[发明专利]基于高低空信息融合的人群计数方法和装置、存储介质

说明书

本发明公开一种基于高低空信息融合的人群计数方法和装置、存储介质，包括：构建人群计数模型；将高空图像输入人群计数模型，得到人群分布密度图；将高空图像的区域映射到对应的低空图像的区域，得到配准图像；将人群分布密度图离散成多个密度等级，统计各密度等级所包含的像素数；在高空图像的区域中选取各个密度等级包含的子群体，统计该子群体的像素数；将该子群体对应低空图像区域输入到人群计数模型，得到子群体的人数；根据各密度等级所包含的像素数、子群体的像素数和子群体的人数，得到指定区域的全局人数。采用本发明的技术方案，适用于大规模、高密度的人群场景，大大提高了人群计数的精确性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于高低空信息融合的人群计数方法和装置、存储介质。

背景技术

人群计数是公共安防行业中非常重要的一种技术。对于给定的一幅图像或一段视频，通过计算机自动处理，分析出其中的人数。随着社会的快速发展，传统的人工计数方式无法准确、快速的获得大型场景的人数，给安全管控带来了较大的难度。基于机器视觉的人群计数算法由于具有精确性、实时性、稳定性等技术优势，成为了目前的研究热点之一。

目前，人群计数技术已经获得了快速的发展，大量的学者投身于该项目的研究。主要分为传统的人群计数方法和基于深度学习的人群计数方法。早期的传统的人群计数方法使用检测器对图像进行检测，通过分类器学习行人特征实现人群计数。此种方法只适用于较为稀疏的场景，无法解决人群间严重遮挡问题。因此后期更多的使用基于回归的方法，通过学习建立特征到人群数量的映射，先提取前景特征，再利用一个回归函数得到估计的人群数量。但是传统的方法忽略了空间信息，导致局部区域的计数结果精确度不高，于是深度学习被引入了人群计数领域，凭借其出色的学习能力，利用多卷积神经网络来提取不同尺寸的人群特征。该方法对于密集分布不均匀的区域，可以得到较好的计数结果。

图像采集中往往难以获取清晰的完整的人群图像，存在严重的遮挡或光线影响，传统的算法效果不理想；现有的人群计数算法大多是针对单一视角、行人特征清晰的图像或视频进行处理，然而在实际的人群管控场景中，更多的是高密度高区域的场景，监控图像中包含的人数更多，遮挡情况严重，图像质量不佳，无法准确的标注出每一个人头的坐标位置。

发明内容

本发明要解决的技术问题是，提供一种基于高低空信息融合的人群计数方法和装置、存储介质，适用于大规模、高密度的人群场景，大大提高了了人群计数的精确性。

为实现上述目的，本发明采用如下的技术方案：

一种基于高低空信息融合的人群计数方法，包括以下步骤：

步骤S1、根据指定区域的多源图像数据，构建人群计数模型，其中，所述多源图像数据包含：高空视角图像和低空视角图像，高空视角包含低空视角覆盖区域；

步骤S2、将获取指定区域的高空图像输入人群计数模型，得到人群分布密度图；

步骤S3、根据获取的高空图像和低空图像进行区域配准，将高空图像的区域H映射到对应的低空图像的区域B，得到配准图像；

步骤S4、将人群分布密度图离散成多个密度等级，统计各密度等级所包含的像素数b_i；

步骤S5、在高空图像的区域H中选取各个密度等级包含的子群体，统计该子群体的像素数n_j；将根据配准图像通过配准确定该子群体对应低空图像区域输入到人群计数模型，得到子群体的人数l_j；

步骤S6、根据各密度等级所包含的像素数b_i、子群体的像素数n_j和子群体的人数l_j，得到指定区域的全局人数。

作为优选，步骤S1包括：

对多源图像数据进行预处理，得到训练集；