场景中人数计数方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种上述场景中人数计数方法、装置、计算机设备和存储介质，其中，方法包括：获取场景图片，基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图，基于两张图进一步确定场景图片中人体边框，计数场景图片中人体边框的数量，得到人数计数结果。整个过程中，通过预设图像处理模型进行特征提取与卷积处理提取中心热度图和比例尺图，进而得到场景图片中人体边框，直接针对场景图片中人体中心区域进行检测和计数，显著减小数据处理量，可以实现高效的场景中人数计数。景中人数计数。景中人数计数。

【技术实现步骤摘要】
场景中人数计数方法、装置、计算机设备和存储介质


[0001]本申请涉及机器视觉
，特别是涉及一种场景中人数计数方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着机器视觉技术的发展，目前出现了基于机器视觉技术的人数计数方案，其可以基于场景内的图片数据进人体数计数，克服了以往人工计数耗时长且容易出现计数错误的缺陷，给人们生产、生活带来便捷。
[0003]以应用于中转场工位人数计数为例，在快递行业的速运中转场中，装卸口的工位人数统计可以让管理者了解并统计工作人员的工作能效，因而具有巨大的应用意义。
[0004]传统基于机器视觉的工位人数统计方法，多数是采用通用深度学习模型来识别人体和对人体计数。虽然其可以克服人工计数耗时长且容易出现计数错误的缺陷，但是需要先对深度学习模型进行充分的训练，并且在计数过程中需要处理大量的数据，其计数效率还有很大的提升空间。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种高效的场景中人数计数方法、装置、计算机设备和存储介质。
[0006]一种场景中人数计数方法，方法包括：
[0007]获取场景图片；
[0008]基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图；
[0009]根据中心热度图和比例尺图，确定场景图片中人体边框；
[0010]计数场景图片中人体边框的数量，得到人数计数结果。
[0011]在其中一个实施例中，获取场景图片包括：
[0012]获取初始场景图片；
[0013]基于线性插值算法将初始场景图片的尺寸调整至预设尺寸，得到场景图片。
[0014]在其中一个实施例中，预设图像处理模型包括骨干网络层和头部网络层；
[0015]基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图包括：
[0016]将场景图片输入至骨干网络层；
[0017]由骨干网络层进行多阶特征提取，并将特征提取结果输入至头部网络层；
[0018]由头部网络层对特征提取结果进行卷积处理，得到场景图片对应的中心热度图和比例尺图。
[0019]在其中一个实施例中，骨干网络层为5阶模型层，骨干网络层中第一阶、第二阶、第三阶以及第四阶的下采样尺度相等，第五阶输出的图片尺寸与第四阶输出的图片尺寸相
等；头部网络层包括两个尺寸不同的卷积层。
[0020]在其中一个实施例中，根据中心热度图和比例尺图，确定场景图片中人体边框包括：
[0021]根据中心热度图确定人体中心点坐标，根据比例尺度图确定人体中心点偏移量与人体边框尺寸；
[0022]根据人体中心点坐标以及人体中心点偏移量与人体边框尺寸，确定场景图片中人体边框。
[0023]在其中一个实施例中，根据中心热度图确定人体中心点坐标包括：
[0024]根据中心热度图，获取每个位置点成为中心点的置信度；
[0025]选取置信度大于预设阈值的位置点作为人体中心点，得到人体中心点坐标；
[0026]根据人体中心点坐标以及人体中心点偏移量与人体边框尺寸，确定场景图片中人体边框包括：
[0027]根据人体中心点坐标以及人体中心点偏移量，计算偏移后的人体中心点坐标；
[0028]根据人体边框尺寸，得到人体边框高度值与人体边框宽度值；
[0029]根据偏移后的人体中心点坐标、人体边框高度值与人体边框宽度值以及跨越比例，求解场景图片中人体边框位置与尺寸，跨越比例为场景图片尺寸与比例尺图尺寸的比值。
[0030]在其中一个实施例中，计数场景图片中人体边框的数量，得到人数计数结果包括：
[0031]采用nms(non maximum suppression，非极大值抑制)去除场景图片中重复的人体边框；
[0032]计数场景图片中非重复的人体边框数量，得到人数计数结果。
[0033]一种场景中人数计数装置，装置包括：
[0034]图片获取模块，用于获取场景图片；
[0035]图像处理模块，用于基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图；
[0036]人体边框确定模块，用于根据中心热度图和比例尺图，确定场景图片中人体边框；
[0037]计数模块，用于计数场景图片中人体边框的数量，得到人数计数结果。
[0038]一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0039]获取场景图片；
[0040]基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图；
[0041]根据中心热度图和比例尺图，确定场景图片中人体边框；
[0042]计数场景图片中人体边框的数量，得到人数计数结果。
[0043]一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0044]获取场景图片；
[0045]基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图；
[0046]根据中心热度图和比例尺图，确定场景图片中人体边框；
[0047]计数场景图片中人体边框的数量，得到人数计数结果。
[0048]上述场景中人数计数方法、装置、计算机设备和存储介质，获取场景图片，基于预设图像处理模型，对场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图，基于两张图进一步确定场景图片中人体边框，计数场景图片中人体边框的数量，得到人数计数结果。整个过程中，通过预设图像处理模型进行特征提取与卷积处理提取中心热度图和比例尺图，进而得到场景图片中人体边框，直接针对场景图片中人体中心区域进行检测和计数，显著减小数据处理量，可以实现高效的场景中人数计数。
附图说明
[0049]图1为一个实施例中场景中人数计数方法的应用环境图；
[0050]图2为一个实施例中场景中人数计数方法的流程示意图；
[0051]图3为另一个实施例中场景中人数计数方法的流程示意图；
[0052]图4为预设图像处理模型的架构及其数据处理流程示意图；
[0053]图5为中心热度图与比例尺图表征的数据示意图；
[0054]图6为场景中人数计数装置的结构示意图；
[0055]图7为一个实施例中计算机设备的内部结构图。
具体实施方式
[0056]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0057]本申请提供的场景中人数计数方法，可以应用于如图1所示的应用环境中。其中，图像采集设备102通过网络与服务器104进行通信。图像采集设备102拍摄所处场景对应的场景图片，并且将采集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种场景中人数计数方法，其特征在于，所述方法包括：获取场景图片；基于预设图像处理模型，对所述场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图；根据所述中心热度图和所述比例尺图，确定所述场景图片中人体边框；计数所述场景图片中人体边框的数量，得到人数计数结果。2.根据权利要求1所述的方法，其特征在于，所述获取场景图片包括：获取初始场景图片；基于线性插值算法将所述初始场景图片的尺寸调整至预设尺寸，得到场景图片。3.根据权利要求1所述的方法，其特征在于，所述预设图像处理模型包括骨干网络层和头部网络层；所述基于预设图像处理模型，对所述场景图片进行特征提取与卷积处理，得到中心热度图和比例尺图包括：将所述场景图片输入至所述骨干网络层；由所述骨干网络层进行多阶特征提取，并将特征提取结果输入至所述头部网络层；由所述头部网络层对所述特征提取结果进行卷积处理，得到场景图片对应的中心热度图和比例尺图。4.根据权利要求3所述的方法，其特征在于，所述骨干网络层为5阶模型层，所述骨干网络层中第一阶、第二阶、第三阶以及第四阶的下采样尺度相等，第五阶输出的图片尺寸与第四阶输出的图片尺寸相等；所述头部网络层包括两个尺寸不同的卷积层。5.根据权利要求1所述的方法，其特征在于，所述根据所述中心热度图和所述比例尺图，确定所述场景图片中人体边框包括：根据中心热度图确定人体中心点坐标，根据比例尺度图确定人体中心点偏移量与人体边框尺寸；根据所述人体中心点坐标以及人体中心点偏移量与人体边框尺寸，确定所述场景图片中人体边框。6.根据权利要求5所述的方法，其特征在于，所述根据中心热度图确定人体中心点坐...

【专利技术属性】
技术研发人员：王文星，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：