[发明专利]人群密度估计方法、装置、电子设备及介质

说明书

本申请提供一种人群密度估计方法及装置、一种电子设备以及一种计算机可读介质。其中，所述方法包括：获取针对监控区域中人群的监控视频，提取所述监控视频中图像帧间差异大于预设差分阈值的关键帧，将所述关键帧输入卷积神经网络模型中进行人群分析，输出所述关键帧对应的人群密度估计图和人数估计结果，其中，所述卷积神经网络模型是以不同图像及其对应的人群密度估计图和人数估计结果为样本集，经过深度学习训练建立的。由于是提取监控视频中的关键帧后再进行人群密度估计，相较于现有技术，能够提高人群密度估计的效率和准确性。

技术领域

本申请涉及图像处理技术领域，具体涉及一种人群密度估计方法及装置、一种电子设备以及一种计算机可读介质。

背景技术

在各大城市中，随着居住人口密度的增长，人群大量聚集的行为越来越多且规模越来越大。虽然在城市的每个角落几乎都装有摄像头，但目前人群的聚集仍然缺乏有效的管理和控制。因此对特定场合的人群的密度进行估计，成为城市管理中的一项重要任务。

人群密度估计在灾害防护、公共场所设计、人员智能调度等方面发挥着重要作用。当一个场景空间容纳了过多的行人时，容易发生踩踏事故，而人群密度估计可以对这样的场景进行预警，降低危险发生的概率。然而，由于受到场景多样性限制等因素影响，现有的人群密度估计方法的准确率并不高。例如，密集场景下人群大量聚集，遮挡严重；稀疏场景下人群分布散乱，背景复杂；人头尺度变化大，拍摄角度多样等因素。

因此，如何准确地对大量聚集的人群进行人群密度估计，是本领域亟需解决的技术问题。

发明内容

本申请的目的是提供一种人群密度估计方法及装置、一种电子设备以及一种计算机可读介质。

本申请第一方面提供一种人群密度估计方法，包括：

获取针对监控区域中人群的监控视频；

提取所述监控视频中图像帧间差异大于预设差分阈值的关键帧；

将所述关键帧输入卷积神经网络模型中进行人群分析，输出所述关键帧对应的人群密度估计图和人数估计结果，其中，所述卷积神经网络模型是以不同图像及其对应的人群密度估计图和人数估计结果为样本集，经过深度学习训练建立的。

本申请第二方面提供一种人群密度估计装置，包括：

获取模块，用于获取针对监控区域中人群的监控视频；

提取模块，用于提取所述监控视频中图像帧间差异大于预设差分阈值的关键帧；

分析模块，用于将所述关键帧输入卷积神经网络模型中进行人群分析，输出所述关键帧对应的人群密度估计图和人数估计结果，其中，所述卷积神经网络模型是以不同图像及其对应的人群密度估计图和人数估计结果为样本集，经过深度学习训练建立的。

本申请第三方面提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行以实现本申请第一方面所述的方法。

本申请第四方面提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现本申请第一方面所述的方法。

相较于现有技术，本申请第一方面提供的人群密度估计方法，通过获取针对监控区域中人群的监控视频，提取所述监控视频中图像帧间差异大于预设差分阈值的关键帧，将所述关键帧输入卷积神经网络模型中进行人群分析，输出所述关键帧对应的人群密度估计图和人数估计结果，其中，所述卷积神经网络模型是以不同图像及其对应的人群密度估计图和人数估计结果为样本集，经过深度学习训练建立的。由于是提取监控视频中的关键帧后再进行人群密度估计，相较于现有技术，能够提高人群密度估计的效率和准确性。

附图说明