人流量信息生成方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了人流量信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取目标监控场景图像；从上述目标监控场景图像中提取人体特征信息；根据上述人体特征信息，生成候选人流量信息组；根据上述候选人流量信息组，生成上述目标监控场景图像对应的人流量信息。该实施方式提升了识别监控图像对应的人流量的精度。升了识别监控图像对应的人流量的精度。升了识别监控图像对应的人流量的精度。

【技术实现步骤摘要】
人流量信息生成方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及人流量信息生成方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]目前，在对监控图像对应的人流量进行识别时，通常采用的方式为：通过训练的由监控图像的人工提取特征(如边缘、纹理、梯度等)到人流量总数的回归器识别人流量，或通过训练的由监控图像直接到人流量总数的卷积神经网络识别人流量。
[0003]然而，当采用上述方式对监控图像对应的人流量进行识别时，经常会存在如下技术问题：采用由监控图像的人工提取特征到人流量总数的回归器识别人流量时，缺乏图像的高层语义信息，识别人流量的精度较低，采用由监控图像直接到人流量总数的卷积神经网络识别人流量时，单任务学习的方式导致识别人流量的精度较低。

技术实现思路

[0004]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]本公开的一些实施例提出了人流量信息生成方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0006]第一方面，本公开的一些实施例提供了一种人流量信息生成方法，该方法包括：获取目标监控场景图像；从上述目标监控场景图像中提取人体特征信息；根据上述人体特征信息，生成候选人流量信息组；根据上述候选人流量信息组，生成上述目标监控场景图像对应的人流量信息。
[0007]可选地，上述从上述目标监控场景图像中提取人体特征信息，包括：将上述目标监控场景图像输入至预先训练的人体特征提取网络，以生成人体特征向量；将上述人体特征向量输入至全连接层，以生成上述人体特征信息。
[0008]可选地，上述根据上述人体特征信息，生成候选人流量信息组，包括：将上述人体特征信息输入至预先训练的人流量分类网络，以生成人流量向量；将上述人流量向量输入至第一归一化层，以生成人流量预测概率向量；根据上述人流量预测概率向量，生成分类候选人流量信息。
[0009]可选地，上述根据上述人体特征信息，生成候选人流量信息组，包括：将上述人体特征信息输入至预先训练的人流量分布学习网络，以生成人流量分布概率向量；将上述人流量分布概率向量输入至第二归一化层，以生成人流量分布预测概率向量；根据上述人流量分布预测概率向量，生成分布候选人流量信息。
[0010]可选地，上述根据上述人体特征信息，生成候选人流量信息组，还包括：将上述人体特征信息输入至预先训练的人流量回归网络，以生成回归候选人流量信息。
[0011]可选地，上述人体特征提取网络包括：卷积网络块集合，上述卷积网络块集合中的卷积网络块串行连接；以及上述将上述目标监控场景图像输入至预先训练的人体特征提取网络，以生成人体特征向量，包括：将上述目标监控场景图像输入至上述卷积网络块集合中串行连接的卷积网络块，以生成人体特征向量。
[0012]可选地，上述卷积网络块集合中的卷积网络块包括：卷积层集合和激活函数层集合，上述卷积层集合中的每两层卷积层之间设置有上述激活函数层集合中的激活函数层。
[0013]可选地，上述根据上述人流量预测概率向量，生成分类候选人流量信息，包括：将上述人流量预测概率向量中的每个人流量预测概率与分类目标人流量的乘积确定为分类人流量分量，得到分类人流量分量集合，其中，上述分类目标人流量对应于上述人流量预测概率；根据上述分类人流量分量集合中各个分类人流量分量的和，生成分类候选人流量信息。
[0014]可选地，上述根据上述人流量分布预测概率向量，生成分布候选人流量信息，包括：将上述人流量分布预测概率向量中的每个人流量分布预测概率与分布目标人流量的乘积确定为分布人流量分量，得到分布人流量分量集合，其中，上述分布目标人流量对应于上述人流量分布预测概率；根据上述分布人流量分量集合中各个分布人流量分量的和，生成分布候选人流量信息。
[0015]可选地，上述方法还包括：响应于上述人流量信息满足预设人流量报警条件，控制相关联的报警设备执行报警操作。
[0016]第二方面，本公开的一些实施例提供了一种人流量信息生成装置，装置包括：获取单元，被配置成获取目标监控场景图像；提取单元，被配置成从上述目标监控场景图像中提取人体特征信息；第一生成单元，被配置成根据上述人体特征信息，生成候选人流量信息组；第二生成单元，被配置成根据上述候选人流量信息组，生成上述目标监控场景图像对应的人流量信息。
[0017]可选地，提取单元进一步被配置成：将上述目标监控场景图像输入至预先训练的人体特征提取网络，以生成人体特征向量；将上述人体特征向量输入至全连接层，以生成上述人体特征信息。
[0018]可选地，第一生成单元包括：第一输入单元、第二输入单元和分类候选人流量信息生成单元。其中，第一输入单元被配置成将上述人体特征信息输入至预先训练的人流量分类网络，以生成人流量向量。第二输入单元被配置成将上述人流量向量输入至第一归一化层，以生成人流量预测概率向量。分类候选人流量信息生成单元被配置成根据上述人流量预测概率向量，生成分类候选人流量信息。
[0019]可选地，第一生成单元还包括：第三输入单元、第四输入单元和分布候选人流量信息生成单元。其中，第三输入单元被配置成将上述人体特征信息输入至预先训练的人流量分布学习网络，以生成人流量分布概率向量。第四输入单元被配置成将上述人流量分布概率向量输入至第二归一化层，以生成人流量分布预测概率向量。分布候选人流量信息生成单元被配置成根据上述人流量分布预测概率向量，生成分布候选人流量信息。
[0020]可选地，第一生成单元还包括：第五输入单元，被配置成将上述人体特征信息输入至预先训练的人流量回归网络，以生成回归候选人流量信息。
[0021]可选地，上述人体特征提取网络包括：卷积网络块集合，上述卷积网络块集合中的
卷积网络块串行连接。
[0022]可选地，上述提取单元进一步被配置成：将上述目标监控场景图像输入至上述卷积网络块集合中串行连接的卷积网络块，以生成人体特征向量。
[0023]可选地，上述卷积网络块集合中的卷积网络块包括：卷积层集合和激活函数层集合，上述卷积层集合中的每两层卷积层之间设置有上述激活函数层集合中的激活函数层。
[0024]可选地，上述分类候选人流量信息生成单元进一步被配置成：将上述人流量预测概率向量中的每个人流量预测概率与分类目标人流量的乘积确定为分类人流量分量，得到分类人流量分量集合，其中，上述分类目标人流量对应于上述人流量预测概率；根据上述分类人流量分量集合中各个分类人流量分量的和，生成分类候选人流量信息。
[0025]可选地，上述分布候选人流量信息生成单元进一步被配置成：将上述人流量分布预测概率向量中的每个人流量分布预测概率与分布目标人流量的乘积确定为分布人流量分量，得到分布人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人流量信息生成方法，包括：获取目标监控场景图像；从所述目标监控场景图像中提取人体特征信息；根据所述人体特征信息，生成候选人流量信息组；根据所述候选人流量信息组，生成所述目标监控场景图像对应的人流量信息。2.根据权利要求1所述的方法，其中，所述从所述目标监控场景图像中提取人体特征信息，包括：将所述目标监控场景图像输入至预先训练的人体特征提取网络，以生成人体特征向量；将所述人体特征向量输入至全连接层，以生成所述人体特征信息。3.根据权利要求1所述的方法，其中，所述根据所述人体特征信息，生成候选人流量信息组，包括：将所述人体特征信息输入至预先训练的人流量分类网络，以生成人流量向量；将所述人流量向量输入至第一归一化层，以生成人流量预测概率向量；根据所述人流量预测概率向量，生成分类候选人流量信息。4.根据权利要求3所述的方法，其中，所述根据所述人体特征信息，生成候选人流量信息组，包括：将所述人体特征信息输入至预先训练的人流量分布学习网络，以生成人流量分布概率向量；将所述人流量分布概率向量输入至第二归一化层，以生成人流量分布预测概率向量；根据所述人流量分布预测概率向量，生成分布候选人流量信息。5.根据权利要求4所述的方法，其中，所述根据所述人体特征信息，生成候选人流量信息组，还包括：将所述人体特征信息输入至预先训练的人流量回归网络，以生成回归候选人流量信息。6.根据权利要求2所述的方法，其中，所述人体特征提取网络包括：卷积网络块集合，所述卷积网络块集合中的卷积网络块串行连接；以及所述将所述目标监控场景图像输入至预先训练的人体特征提取网络，以生成人体特征向量，包括：将所述目标监控场景图像输入至所述卷积网络块集合中串行连接的卷积网络块，以生成人体特征向量。7.根据权利要求6所述的方法，其中，所述卷积网络块集合中的卷积网络块包括：卷积层集合和激活函数层...

【专利技术属性】
技术研发人员：刘弘也，苏驰，李凯，王育林，
申请(专利权)人：北京金山云网络技术有限公司，
类型：发明
国别省市：