[发明专利]基于深度图像的人头检测方法、装置、设备及存储介质

说明书

本申请实施例公开了一种基于深度图像的人头检测方法、装置、电子设备及存储介质。本申请实施例提供的技术方案，通过获取用于人头检测的待检测图像，将所述待检测图像输入预先训练的人头检测模型中，通过预测推理输出所述待检测图像对应位置的人头位置正态分布概率图，并根据对应位置的人头位置正态分布概率图的峰值，与预先设置的概率阈值进行比对，判定对应位置处是否存在人头。采用上述技术方案，通过深度图像的正态分布概率图进行人头检测，可以减少发型、帽子的多样性对人头检测精度的影响，提高人头检测精度，进而优化客流量统计流程，得到较好的店铺运营效果。

技术领域

本申请实施例涉及计算机视觉技术领域，尤其涉及一种基于深度图像的人头检测方法、装置、设备及存储介质。

背景技术

目前，在商店等场所运行过程中，为了店铺运营发展需要，需要对店铺的客流量进行统计，以便于根据客流量统计适应性修改店铺运营方案。而在进行客流量统计过程中，为了减少人工成本，实现数据统计的自动化处理，通常采用基于神经网络的目标检测算法通过目标检测以进行客流统计。其中，基于神经网络的人头检测即为目标检测领域的一个分支，该技术通过使用摄像头对店铺进行客流量信息图像的获取，并对客流量信息图像进行人头检测，得到图像中的人头数量，进而实现客流量的统计。

但是，现有的人头检测模型在进行人头检测，由于发型、帽子的多样性难以拟合，会影响人头检测效果，导致人头检测的结果精度偏低，进而影响客流量统计的结果。

发明内容

本申请实施例提供一种基于深度图像的人头检测方法、装置、设备及存储介质，能够减少发型、帽子的多样性带来的影响，提供较好的人头检测效果。

在第一方面，本申请实施例提供了一种基于深度图像的人头检测方法，包括：

获取用于人头检测的待检测图像，所述待检测图像为深度图像；

将所述待检测图像输入预先训练的人头检测模型中，通过预测推理输出所述待检测图像对应位置的人头位置正态分布概率图，所述预先训练的人头检测模型为CenterNet网络模型；

根据对应位置的所述人头位置正态分布概率图的峰值，比对预先设置的概率阈值，若对应位置的所述人头位置正态分布概率图的峰值大于所述概率阈值，则判定对应位置处存在人头。

进一步的，所述人头检测模型的训练过程包括：

对经过人头标注的训练样本图像进行预处理，得到训练样本的人头位置正态分布概率图；

将带有人头位置正态分布概率图的所述训练样本输入CenterNet网络模型，使用二范数作为损失函数进行模型训练，直至损失达到设定值。

进一步的，所述对经过人头标注的训练样本图像进行预处理，得到训练样本的人头位置正态分布概率图，包括：

以训练样本图像上进行人头标注的标记点为中心，使用正态分布向四周进行像素扩散，得到训练样本的人头位置正态分布概率图。

进一步的，所述训练样本图像的人头标注包括：

获取包含人头信息的RGB图像及对应的深度图像；

将获取到的RGB图像与对应的深度图像对齐；

获取所述RGB图像的人头标记点信息，将所述人头标记点信息映射到对应的深度图像。

进一步的，所述将获取到的RGB图像与对应的深度图像对齐，包括：

将对应的深度图像上的二维坐标点转换为世界坐标系上的三维坐标点，将转换后的三维坐标点投影到所述RGB图像上，并调整图像尺寸使坐标转换后的深度图像与所述RGB图像大小一致。

进一步的，所述待检测图像通过深度摄像头获取。