[发明专利]人群定位方法及装置、电子设备和存储介质在审

专利信息
申请号: 202110777233.2 申请日: 2021-07-09
公开(公告)号: CN113435390A 公开(公告)日: 2021-09-24
发明(设计)人: 杨昆霖;李昊鹏;侯军;伊帅 申请(专利权)人: 上海商汤智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/32;G06K9/62
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 200233 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人群 定位 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种人群定位方法,其特征在于,包括:

对人群图像进行特征提取,得到至少一个第一特征图;

对所述至少一个第一特征图进行人体关键点检测,确定所述人群图像对应的定位概率图,其中,所述定位概率图用于指示所述人群图像中各像素点是目标人体点的概率;

根据所述定位概率图,对所述至少一个第一特征图进行加权处理,得到至少一个第二特征图;

对所述至少一个第二特征图进行人体框检测,确定所述人群图像对应的目标人体框检测结果,其中,所述目标人体框检测结果中包括所述人群图像中各人体对应的目标人体框。

2.根据权利要求1所述的方法,其特征在于,所述对所述至少一个第一特征图进行人体关键点检测,确定所述人群图像对应的定位概率图,包括:

对目标第一特征图进行卷积处理,得到第三特征图,其中,所述目标第一特征图是所述至少一个第一特征图中的一个;

对所述第三特征图进行转置卷积处理,得到第四特征图,其中,所述第四特征图和所述人群图像具有相同的尺寸;

对所述第四特征图进行卷积处理,得到所述定位概率图。

3.根据权利要求1或2所述的方法,其特征在于,所述根据所述定位概率图,对所述至少一个第一特征图进行加权处理,得到至少一个第二特征图,包括:

根据所述定位概率图,对每个所述第一特征图进行像素级别的加权处理,得到每个所述第一特征图对应的所述第二特征图。

4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述对所述至少一个第二特征图进行人体框检测,确定所述人群图像对应的目标人体框检测结果,包括:

对所述至少一个第二特征图进行人体框检测,得到至少一个人体框预测结果;

对所述至少一个人体框预测结果进行融合,得到所述目标人体框检测结果。

5.根据权利要求4所述的方法,其特征在于,所述对所述至少一个人体框预测结果进行融合,得到所述目标人体框检测结果,包括:

对所述至少一个人体框预测结果进行非极大值抑制处理,得到所述目标人体框检测结果。

6.根据权利要求1至5中任意一项所述的方法,其特征在于,所述方法还包括:

根据所述定位概率图,对所述人群图像进行人群分析,得到所述人群图像对应的第一分析结果;

根据所述目标人体框检测结果,对所述人群图像进行人群分析,得到所述人群图像对应的第二分析结果;

对所述第一分析结果和所述第二分析结果进行融合,得到所述人群图像对应的目标分析结果。

7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述人群定位方法通过人群定位神经网络实现,所述人群定位神经网络的训练样本包括:人群样本图像、所述人群样本图像对应的真实定位图、以及所述人群样本图像对应的真实人体框检测结果;

所述人群定位神经网络的训练方法如下:

通过所述人群定位神经网络,确定所述人群样本图像对应的预测定位概率图,以及所述人群样本图像对应的预测人体框检测结果,其中,所述预测定位概率图用于指示所述人群样本图像中各像素点是目标人体点的概率,所述预测人体框检测结果中包括所述人群样本图像中各人体对应的预测人体框;

基于所述预测定位概率图和所述真实定位图,确定第一定位损失;

基于所述预测人体框检测结果和所述真实人体框检测结果,确定第二定位损失;

基于所述第一定位损失和所述第二定位损失,优化所述人群定位神经网络。

8.根据权利要求7所述的方法,其特征在于,所述基于所述第一定位损失和所述第二定位损失,优化所述人群定位神经网络,包括:

对所述第一定位损失和所述第二定位损失进行求和,得到目标定位损失;

基于所述目标定位损失,优化所述人群定位神经网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海商汤智能科技有限公司,未经上海商汤智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110777233.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top