技术特征：
1.一种人群密度分析方法，其特征在于，所述方法包括：获取视频监控采集的当前人群图像；通过预设yolov5检测模型对所述当前人群图像进行人头检测，获得检测结果，所述预设yolov5检测模型包括预设骨干模块和预设颈部模块，所述预设骨干模块和所述预设颈部模块均包含代替了原始下采样组件的无损下采样组件，所述无损下采样组件用于保留输入图像全部的通道信息并基于所述通道信息对输入图像进行下采样处理；根据所述检测结果进行人群密度的计算，获得当前人群密度。2.如权利要求1所述的方法，其特征在于，所述预设yolov5检测模型还包括输入模块和探测头模块，所述输入模块与所述预设骨干模块连接，所述预设骨干模块与所述预设颈部模块连接，所述预设颈部模块与所述探测头模块连接；所述通过预设yolov5检测模型对所述当前人群图像进行人头检测，获得检测结果的步骤，包括：将所述当前人群图像发送至所述输入模块进行预处理，获得待测图像；通过所述预设骨干模块对所述待测图像进行特征提取，获得初始特征图；通过所述预设颈部模块对所述初始特征图进行特征融合，获得待测特征图；通过所述检测头模块对所述待测特征图进行人头检测，获得检测结果。3.如权利要求2所述的方法，其特征在于，所述预设骨干模块包括：所述下采样组件、卷积层、瓶颈层以及池化层；所述通过所述预设骨干模块对所述待测图像进行特征提取，获得初始特征图，包括：通过所述无损下采样组件对所述待测图像进行下采样，获得下采样后的特征图；通过所述卷积层对所述下采样后的特征图依次进行卷积处理、归一化处理和激活处理，获得第一特征图；通过所述无损下采样组件对所述第一特征图进行下采样，获得第二特征图；通过所述瓶颈层对所述第二特征图进行残差处理，获得第三特征图；将所述第三特征图依次通过所述卷积层、所述无损下采样组件和所述瓶颈层进行预设次数的循环处理后再进行池化操作，获得初始特征图。4.如权利要求3所述的方法，其特征在于，所述无损下采样组件，包括：切片映射层、网络连接层以及无下采样滤波器；所述通过所述无损下采样组件对所述待测图像进行下采样，获得下采样后的特征图的步骤，包括：通过所述切片映射层基于所述通道信息对输入图像在预设维度上进行切片映射，获得映射特征图；通过所述网络连接层基于所述通道信息对所述映射特征图在通道方向上进行连接，获得连接后的特征图；通过所述无下采样滤波器对所述连接后的特征图进行预设步长的卷积处理，获得下采样后的特征图。5.如权利要求1所述的方法，其特征在于，所述获取视频监控采集的当前人群图像之前，还包括：获取图像训练集；
根据所述图像训练集对待训练的初始yolov5检测模型进行迭代训练，获得预设yolov5检测模型。6.如权利要求5所述的方法，其特征在于，所述根据所述图像训练集对待训练的初始yolov5检测模型进行迭代训练，获得预设yolov5检测模型，包括：通过所述待训练的初始yolov5检测模型对所述图像训练集进行检测，获得边界框，所述图像训练集包括大量待检测样本图像，所述待检测样本图像中包含有人工标注的gt框；对所述边界框和所述gt框分别进行二维高斯分布建模；基于建模结果计算所述边界框和所述gt框的相似度；基于所述相似度和预设损失函数对所述待训练的初始yolov5检测模型的网络参数进行迭代优化，获得预设yolov5检测模型。7.如权利要求6所述的方法，其特征在于，所述基于建模结果计算所述边界框和所述gt框的相似度，包括：基于所述建模结果，获取所述边界框和所述gt框之间的高斯分布距离；对所述高斯分布距离进行归一化处理，获得所述边界框和所述gt框的相似度。8.一种人群密度分析装置，其特征在于，所述装置包括：图像获取模块，用于获取视频监控采集的当前人群图像；人头检测模块，用于通过预设yolov5检测模型对所述当前人群图像进行人头检测，获得检测结果，所述预设yolov5检测模型包括预设骨干模块和预设颈部模块，所述预设骨干模块和所述预设颈部模块均包含代替了原始下采样组件的无损下采样组件，所述无损下采样组件用于保留输入图像全部的通道信息并基于所述通道信息对输入图像进行下采样处理；密度计算模块，用于根据所述检测结果进行人群密度的计算，获得当前人群密度。9.一种人群密度分析设备，其特征在于，所述设备包括：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人群密度分析程序，所述人群密度分析程序配置为实现如权利要求1至7中任一项所述的人群密度分析方法的步骤。10.一种存储介质，其特征在于，所述存储介质上存储有人群密度分析程序，所述人群密度分析程序被处理器执行时实现如权利要求1至7任一项所述的人群密度分析方法的步骤。
技术总结
本发明公开了一种人群密度分析方法、装置、设备及存储介质，该方法包括：获取视频监控采集的当前人群图像；通过预设检测模型对当前人群图像进行人头检测，获得检测结果，预设检测模型包括预设骨干模块和预设颈部模块，预设骨干模块和预设颈部模块均包含代替了原始下采样组件的无损下采样组件，无损下采样组件用于保留输入图像全部的通道信息并基于所述通道信息对输入图像进行下采样处理；根据检测结果进行人群密度的计算，获得当前人群密度。由于本发明通过预设检测模型对当前人群图像进行人头检测，在人头检测中采用无损下采样组件对输入图像进行下采样处理，有利于提高人头检测的精准度，从而提升所计算出的人群密度数据的可靠性。的可靠性。的可靠性。
技术研发人员：石拓
受保护的技术使用者：深圳力维智联技术有限公司
技术研发日：2022.12.01
技术公布日：2023/3/21