[发明专利]基于目标检测的计数模型处理方法、装置及计算机设备

权利要求书

1.一种基于目标检测的计数模型处理方法，其特征在于，包括下述步骤：

获取由带有标签的原始图像构成的训练样本集；

将所述训练样本集中的原始图像输入初始计数模型，以通过所述初始计数模型中的第一分支网络生成原始图像的密度图，并通过所述初始计数模型中的第二分支网络生成所述原始图像的注意力图和人群边界图；

将所述注意力图与所述人群边界图进行融合，得到修正注意力图；

基于所述标签中的人群位置信息，生成所述原始图像的标准密度图、标准注意力图和标准人群边界图；

基于所述密度图和所述标准密度图、所述修正注意力图和所述标准注意力图，以及所述人群边界图和所述标准人群边界图计算联合损失；

根据所述联合损失对所述初始计数模型进行调整，直至所述联合损失满足训练停止条件，得到计数模型。

2.根据权利要求1所述的基于目标检测的计数模型处理方法，其特征在于，所述将所述原始图像输入初始计数模型，以通过所述初始计数模型中的第一分支网络生成原始图像的密度图，并通过所述初始计数模型中的第二分支网络生成所述原始图像的注意力图和人群边界图的步骤包括：

将所述训练样本集中的原始图像输入初始计数模型中的特征提取网络，得到所述原始图像的特征图；

将所述特征图输入所述初始计数模型中的第一分支网络，得到所述原始图像的密度图；

获取迭代轮次信息；

当根据所述迭代轮次信息确定当前处于第一轮迭代时，指示所述初始计数模型中的第二分支网络根据所述特征图预测生成所述原始图像的注意力图，并根据所述注意力图生成所述原始图像的人群边界图；

当根据所述迭代轮次信息确定当前不处于第一轮迭代时，指示所述第二分支网络根据所述特征图预测生成所述原始图像的注意力图和人群边界图。

3.根据权利要求1所述的基于目标检测的计数模型处理方法，其特征在于，所述将所述注意力图与所述人群边界图进行融合，得到修正注意力图的步骤包括：

根据预设的融合函数，对所述注意力图和所述人群边界图中对应位置的像素点进行融合计算，得到修正注意力图。

4.根据权利要求1所述的基于目标检测的计数模型处理方法，其特征在于，所述基于所述标签中的人群位置信息，生成所述原始图像的标准密度图、标准注意力图和标准人群边界图的步骤包括：

根据所述标签中的人群位置信息，生成所述原始图像的标注图；

对所述标注图中的各像素点进行高斯核卷积，得到所述原始图像的标准密度图；

基于所述标准密度图中各像素点的像素值，生成标准注意力图；

通过边缘检测算法提取所述标准注意力图的边界，得到标准人群边界图。

5.根据权利要求1所述的基于目标检测的计数模型处理方法，其特征在于，所述基于所述密度图和所述标准密度图、所述修正注意力图和所述标准注意力图，以及所述人群边界图和所述标准人群边界图计算联合损失的步骤包括：

将所述密度图和所述修正注意力图进行点乘，生成计数密度图；

根据所述修正注意力图和所述标准注意力图计算二分类交叉熵损失，得到第一损失；

根据所述计数密度图和所述标准密度图计算L2范数损失，得到第二损失；

根据所述人群边界图和所述标准人群边界图计算L1范数损失，得到第三损失；

对所述第一损失、所述第二损失和所述第三损失进行线性运算，得到联合损失。

6.根据权利要求1所述的基于目标检测的计数模型处理方法，其特征在于，在所述根据所述联合损失对所述初始计数模型进行调整，直至所述联合损失满足训练停止条件，得到计数模型的步骤之后，还包括：

获取待检测图像；

将所述待检测图像输入所述计数模型，得到待积分密度图；

对所述待积分密度图进行积分，得到所述待检测图像的人群计数结果。

7.根据权利要求6所述的基于目标检测的计数模型处理方法，其特征在于，所述获取待检测图像的步骤之前，还包括：

移除所述计数模型中的第二分支网络，得到用于人群计数应用的计数模型。