[发明专利]一种扎堆行为检测方法、装置、电子设备及存储介质有效
| 申请号: | 201810792519.6 | 申请日: | 2018-07-18 |
| 公开(公告)号: | CN108875709B | 公开(公告)日: | 2021-05-25 |
| 发明(设计)人: | 闫润强;张强;邓柯珀;尹大海 | 申请(专利权)人: | 洛阳语音云创新研究院 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00 |
| 代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;李相雨 |
| 地址: | 471000 河南省洛阳市*** | 国省代码: | 河南;41 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 扎堆 行为 检测 方法 装置 电子设备 存储 介质 | ||
1.一种扎堆行为检测方法,其特征在于,所述方法包括:
将包含待检测目标的目标图像进行图像划分,获得至少一个图像区域;
针对每一个图像区域,获取该图像区域内所述待检测目标的占比密度和该图像区域的区域权重系数,其中,所述区域权重系数使得所述目标图像中单位像素所对应的待检测目标的面积相同;
根据该图像区域内所述待检测目标的占比密度和该图像区域的区域权重系数,获取该图像区域内待检测目标的区域分布密度;
根据每一个图像区域内待检测目标的区域分布密度,对所述待检测目标的扎堆行为进行检测;
其中,获取该图像区域的区域权重系数,包括:
当检测到所述目标图像的拍摄方向与水平方向之间的夹角小于90°时,获取所述每一个图像区域的权重视角因子和区域比例因子,所述权重视角因子与所述目标图像的拍摄视角相关;
针对每一个图像区域,计算该图像区域的权重视角因子和该图像区域的区域比例因子的乘积,并将所述乘积确定为所述该图像区域的区域权重系数。
2.根据权利要求1所述的方法,其特征在于,所述针对每一个图像区域,获取该图像区域内所述待检测目标的占比密度,包括:
将所述目标图像输入至预先训练得到的检测模型,得到所述检测模型输出的对所述目标图像内待检测目标进行图像识别的识别结果;
根据所述识别结果,获得待检测目标在每一个图像区域内的像素数量;
针对每一个图像区域,根据待检测目标在该图像区域内的像素数量和该图像区域内所有像素的数量,获得该图像区域内所述待检测目标的占比密度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述识别结果,获得待检测目标在每一个图像区域内的像素数量,包括:
根据所述识别结果,确定所述待检测目标在每一个图像区域内所占的像素区域;
针对每一个图像区域,获取所述待检测目标在该图像区域内所占的像素区域的并集区域,并将所述并集区域内的像素数量确定为待检测目标在该图像区域内的像素数量;
相应地,针对每一个图像区域,根据待检测目标在该图像区域内的像素数量和该图像区域内所有像素的数量,获得该图像区域内所述待检测目标的占比密度,包括:
计算待检测目标在该图像区域内的像素数量与该图像区域内所有像素的数量的比值,并将所述比值确定为所述占比密度。
4.根据权利要求1所述的方法,其特征在于,获取该图像区域的区域权重系数,还包括:
当检测到所述目标图像的拍摄方向与水平方向相垂直时,确定每一个图像区域的区域权重系数均为1。
5.根据权利要求1所述的方法,其特征在于,所述获取所述每一个图像区域的权重视角因子和区域比例因子,包括:
计算所述目标图像的拍摄方向与水平方向之间的夹角的正弦值,并将所述夹角的正弦值确定为每一个图像区域的权重视角因子;
计算所述每一个图像区域的区域高度与所述目标图像的图像高度的商值,并根据所述每一个图像区域的区域高度与所述目标图像的图像高度的商值,确定每一个图像区域的区域比例因子。
6.根据权利要求1所述的方法,其特征在于,所述根据该图像区域内所述待检测目标的占比密度和该图像区域的区域权重系数,获取该图像区域内待检测目标的区域分布密度,包括:
计算所述该图像区域内所述待检测目标的占比密度和该图像区域的区域权重系数的乘积,并将所述乘积确定为该图像区域内待检测目标的区域分布密度。
7.根据权利要求1所述的方法,其特征在于,所述根据每一个图像区域内待检测目标的区域分布密度,对所述待检测目标的扎堆行为进行检测,包括:
根据所述目标图像中图像区域的数量以及每一个图像区域内待检测目标的区域分布密度,计算得到所有图像区域内待检测目标的平均区域分布密度;
根据所述平均区域分布密度以及每一个图像区域内待检测目标的区域分布密度,对每一个图像区域内所述待检测目标的扎堆行为进行检测。
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洛阳语音云创新研究院,未经洛阳语音云创新研究院许可,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/201810792519.6/1.html,转载请声明来源钻瓜专利网。





