型中批量标准化层进行稀疏训练，得到第一稀疏模型；

获取所述第一稀疏模型中批量标准化层对应的标准化参数，并根据所述标准化参数对所述第一稀疏模型进行通道剪枝和层剪枝操作，得到第二稀疏模型；