基于人群图像中人群区域的人员计数方法与流程

1.本技术涉及人员计数技术领域，具体涉及一种基于人群图像中人群区域的人员计数方法。


背景技术：

2.人员计数是计算机视觉领域中的一个分支方向，人员计数方向的研究目标是在人群场景下，给定一张图像或一段视频，通过算法生成相应的人群密度图并统计出人群密度图中人员的数量。相关技术中，人员计数的准确性较低。


技术实现要素：

3.本技术实施例提供一种基于人群图像中人群区域的人员计数方法，能够提高对人群图像中的人员进行计数的准确性。
4.第一方面，本技术实施例提供一种基于人群图像中人群区域的人员计数方法，包括：
5.获取需要进行人群计数的待计数人群图像；
6.对所述待计数人群图像进行人群图像识别处理，以识别所述待计数人群图像中的人群区域；
7.将所述待计数人群图像中的所述人群区域作为目标计数区域；
8.根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
9.第二方面，本技术实施例还提供一种基于人群图像中人群区域的人员计数装置，包括：
10.获取模块，用于获取需要进行人群计数的待计数人群图像；
11.识别模块，用于对所述待计数人群图像进行人群图像识别处理，以识别所述待计数人群图像中的人群区域；
12.确定模块，用于将所述待计数人群图像中的所述人群区域作为目标计数区域；
13.人员计数模块，用于根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
14.第三方面，本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在处理器上运行时，使得所述计算机执行如本技术任一实施例提供的基于人群图像中人群区域的人员计数方法。
15.第四方面，本技术实施例还提供一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本技术任一实施例提供的基于人群图像中人群区域的人员计数方法。
16.本技术实施例提供的技术方案，通过获取需要进行人群计数的待计数人群图像，对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，将待计
数人群图像中的人群区域作为目标计数区域，根据目标计数区域对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。本技术可以根据待计数人群图像中的人群区域对该待计数人群图像进行人员计数处理，避免非人群区域中的干扰因素对人员计数的干扰，从而提高人员计数的准确性。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为本技术实施例提供的人员计数系统的场景示意图。
19.图2为本技术实施例提供的基于人群图像中人群区域的人员计数方法的第一种流程示意图。
20.图3为本技术实施例提供的基于人群图像中人群区域的人员计数方法中的某一待计数人群图像的人群区域的示意图。
21.图4为本技术实施例提供的基于人群图像中人群区域的人员计数方法的第二种流程示意图。
22.图5为本技术实施例提供的人员计数模型的结构示意图。
23.图6为本技术实施例提供的基于人群图像中人群区域的人员计数方法的注意力尺度网络的结构示意图。
24.图7为本技术实施例提供的基于人群图像中人群区域的人员计数装置的结构示意图。
25.图8为本技术实施例提供的电子设备的第一种结构示意图。
26.图9为本技术实施例提供的电子设备的第二种结构示意图。
具体实施方式
27.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本技术的保护范围。
28.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
29.人员计数是计算机视觉领域中的一个分支方向，人员计数方向的研究目标是在人群场景下，给定一张图像或一段视频，通过算法生成相应的人群密度图并统计出人群密度图中的人数。相关技术中，人员计数的准确性较低。
30.为了能够提高人员计数的准确性，本技术实施例提供一种基于人群图像中人群区域的人员计数方法，其中，该基于人群图像中人群区域的人员计数方法的执行主体可以是
本技术实施例提供的基于人群图像中人群区域的人员计数装置，或者集成了该基于人群图像中人群区域的人员计数装置的电子设备，其中该基于人群图像中人群区域的人员计数装置可以采用硬件或者软件的方式实现。
31.请参考图1，本技术还提供一人员计数系统，如图1所示，该人员计数系统包括电子设备10，电子设备10中集成有本技术提供的基于人群图像中人群区域的人员计数装置。比如，当电子设备10还配置有摄像头时，可以直接通过配置的摄像头对需要计数的人群进行拍摄，从而获取需要进行人群计数的待计数人群图像，然后对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，将待计数人群图像中的人群区域作为目标计数区域，根据目标计数区域对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。本技术可以根据待计数人群图像中的人群区域对该待计数人群图像进行人员计数处理，避免非人群区域中的干扰因素对人员计数的干扰，从而提高人员计数的准确性。
32.电子设备10可以是任何配置有处理器而具备处理能力的设备，比如智能手机、平板电脑、掌上电脑、笔记本电脑等具备处理器的移动式电子设备，或者台式电脑、电视、服务器等具备处理器的固定式电子设备。
33.另外，如图1所示，该人员计数系统还可以包括存储器20，用于存储数据，比如，电子设备10可以将获取到的待计数人群图像、目标计数区域以及待计数人群图像中的人数等数据存入该存储器20中。
34.需要说明的是，图1所示的人员计数系统的场景示意图仅仅是一个示例，本技术实施例描述的人员计数系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着人员计数系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
35.以下分别进行详细说明。需说明的是，以下实施例的序号不作为对实施例优选顺序的限定。
36.请参阅图2，图2为本技术实施例提供的基于人群图像中人群区域的人员计数方法的第一种流程示意图。本技术实施例提供的基于人群图像中人群区域的人员计数方法的具体流程可以如下：
37.101、获取需要进行人群计数的待计数人群图像。
38.其中，待计数人群图像指的是需要进行人员计数的图像。该待计数人群图像可以通过摄像头等图像采集设备拍摄得到，也可以通过预先拍摄好的存储在电子设备本地的图像得到，还可以通过获取服务器端存储的图像资源中得到。
39.例如，在获取需要进行人群计数的待计数人群图像时，可以对需要进行人数计算的场所进行拍照，从而得到待计数人群图像。其中该需要进行人数计算的场所可以是商场、银行、车站、节假日的景区等场所。
40.102、对待计数人群图像进行人群图像识别处理，以对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域。
41.可以理解的是，待计数人群图像中的图像内容可以包括人物图像也可以包括除人物图像之外的非人物图像，非人物图像可以是建筑图像、植物图像、动物图像、自然风光图
像等等。例如，请参考图3，图3示意出的图像是人们在银行排队等待办理业务的场景图像，该图像可以作为待计数人群图像，可以看出，该张待计数人群图像中包括人物图像、地面图像、银行柜台图像、指引牌图像以及建筑图像等。
42.由于在一些人员计数图像中，某些图像区域实际上是树木、建筑物等非人物图像，有些非人物图像的特征与人物图像的特征具有一定的相似性，现有技术中提供的人员计数网络会错误地将这些非人物的物体都识别为人物图像，导致了最终的计数误差。
43.为了避免上述非人物图像对人员计数产生干扰，本实施例中，通过对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，将待计数人群图像中的人群区域作为目标计数区域，可以避免非人物图像对人员计数产生干扰，从而提高人员计数的准确性。
44.比如，可以将待计数人群图像输入人群图像识别模型进行人群图像识别处理，得到待计数人群图像中的人群区域。
45.其中，人群图像识别模型被配置为对待计数人群图像中的人群区域进行识别的模型。
46.示例性地，请同样参考图3，在对图3进行识别后，可以得到图3中的人群区域，除该人群区域之外的图像区域可以统称为非人群区域，请参考图3中示意出的人群区域和非人群区域。图3中，在对待计数人群图像中的人群区域进行范围划分时，是根据人物图像所在的上下左右最边缘的像素点作垂直线，从而得到人群区域，人群区域之外的区域即为非人群区域。
47.此外，除了述示例出的人群区域划分方法，还可以有其他的人群区域划分方式，此处不做具体限制。例如，可以获取人物图像的轮廓，将所有人物图像的轮廓连接起来，得到一个大的表征所有人物图像的轮廓，将这个轮廓对应的图像区域作为人群区域。
48.103、将待计数人群图像中的人群区域作为目标计数区域。
49.在本实施例中，在对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域之后，将待计数人群图像中的人群区域作为目标计数区域。
50.例如，可以将图3中示出的人群区域作为目标计数区域。
51.104、根据目标计数区域对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。
52.在本技术实施例中，在识别出待计数人群图像中的目标计数区域后，可以根据目标计数区域对待计数人群图像进行人员计数处理，得到待计数图像中的人数。
53.示例性地，由于目标计数区域为待计数人群图像中的人群区域，那么在对待计数人群图像进行人员计数处理时，可以仅对目标计数区域进行人员计数处理，以此，可以避免待计数人群图像中的非人群区域对计数产生干扰，提高人员计数的准确性，此外，还可以减小人员计数处理的处理量，提高人员计数效率。
54.具体地，在进行人员计数处理时，可以对待计数人群图像中目标计数区域的人脸进行识别，根据识别到的人脸的数量确定待计数图像中的人数，还可以对待计数人群图像中目标计数区域的人头进行识别，根据识别到的人头的数量确定待计数图像中的人数。
55.具体实施时，本技术不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
56.由上可知，本技术实施例提供的基于人群图像中人群区域的人员计数方法，通过获取需要进行人群计数的待计数人群图像，对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，将待计数人群图像中的人群区域作为目标计数区域，根据目标计数区域对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。本技术可以根据待计数人群图像中的人群区域对该待计数人群图像进行人员计数处理，避免非人群区域中的干扰因素对人员计数的干扰，从而提高人员计数的准确性。
57.根据前面实施例所描述的方法，以下将举例作进一步详细说明。
58.请参阅图4，图4为本技术实施例提供的基于人群图像中人群区域的人员计数方法的第二流程示意图。所述方法包括：
59.201、获取需要进行人群计数的待计数人群图像。
60.其中，待计数人群图像指的是需要进行人员计数的图像。该待计数人群图像可以通过摄像头等图像采集设备拍摄得到，也可以通过预先拍摄好的存储在电子设备本地的图像得到，还可以通过获取服务器端存储的图像资源中得到。
61.比如，在获取需要进行人群计数的待计数人群图像时，可以对需要进行人数计算的场所进行拍照，从而得到待计数人群图像。其中该需要进行人数计算的场所可以是商场、银行、车站、节假日的景区等场所。
62.例如，在银行场所，为了避免银行内进入的人员过多导致安全隐患，需要对银行内人员进行计数，从而方便银行工作人员对银行内的人员流动进行管理，那么可以在银行内设置摄像设备，对银行的各个区域进行拍摄，将拍摄得到的照片作为待计数人群图像。
63.202、对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域。
64.可以理解的是，待计数人群图像中的图像内容可以包括人物图像也可以包括除人物图像之外的非人物图像，非人物图像可以是建筑图像、植物图像、动物图像、自然风光图像等等。例如，请参考图3，图3示意出的图像是人们在银行排队等待办理业务的场景图像，该图像可以作为待计数人群图像，可以看出，该张待计数人群图像中包括人物图像、地面图像、银行柜台图像、指引牌图像以及建筑图像等。
65.本实施例中，通过对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，将待计数人群图像中的人群区域作为目标计数区域，可以避免非人物图像对人员计数产生干扰，从而提高人员计数的准确性。
66.示例性地，请同样参考图3，在对图3进行识别后，可以得到图3中的人群区域和非人群区域。
67.在一种实施方式中，在对待计数人群图像中的人群区域进行范围划分时，可以根据人物图像所在的上下左右最边缘的像素点作垂直线，得到人群区域，人群区域之外的区域即为非人群区域。
68.此外，还可以有其他的人群区域划分方式，此处不做具体限制。例如，可以获取人物图像的轮廓，将所有人物图像的轮廓连接起来，得到一个大的表征所有人物图像的轮廓，将这个轮廓对应的图像区域作为人群区域。
69.在一种实施方式中，在执行流程“对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，将待计数人群图像中的人群区域作为目标计数区域”时，
可以执行：将待计数人群图像输入人群图像识别模型，得到待计数人群图像中的人群区域。
70.其中，人群图像识别模型被配置为对待计数人群图像中的人群区域进行识别的模型。
71.203、将待计数人群图像中的人群区域作为目标计数区域。
72.在本实施例中，在对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域之后，将待计数人群图像中的人群区域作为目标计数区域。
73.例如，可以将图3中示出的人群区域作为目标计数区域。
74.204、确定与目标计数区域区别的区别像素值。
75.其中，所述区别像素值为与该目标计数区域的像素值不同的像素值。
76.示例性地，可以获取所有目标计数区域中所存在的目标像素值，根据目标像素值生成区别于目标像素值的区别像素值。
77.205、将待计数人群图像中除目标计数区域以外的图像区域的像素值替换为区别像素值，得到替换后的待计数人群图像。
78.在一种实施方式中，在执行流程“将待计数人群图像中除目标计数区域以外的图像区域的像素值替换为区别像素值，得到替换后的待计数人群图像”时，可以执行：将待计数人群图像中除目标计数区域以外的图像区域的像素值替换为同一种区别像素值，得到替换后的待计数人群图像。
79.可以理解的是，与目标计数区域产生区别的区别像素值可以有多个，例如，像素值a、像素值b、像素值c以及像素值d均是与目标计数区域产生区别的区别像素值，那么可以将除了目标计数区域之外的图像区域的像素值替换为以上四种区别像素值中任意一种区别像素值。
80.206、根据替换后的待计数人群图像对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。
81.在一种实施方式中，在根据替换后的待计数人群图像对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数”时，可以将替换后的待计数人群图像输入人员计数模型，得到待计数人群图像中的人数。
82.其中，人员计数模型被配置为对待计数人群图像进行人员计数处理，并得到该待计数人群图像中的人数。
83.可以理解的是，替换后的待计数人群图像中的非人群区域被替换为与目标计数区域区别的区别像素值，因此在后续的人员计数处理中，非人群区域中的物体就无法对人员计数产生干扰，从而提高了人员计数的准确性。
84.在一种实施方式中，在根据替换后的待计数人群图像对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数时，可以截取目标计数区域对应的图像，得到目标计数图像，根据目标计数图像对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。
85.其中，根据目标计数图像对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数时，可以将目标计数图像输入人员计数模型，得到待计数人群图像中的人数。
86.由上可知，本技术实施例提出的基于人群图像中人群区域的人员计数方法，通过获取需要进行人群计数的待计数人群图像，对待计数人群图像进行人群图像识别处理，以
识别待计数人群图像中的人群区域，将待计数人群图像中的人群区域作为目标计数区域，确定与目标计数区域区别的区别像素值，将待计数人群图像中除目标计数区域以外的图像区域的像素值替换为区别像素值，得到替换后的待计数人群图像，根据替换后的待计数人群图像对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。本技术可以根据待计数人群图像中的人群区域对该待计数人群图像进行人员计数处理，避免非人群区域中的干扰因素对人员计数的干扰，从而提高人员计数的准确性。
87.本技术实施例还提供一种人员计数系统，该人员计数系统包括一种人员计数模型，请参考图5，图5为本技术实施例提供的人员计数模型的结构示意图。其中，该人员计数模型包括密度分割网络、注意力尺度网络、密度图修正模块、密度图融合模块以及人员计数模块。本技术提供的人员计数模型在对待计数人群图像进行人员计数处理时，将该待计数人群图像输入密度分割网络，得到待计数人群图像对应的不同密度级别的注意力掩膜，并将该待计数人群图像输入注意力尺度网络，得到待计数人群图像对应的不同密度级别的密度图及尺度因子，然后，将不同密度级别的注意力掩膜、不同密度级别的密度图以及不同密度级别的尺度因子输入该密度图修正模块，得到各密度级别对应的修正密度图，再然后，将各个密度级别的修正密度图输入密度图融合模块，得到待计数人群图像的目标密度图，最后，将待计数人群图像对应的目标密度图输入该人员计数模块，得到该待计数人群图像对应的人数。
88.其中，密度分割网络可以以vgg-19作为主干网络，对待计数人群图像进行密度级别的语义分割，将每个像素分类为一个特定的密度级别，相同密度级别的像素就形成了一个注意力掩膜的区域。
89.在一种实施方式中，在将待计数人群图像输入密度分割网络，得到不同密度级别对应的所述注意力掩膜之前，还可以包括：获取不同密度分布的人群样本图像，根据人群样本图像，采用损失函数对密度分割网络进行训练。
90.其中，损失函数可以包括自适应金字塔损失函数。
91.比如，本实施例中采用的损失函数可以如下式所示，由于单独的均方损失函数(mse)忽略了不同级别的密度对网络训练过程的影响。而低密度和高密度分布区域通常是相当不平衡的，相应的估计误差会使训练好的计数网络产生偏置，这会削弱计数网络的泛化能力。本实施例在均方损失函数的基础上增加了自适应金字塔损失(adaptive pyramid loss,aploss)，可以缓解了训练偏置，同时加强了计数网络的泛化能力。
92.l＝l
mse
+λl
ap
[0093][0094]
该损失函数的处理过程中，每一次都将密度图划分为2
×
2的网格，分别对每一个网格进行人员计数，如果每个网格的局部计数大于阈值t，则将此网格再划分为2x2，重复上述操作；如果没有超过给定的阈值t，则不再分割。划分得到的网格对应的子区域的局部loss计算如下，xk是第k个输入图像，dk是它对应的真实密度图，是预测密度图，为第n次划分后的子区域。
[0095][0096]
总的l
ap
如下式所示，m为训练集的大小
[0097][0098]
在一种实施方式中，在获取不同密度分布的人群样本图像时，可以构造具有不同密度分布的虚拟人群图像，将该虚拟人群图像作为人群样本图像。
[0099]
比如，可以基于一款游戏gta5的数据集设计一个数据采集器和贴标器，它可以合成人群场景并自动标注它们。得益于优秀的游戏引擎，它的场景渲染、纹理细节、天气效果等都非常接近真实世界的情况，因此，本技术中可以通过利用gta5虚拟场景中的对象来构造复杂拥挤的人群场景，然后数据采集器从构建的场景中捕获稳定的图像，从而得到不同密度分布的虚拟人群图像。最后通过分析来自游戏渲染模板的数据，可以实现对人员头部位置地自动标注。通过设计的采集器和贴标器，可以构建一个大规模和多样化的合成人群场景数据集。
[0100]
此外，本实施例中，对于ground truth的密度级别标签的生成，具体流程可以如下：
[0101]
(1)通过使用64
×
64滑动窗口逐像素扫描训练集中的gt人群图，来获得所有局部计数。
[0102]
(2)计算所有非零区域的人数大小，可以得到平均值avgcnt
11
并找到最小计数mincnt和最大计数maxcnt。
[0103]
(3)这样就得到一个密度等级的阈值集合{mincnt,avgcnt
11
,maxcnt}，于是可以将密度分为两个级别：低密度和高密度。然后可以迭代地计算所有低密度计数的平均值avgcnt
21
和所有高密度计数的平均值avgcnt
22
。然后得到新的阈值集{mincnt,avgcnt
21
,avgcnt
11
,avgcnt
22
,maxcnt}，这样就可将密度分为四个级别，依此类推。
[0104]
(4)这样就能得到标签用于训练，我们给定n个密度级别，有n+1个密度标签，其中包括一个额外的背景标签，然后根据gt人群图中每个像素点的计数对其进行密度级别的标记。
[0105]
其中，请参考图6，图6为本技术实施例提供的基于人群图像中人群区域的人员计数方法的注意力尺度网络的结构示意图。注意力尺度网络包括特征提取主干、尺度因子(as，attention scaling)分支以及密度估计(de，density estimation)分支，特征提取主干用于提取待计数人群图像的图像特征，可以采用vgg-19作为该特征提取主干。尺度因子分支用于学习尺度因子，然后利用尺度因子自动调整每个对应子区域的估计密度，从而减少局部估计误差。密度估计分支用于输出需要校正的密度图。
[0106]
其中，密度估计分支包括空间金字塔池化层以及卷积层。在将图像特征输入密度估计分支，得到不同密度级别对应的密度图时，可以将图像特征输入空间金字塔池化层，得
到空间金字塔池化特征，然后，将金字塔池化特征输入卷积层，得到不同密度级别对应的密度图。
[0107]
本技术中在密度估计分支中加入了空间金字塔池化层，通过空间金字塔池化层计算不同尺度的特征，在特征提取主干提取特征的基础上，提取多尺度的上下文信息，相当于结合了上下文信息对人群密度做预测，使得人员计数更加准确。
[0108]
需要说明的是，由于特征提取主干中使用的vgg网络提取的特征的局限性在于它在整个图像上编码相同的感受野，为了解决这个问题，本实施例中在密度估计分支中增加空间金字塔池化层，通过执行空间金字塔池化(spatial pyramid pooling,spp)来计算不同尺度的特征，在vgg网络提取特征的基础上，提取多尺度的上下文信息。计算公式如下：
[0109]fj
＝u
bi
(fj(p
ave
(fv,j),θj)))
[0110]
其中，对于每个尺度j，p
ave
(fv,j)将vgg网络提取的特征fv分为k(j)
×
k(j)块，fj是一个卷积核大小为1的卷积网络，用于在不更改其尺寸的情况下跨通道组合上下文特征。u
bi
表示双线性插值，用于将输出的特征图fj采样为与fv相同的大小。系统采用了4种不同的尺度，相对应为k(j)∈{1,2,3,4}，实验证明这样的设置对网络性能的提升最有效。最后不同尺度的上下文特征再和原始的vgg特征融合起来，用于输出不同密度级别的密度图。
[0111]
其中，密度图修正模块在根据各密度级别对应的注意力掩膜以及尺度因子，对各密度级别的密度图进行修正时，是将各密度级别对应的注意力掩膜、尺度因子以及密度图分别相乘，得到各密度级别对应的修正密度图。
[0112]
其中，密度图融合模块在对各个密度级别的修正密度图进行融合时，可以将各个密度级别的修正密度图相加，从而得到待计数人群图像的目标密度图。
[0113]
其中，人员计数模块可以根据待计数人群图像对应的目标密度图进行人员计数处理，得到该待计数人群图像的人数。
[0114]
本技术实施例提供的上述人员计数模型可以通过获取需要进行人群计数的待计数人群图像对应的不同密度级别的注意力掩膜，以及获取需要进行人群计数的待计数人群图像对应的不同密度级别的密度图及尺度因子，再然后，根据各密度级别对应的注意力掩膜以及尺度因子，对各密度级别的密度图进行修正，得到各密度级别的修正密度图，融合各密度级别的修正密度图，得到待计数人群图像的目标密度图，最后，根据目标密度图，确定待计数人群图像的人数。该人员计数模型可以避免待计数人群图像中不同图像区域的不同密度的人群分布对人员计数的影响，使得该人员计数模型得到的人数测量值的准确性较高。
[0115]
在一实施例中还提供一种基于人群图像中人群区域的人员计数装置。请参阅图7，图7为本技术实施例提供的基于人群图像中人群区域的人员计数装置300的结构示意图。其中该基于人群图像中人群区域的人员计数装置300应用于电子设备，该基于人群图像中人群区域的人员计数装置300包括获取模块301、识别模块302、确定模块303以及人员计数模块304，如下：
[0116]
获取模块301，用于获取需要进行人群计数的待计数人群图像；
[0117]
识别模块302，用于对所述待计数人群图像进行人群图像识别处理，以识别所述待计数人群图像中的人群区域；
[0118]
确定模块303，用于将所述待计数人群图像中的所述人群区域作为目标计数区域；
[0119]
人员计数模块304，用于根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0120]
在一种实施方式中，人员计数模块304包括：确定子模块、替换子模块以及计数子模块，其中，所述确定子模块，用于确定与所述目标计数区域区别的区别像素值；所述替换子模块，用于将所述待计数人群图像中除所述目标计数区域以外的图像区域的像素值替换为所述区别像素值，得到替换后的待计数人群图像；所述计数子模块，用于根据所述替换后的待计数人群图像对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0121]
在一种实施方式中，人员计数模块304还可以用于：将所述待计数人群图像中除所述目标计数区域以外的图像区域的像素值替换为同一种所述区别像素值，得到替换后的待计数人群图像。
[0122]
在一种实施方式中，人员计数模块304还可以用于：将所述替换后的待计数人群图像输入人员计数模型，得到所述待计数人群图像中的人数。
[0123]
在一种实施方式中，人员计数模块304还可以用于：截取所述目标计数区域对应的图像，得到目标计数图像；根据所述目标计数图像对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0124]
在一种实施方式中，识别模块302还可以用于：将所述待计数人群图像输入人群图像识别模型，得到所述待计数人群图像中的所述人群区域。
[0125]
应当说明的是，本技术实施例提供的基于人群图像中人群区域的人员计数装置与上文实施例中的基于人群图像中人群区域的人员计数方法属于同一构思，通过该基于人群图像中人群区域的人员计数装置可以实现基于人群图像中人群区域的人员计数方法实施例中提供的任一方法，其具体实现过程详见基于人群图像中人群区域的人员计数方法实施例，此处不再赘述。
[0126]
由上可知，本技术实施例提出的基于人群图像中人群区域的人员计数装置，通过获取模块301获取需要进行人群计数的待计数人群图像，通过识别模块302对待计数人群图像进行人群图像识别处理，以识别待计数人群图像中的人群区域，通过确定模块303将待计数人群图像中的人群区域作为目标计数区域，最后通过人员计数模块304根据目标计数区域对待计数人群图像进行人员计数处理，得到待计数人群图像中的人数。本技术可以根据待计数人群图像中的人群区域对该待计数人群图像进行人员计数处理，避免非人群区域中的干扰因素对人员计数的干扰，从而提高人员计数的准确性。
[0127]
本技术实施例还提供一种电子设备。所述电子设备可以是智能手机、平板电脑等设备。请参阅图8，图8为本技术实施例提供的电子设备的第一种结构示意图。电子设备400包括处理器401和存储器402。其中，处理器401与存储器402电性连接。
[0128]
处理器401是电子设备400的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或调用存储在存储器402内的计算机程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
[0129]
存储器402可用于存储计算机程序和数据。存储器402存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器401通过调用存储在存储器402的计算机程序，从而执行各种功能应用以及数据处理。
[0130]
在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：
[0131]
获取需要进行人群计数的待计数人群图像；
[0132]
对所述待计数人群图像进行人群图像识别处理，以识别所述待计数人群图像中的人群区域；
[0133]
将所述待计数人群图像中的所述人群区域作为目标计数区域；
[0134]
根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0135]
在一种实施方式中，请参阅图9，图9为本技术实施例提供的电子设备的第二种结构示意图。电子设备400还包括：射频电路403、显示屏404、控制电路405、输入单元406、音频电路407、传感器408以及电源409。其中，处理器401分别与射频电路403、显示屏404、控制电路405、输入单元406、音频电路407、传感器408以及电源409电性连接。
[0136]
射频电路403用于收发射频信号，以通过无线通信与网络设备或其他电子设备进行通信。
[0137]
显示屏404可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
[0138]
控制电路405与显示屏404电性连接，用于控制显示屏404显示信息。
[0139]
输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元406可以包括指纹识别模组。
[0140]
音频电路407可通过扬声器、传声器提供用户与电子设备之间的音频接口。其中，音频电路407包括麦克风。所述麦克风与所述处理器401电性连接。所述麦克风用于接收用户输入的语音信息。
[0141]
传感器408用于采集外部环境信息。传感器408可以包括环境亮度传感器、加速度传感器、陀螺仪等传感器中的一种或多种。
[0142]
电源409用于给电子设备400的各个部件供电。在一种实施方式中，电源409可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
[0143]
虽然图中未示出，电子设备400还可以包括摄像头、蓝牙模块等，在此不再赘述。
[0144]
在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：
[0145]
获取需要进行人群计数的待计数人群图像；
[0146]
对所述待计数人群图像进行人群图像识别处理，以识别所述待计数人群图像中的人群区域；
[0147]
将所述待计数人群图像中的所述人群区域作为目标计数区域；
[0148]
根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0149]
在一种实施方式中，处理器401在执行根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数时，可以执行：确定与所述目标计数区域区别的区别像素值；将所述待计数人群图像中除所述目标计数区域以外的图像区域的像素值替换为所述区别像素值，得到替换后的待计数人群图像；根据所述替换后的待计数人群图像对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0150]
在一种实施方式中，处理器401在执行：将所述待计数人群图像中除所述目标计数区域以外的图像区域的像素值替换为所述区别像素值，得到替换后的待计数人群图像时，可以执行：
[0151]
将所述待计数人群图像中除所述目标计数区域以外的图像区域的像素值替换为同一种所述区别像素值，得到替换后的待计数人群图像。
[0152]
在一种实施方式中，处理器401在执行根据所述替换后的待计数人群图像对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数时，可以执行：将所述替换后的待计数人群图像输入人员计数模型，得到所述待计数人群图像中的人数。
[0153]
在一种实施方式中，处理器401在执行根据所述目标计数区域对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数时，可以执行：截取所述目标计数区域对应的图像，得到目标计数图像；根据所述目标计数图像对所述待计数人群图像进行人员计数处理，得到所述待计数人群图像中的人数。
[0154]
在一种实施方式中，处理器401在执行对所述待计数人群图像进行人群图像识别处理，以识别所述待计数人群图像中的人群区域时，可以执行：将所述待计数人群图像输入人群图像识别模型，得到所述待计数人群图像中的所述人群区域。
[0155]
本技术实施例还提供一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在处理器上运行时，所述计算机执行上述任一实施例所述的基于人群图像中人群区域的人员计数方法。
[0156]
需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成，所述计算机程序可以存储于计算机可读存储介质中，所述存储介质可以包括但不限于：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
[0157]
此外，本技术中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
[0158]
以上对本技术实施例所提供的基于人群图像中人群区域的人员计数方法进行了详细介绍。本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。