(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210645973.5 (22)申请日 2022.06.08 (71)申请人 合肥市轨道交通 集团有限公司 地址 230000 安徽省合肥市阜阳路17号 (72)发明人 赵静　林亚龙　虞赛君　洪挺屹　 刘强　马迪迪　李进　王婧雯　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 周永敬 (51)Int.Cl. G06V 20/52(2022.01) G06N 3/04(2006.01) G06V 10/42(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 基于检测和分割的人群密度统计方法、 装 置、 设备及 介质 (57)摘要 本发明实施例公开了一种基于检测和分割 的人群密度统计方法、 装置、 设备及介质， 方法包 括： 获取图像数据； 对图像数据进行处理， 以得到 样本图； 将样本图输入到人群密度统计模型中进 行人群概率预测， 以得到人群密度图； 根据人群 密 度 图 计 算 出 人 群 数 量 。本 发 明 基 于 SwinTransformer目标检测网络进行特征提取， 并基于提取的特征进行人群概率密度图预测， 增 加了目标检测的监督信息， 提升模型的预测效 果。 通过多尺度特征融合可以很好的兼容不同大 小尺寸的人体信息。 通过增加注 意力机制加深模 型对人群密度， 方便模型更容易剔除背景干扰因 素。 权利要求书2页 说明书13页 附图2页 CN 114898301 A 2022.08.12 CN 114898301 A 1.基于检测 和分割的人群密度统计方法， 其特 征在于， 包括： 获取图像数据； 对图像数据进行处 理， 以得到样本图； 将样本图输入到人群密度统计模型中进行 人群概率预测， 以得到人群密度图； 根据人群密度图计算出 人群数量。 2.根据权利要求1所述的基于检测和分割的人群密度统计方法， 其特征在于， 所述将样 本图输入到人群密度 统计模型中进行人群概率预测， 以得到人群密度图， 所述人群密度 统 计模型的处 理方法包括： 将样本图输入到SwinTransformer模型中对人头数据进行目标检测， 以得到第一检测 特征、 第二检测特 征、 第三检测特 征以及第四检测特 征； 对第一检测特征、 第二检测特征、 第三检测特征以及第 四检测特征输入可变形卷积块 处理， 以得到第一处 理特征、 第二处 理特征、 第三处 理特征以及第四处 理特征； 对第四处 理特征进行转置卷积处 理后再进行 上采样处 理， 以得到第五处 理特征； 对第三处 理特征进行反池化上采样处 理， 以得到第六处 理特征； 对第二处 理特征进行卷积处理， 以得到第七处 理特征； 将样本图输入到卷积残差网络处 理， 以得到第八处 理特征； 将第八处理特征、 第七处理特征、 第六处理特征、 第五处理特征以及第 一处理特征进行 concate合并， 以得到第一 合并特征； 将第一合并特征输入到P PM模型处 理， 以得到第九 处理特征； 将第一处理特征、 第二处理特征、 第三处理特征以及第四处理特征输入到CBAM注意力 机制模型处 理， 以得到第十处 理特征、 第十一处 理特征、 第十二处 理特征、 第十三处 理特征； 将第十处 理特征和第九 处理特征输入到FAM模型处 理， 以得到第十四处 理特征； 将第十四处 理特征与第十一处 理特征输入到FAM模型处 理， 以得到第十五处 理特征； 将第十五处 理特征与第十二处 理特征输入到FAM模型处 理， 以得到第十六处 理特征； 对第十六处理特征输入到上采样块进行三次上采样处理， 以得到第一次采样特征、 第 二次采样特 征和第三次采样特 征； 将第三次采样特 征通过sigmo id函数进行归一 化处理， 以得到人群密度图。 3.根据权利要求2所述的基于检测和分割的人群密度统计方法， 其特征在于， 所述对第 一检测特征、 第二检测特征、 第三检测特征以及第四检测特征输入可变形卷积块处理， 以得 到第一处理特征、 第二处理特征、 第三处理特征以及第四处理特征， 所述可变形卷积块分别 由可变形 卷积， relu激活函数以及 BatchNormaliization构成。 4.根据权利要求2所述的基于检测和分割的人群密度统计方法， 其特征在于， 所述将样 本图输入到卷积残差网络处理， 以得到第八处理特征， 所述卷积残差网络分别由残差卷积 和mish激活函数构成。 5.根据权利要求2所述的基于检测和分割的人群密度统计方法， 其特征在于， 所述将第 一合并特征输入到P PM模型处 理， 以得到第九 处理特征， 包括： 将第一合并特征分别通过多尺度特征金字塔进行下采样池化， 以得到多个下采样池化 特征； 分别对多个下采样池化特 征进行卷积上采样处 理， 以得到多个卷积上采样特 征；权　利　要　求　书 1/2 页 2 CN 114898301 A 2对多个卷积上采样特 征进行合并后再进行 卷积处理， 以得到第九 处理特征。 6.根据权利要求2所述的基于检测和分割的人群密度统计方法， 其特征在于， 所述将第 一处理特征、 第二处理特征、 第三处理特征以及第四处理特征输入到CBAM注意力机制 模型 处理， 以得到第十处理特征、 第十一处理特征、 第十二处理特征、 第十三处理特征， 所述CBAM 注意力机制模型由通道 注意力机制和空间注意力机制构成。 7.根据权利要求2所述的基于检测和分割的人群密度统计方法， 其特征在于， 所述对第 十六处理特征输入到上采样块进行三次上采样处理， 以得到第一次采样特征、 第二次采样 特征和第三次采样特 征， 所述上采样块由反卷积和relu激活函数构成。 8.基于检测和分割的人群密度统计装置， 其特征在于， 包括获取单元、 处理单元、 预测 单元以及计算单 元； 所述获取 单元， 用于获取图像数据； 所述处理单元， 用于对图像数据进行处 理， 以得到样本图； 所述预测单元， 用于将样本 图输入到人群密度统计模型中进行人群概率预测， 以得到 人群密度图； 所述计算单 元， 用于根据人群密度图计算出 人群数量。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器以及存储在所述存储器上并可在 所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求 1～7 中任意一项所述的基于检测 和分割的人群密度统计方法步骤。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计 算机程序包括程序指 令， 所述程序指 令被处理器执行时， 使得所述处理器执行如权利要求 1 ～7任意一项所述的基于检测 和分割的人群密度统计方法方法步骤。权　利　要　求　书 2/2 页 3 CN 114898301 A 3