CN108363982B - 确定对象数量的方法及装置 - Google Patents

确定对象数量的方法及装置 Download PDF

Info

Publication number
CN108363982B
CN108363982B CN201810172642.8A CN201810172642A CN108363982B CN 108363982 B CN108363982 B CN 108363982B CN 201810172642 A CN201810172642 A CN 201810172642A CN 108363982 B CN108363982 B CN 108363982B
Authority
CN
China
Prior art keywords
image
determining
head
images
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810172642.8A
Other languages
English (en)
Other versions
CN108363982A (zh
Inventor
何长伟
汪铖杰
李季檩
甘振业
王亚彪
赵艳丹
葛彦昊
倪辉
李集佳
李彦融
黄渊
吴永坚
黄飞跃
黄小明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810172642.8A priority Critical patent/CN108363982B/zh
Publication of CN108363982A publication Critical patent/CN108363982A/zh
Application granted granted Critical
Publication of CN108363982B publication Critical patent/CN108363982B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明公开了一种确定对象数量的方法及装置，属于图像处理领域。所述方法包括：对图像中的目标对象进行检测，得到目标对象的头部图像和身体图像；确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组；确定该至少一个目标关联组的数量，得到第三数量；根据该第一数量、该第二数量和该第三数量，确定该图像中目标对象的数量。本发明通过综合利用头部图像和身体图像的数量来确定图像中目标对象的数量，有效弥补了因对头部图像误检或漏检导致的计数不准确的问题，提高了确定图像中对象数量的准确性。

Description

确定对象数量的方法及装置
技术领域
本发明涉及图像处理领域，特别涉及一种确定对象数量的方法及装置。
背景技术
目前，在安防监控、大数据分析等诸多领域，都需要确定图像中存在的目标对象的数量，也即是，需要对图像中存在的目标对象的数量进行统计，其中，目标对象可以为人体或动物等。例如，在安防监控领域，对于通过监控摄像头采集到的图像，需要对该图像中存在的人员数量进行统计，以便及时了解监控区域内汇集的人员数量，防止踩踏等恶性事件的发生。
相关技术中，提供了一种确定对象数量的方法，该方法包括：首先对图像中目标对象的头部进行检测，以确定该图像中的目标对象的头部图像，然后统计确定的头部图像的数量，并将统计得到的数量确定为该图像中的目标对象的数量。其中，该目标对象是指待确定数量且包括头部和身体的对象，如人体或动物等。
由于头部区域与图像中的其他区域很容易混淆，比如人体头部与图像中的黑色区域很难区分，因此在对目标对象的头部进行检测时，很容易出现误检或漏检的情况，导致确定出的头部数量不准确，进而导致确定的对象数量不准确。
发明内容
本发明实施例提供了一种确定对象数量的方法及装置，可以用于解决相关技术中存在的确定对象数量的准确度较低的问题。所述技术方案如下：
一方面，提供了一种确定对象数量的方法，所述方法包括：
对图像中的目标对象进行检测，得到所述图像中所述目标对象的头部图像和身体图像，所述目标对象为待确定数量且包括头部和身体的对象；
确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；
将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组；
确定所述至少一个目标关联组的数量，得到第三数量；
根据所述第一数量、所述第二数量和所述第三数量，确定所述图像中所述目标对象的数量。
可选地，所述目标对象为人体。
一方面，提供了一种确定对象数量的装置，所述装置包括：
检测模块，用于对图像中的目标对象进行检测，得到所述图像中所述目标对象的头部图像和身体图像，所述目标对象为待确定数量且包括头部和身体的对象；
第一确定模块，用于确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；
关联模块，用于将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组；
第二确定模块，用于确定所述至少一个目标关联组的数量，得到第三数量；
第三确定模块，用于根据所述第一数量、所述第二数量和所述第三数量，确定所述图像中所述目标对象的数量。
一方面，提供了一种确定对象数量的装置，所述装置包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述确定对象数量的方法。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述确定对象数量的方法。
本发明实施例提供的技术方案带来的有益效果是：
本发明实施例中，可以分别对图像中目标对象的头部和身体进行检测，确定图像中目标对象的头部图像和身体图像的数量，并从这些头部图像和身体图像中确定属于同一目标对象的头部图像和身体图像的关联组的数量，然后通过综合利用头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像的关联组的数量，来确定图像中存在的目标对象的数量，如此，可以有效弥补因对目标对象的头部图像误检或漏检导致的计数不准确的问题，提高了确定图像中存在的目标对象的数量的准确性。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，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。
图1A是本发明实施例提供的一种确定对象数量的系统示意图；
图1B是本发明实施例提供的一种确定对象数量的方法流程图；
图1C是本发明实施例提供的一个监控图像示意图；
图1D是本发明实施例提供的一种确定至少一个目标关联组的操作示意图；
图2是本发明实施例提供的一种确定对象数量的装置的结构示意图；
图3是本发明实施例提供的一种终端300的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例进行详细地解释说明之前，先对本发明实施例的应用场景予以说明。
本发明实施例提供的确定对象数量的方法应用于需要对图像中存在的目标对象的数量进行统计的场景中，例如，可以应用于安防监控领域、大数据分析领域、实景地图领域或野外生物考察领域等。其中，目标对象是指包括头部和身体的对象，比如人体、动物、机器人或仿生物品等。
例如，在安防监控领域，对于通过监控摄像头采集到的监控图像，可以对该监控图像中存在的人员数量进行统计，以便及时了解监控区域内汇集的人员数量，防止踩踏等恶性事件的发生。或者，通过确定监控图像中存在的人员数量，进一步统计监控区域的人流量，以便对市场进行考察。
接下来对本发明实施例的实施环境进行介绍。
本发明实施例提供的确定对象数量的方法可以应用于图像处理设备中，该图像处理设备可以为手机、平板电脑或计算机等终端，或者为监控摄像头或监控中心等监控设备，当然也可以为其他能够进行图像处理的设备，本发明实施例对此不做限定。
图1A是本发明实施例提供的一种确定对象数量的系统示意图，如图1A所示，该系统包括图像10和图像处理设备20。
其中，图像10为待处理的图像，具体可以为图像处理设备20采集的图像、存储的图像或者接收的图像等。例如，图像10可以为监控视频中的视频帧图像。
图像处理设备20用于对图像10中的目标对象进行检测，得到图像10中目标对象的头部图像和身体图像，该目标对象为待确定数量且包括头部和身体的对象；确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组；确定该至少一个目标关联组的数量，得到第三数量；根据该第一数量、该第二数量和该第三数量，确定图像10中目标对象的数量。
进一步地，图像处理设备20确定出图像10中目标对象的数量之后，还可以对目标对象的数量进行显示。例如，可以将目标对象的数量显示在图像10中。
接下来对本发明实施例提供的确定对象数量的方法进行详细介绍。
图1B是本发明实施例提供的一种确定对象数量的方法流程图，该方法可以应用于图像处理设备中，如图1B所示，该方法包括：
步骤101：对图像中的目标对象进行检测，得到图像中目标对象的头部图像和身体图像。
其中，目标对象是指待确定数量且包括头部和身体的对象，具体可以为人体、动物、机器人或仿生物品等。对于不同的图像，可以设置不同的目标对象，实际应用中，该目标对象可以由图像处理设备默认设置，也可以由用户设置，本发明实施例对此不做限定。
例如，对于监控摄像头采集的监控图像，可以设置目标对象为人体，以确定监控图像中的人员数量；对于野外地理图像，可以设置目标对象为野生生物，以确定野外地理图像中的野生生物的数量。
其中，对图像中的目标对象进行检测，得到图像中目标对象的头部图像和身体图像包括：对图像中目标对象的头部进行检测，得到该图像中目标对象的头部图像；对图像中目标对象的身体部位进行检测，得到该图像中目标对象的身体图像。
具体地，可以采用目标检测算法，对图像中目标对象的头部进行检测，得到目标对象的头部所在的第一候选框，然后根据第一候选框确定目标对象的头部图像，并采用目标检测算法，对图像中目标对象的身体进行检测，得到目标对象的身体所在的第二候选框，然后根据第二候选框确定目标对象的身体图像。
其中，目标检测是指将待检测的目标物体从含有其他背景的图像中检测出来。该目标检测算法可以为基于深度学习的目标检测算法，比如可以为基于神经网络或SVM（支持向量机）的目标检测算法等，当然也可以为其他目标检测算法，本发明实施例对此不做限定。
通过目标检测算法从图像中检测出目标物体之后，通常会在图像中用候选框将目标物体标记出来。其中，第一候选框是指目标对象的头部所在的候选框，具体可以为目标对象的头部所在区域的坐标框；第二候选框是指目标对象的身体所在的候选框，具体可以为目标对象的头部所在区域的坐标框。实际应用中，该第一候选框和第二后续框通常为矩形框。具体地，可以将第一候选框所在区域的图像确定为目标对象的头部图像，并将第二候选框所在区域的图像确定为目标对象的身体图像。
例如，图1C是本发明实施例提供的一个监控图像示意图，以该目标对象为人体为例，可以对该监控图像中的人头进行检测，得到4个第一候选框，并对该监控图像中的人体进行检测，得到5个第二候选框。其中，这4个第一候选框所在区域的图像为人头图像，这5个第二候选框所在区域的图像为人体图像。
步骤102：确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量。
也即是，可以分别对检测到的头部图像和身体图像的数量进行统计，得到第一数量和第二数量。其中，第一数量是指该图像中目标对象的头部图像的数量，第二数量是指该图像中目标对象的身体图像的数量。
例如，参见图1C，可以分别统计监控图像中的人头图像和人体图像的数量，得到第一数量为4，第二数量为5。
步骤103：将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组。
本发明实施例中，对于检测到的头部图像和身体图像，可以将其中属于同一目标对象的头部图像和身体图像关联起来，得到至少一个目标关联组。其中，每个关联组包括属于同一目标对象的头部图像和身体图像，也即是，每个关联组包括一个头部图像和身体图像的图像对。
具体地，将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组的操作可以包括以下步骤1031-1032：
步骤1031：确定检测到的任一头部图像和任一身体图像的粘合度，得到多个粘合度。
其中，粘合度用于指示任一头部图像和任一身体图像属于同一目标对象的程度，粘合度越大，表示两者属于同一目标对象的可能性越大，粘合度越小，表示两者属于同一目标对象的可能性越小。
具体地，当检测到的头部图像和身体图像为矩形图像时，对于检测到的任一头部图像A和任一身体图像B，确定头部图像A和身体图像B的粘合度的方式可以包括如下步骤1）-4）：
1）确定头部图像A和身体图像B的重合区域的面积。
例如，可以确定头部图像A和身体图像B的重合区域的面积s。
2）确定头部图像A中指定点的横坐标和纵坐标，以及头部图像A的宽度，得到第一横坐标、第一纵坐标和第一宽度。
其中，该指定点可以为头部图像A的指定顶点或中心点等。例如，当该指定点为头部图像A的指定顶点时，该指定顶点可以为头部图像A左上角的顶点、右上角的顶点、左下角的顶点或右下角的顶点等。
例如，以该指定点为头部图像A左上角的顶点为例，可以分别确定头部图像A左上角的顶点的横坐标x和纵坐标y，以及确定头部图像A的宽度w。
3）确定身体图像B中指定点的横坐标和纵坐标，以及身体图像B的宽度和高度，得到第二横坐标、第二纵坐标、第二宽度和第二高度。
其中，该指定点可以为头部图像B的指定顶点或中心点等。例如，当该指定点为头部图像B的指定顶点时，该指定顶点可以为头部图像B左上角的顶点、右上角的顶点、左下角的顶点或右下角的顶点等。
需要说明的是，头部图像A的指定点和身体图像B的指定点相同。例如，如果头部图像A的指定点为头部图像A左上角的顶点，则身体图像B的指定点为身体图像B左上角的顶点。
例如，以该指定点为身体图像B左上角的顶点为例，可以分别确定头部图像B左上角的顶点的横坐标X和纵坐标Y，以及确定头部图像A的宽度W和高度H。
4）根据该面积、该第一横坐标、第一纵坐标和第一宽度，以及该第二横坐标、第二纵坐标、第二宽度和第二高度，通过指定粘合度算法确定该头部图像A和身体图像B的粘合度。
具体地，可以根据该面积、该第一横坐标、第一纵坐标和第一宽度，以及该第二横坐标、第二纵坐标、第二宽度和第二高度，采用以下公式（1）确定头部图像A和身体图像B的粘合度：
Figure SMS_1
（1）
其中，
Figure SMS_3
为头部图像A和身体图像B的粘合度，/>
Figure SMS_7
为头部图像A和身体图像B的重合区域的面积，/>
Figure SMS_9
、/>
Figure SMS_4
和/>
Figure SMS_5
分别为第一横坐标、第一纵坐标和第一宽度，/>
Figure SMS_8
、/>
Figure SMS_10
、/>
Figure SMS_2
和/>
Figure SMS_6
分别为第二横坐标、第二纵坐标、第二宽度和第二高度。
进一步地，假设图像中存在m个目标对象的头部图像，n个目标对象的身体图像，对于头部图像i（
Figure SMS_11
）和身体图像j(/>
Figure SMS_12
)，还可以采用以下公式（2）确定头部图像i和身体图像j的粘合度：
Figure SMS_13
（2）/>
其中，
Figure SMS_16
为头部图像i和身体图像j的粘合度，头部图像i是指m个头部图像中的第i个头部图像，且/>
Figure SMS_17
，身体图像j是指n个身体图像中的第j个身体图像，且/>
Figure SMS_20
，/>
Figure SMS_14
为头部图像i和身体图像j的重合区域的面积，/>
Figure SMS_19
和/>
Figure SMS_22
分别为头部图像i的指定点的横坐标和纵坐标，/>
Figure SMS_24
为头部图像i的宽度，/>
Figure SMS_15
和/>
Figure SMS_18
分别为身体图像j的指定点的横坐标和纵坐标，
Figure SMS_21
和/>
Figure SMS_23
分别为身体图像j的宽度和高度。
步骤1032：根据该多个粘合度，以及检测到的头部图像和身体图像，确定该至少一个目标关联组。
其中，可以根据粘合度大于或等于预设阈值的头部图像和身体图像，确定该至少一个目标关联组，也即是，可以将粘合度大于或等于预设阈值的头部图像和身体图像组成的关联组，确定为该至少一个目标关联组。
具体地，根据该多个粘合度，以及检测到的头部图像和身体图像，确定该至少一个目标关联组的操作可以包括以下两种实现方式：
第一种实现方式：从该多个粘合度中选择大于或等于预设阈值的粘合度；将选择的粘合度对应的头部图像和身体图像进行关联，得到该至少一个目标关联组。
其中，该预设阈值为预先设置的能够区分属于同一目标对象和不属于同一目标对象的头部图像和身体图像的粘合度阈值，且该预设阈值可以由图像处理设备默认设置，可以由技术人员根据经验设置，也可以由用户进行设置。
当某个头部图像和某个身体图像的粘合度大于或等于预设阈值时，可以确定该头部图像和该身体图像属于同一目标对象；当某个头部图像和某个身体图像的粘合度小于该预设阈值时，可以确定该头部图像和该身体图像不属于同一目标对象。
本发明实施例中，可以分别将粘合度大于或等于预设阈值的头部图像和身体图像进行关联，得到该至少一个目标关联组。例如，对于检测到的任一头部图像A和任一身体图像B，当头部图像A和头部图像B的粘合度大于或等于预设阈值时，即可将头部图像A和身体图像B进行关联，得到一个目标关联组。
第二种实现方式：将检测到的任一头部图像和任一身体图像进行关联，得到多个关联组；根据该多个关联组生成关联矩阵，并从该多个粘合度中确定该关联矩阵中每个关联组对应的粘合度；删除该关联矩阵中对应的粘合度小于预设阈值的关联组，并保留该关联矩阵中对应的粘合度大于或等于该预设阈值的关联组，以得到该至少一个目标关联组。
其中，该关联矩阵包括该多个关联组。实际应用中，可以采用预设关联算法计算该关联矩阵，使得该关联矩阵包括检测到的任一头部图像和任一身体图像组成的关联组。根据关联组的粘合度，对关联矩阵中的关联组进行保留和删除之后，关联矩阵中剩余的关联组即为该至少一个目标关联组。
具体地，对于该关联矩阵中的任一关联组C，可以将关联组C包括的头部图像和身体图像的粘合度，确定为关联组C的粘合度；当关联组C的粘合度大于或等于预设阈值时，可以保留关联组C；当关联组C的粘合度小于该预设阈值时，可以从该关联矩阵中删除关联组C。
当粘合度大于或等于预设阈值时，表示关联组C包括的头部图像和身体图像属于同一目标对象，因此可以保留关联组C，以将关联组C作为目标关联组。当该粘合度小于该预设阈值时，表示关联组C包括的头部图像和身体图像不属于同一目标对象，因此可以删除关联组C，也即是解除关联组C中头部图像和身体图像的关联关系，以使最终确定的至少一个目标关联组中不包括该关联组C。如此，最终确定的至少一个目标关联组中的每个关联组包括的头部图像和身体图像均属于同一目标对象。
需要说明的是，对于确定任一头部图像和身体图像的粘合度，以及生成关联矩阵这两个步骤，本发明实施例对这两个步骤的执行顺序不做限定。实际应用中，可以先确定任一头部图像和身体图像的粘合度，然后再生成关联矩阵，也可以先生成关联矩阵，再确定任一头部图像和身体图像的粘合度，当然两者也可以并行执行，本发明实施例对此不做限定。
图1D是本发明实施例提供的一种确定至少一个目标关联组的操作示意图，如图1D所示，确定至少一个目标关联组的操作可以包括如下步骤1）-5）：
1）粘合度计算。
对于检测到的每个头部图像和每个身体图像，确定每个头部图像和每个身体图像的粘合度。
2）确定关联矩阵。
具体可以采用预设关联算法确定该关联矩阵，使得该关联矩阵包括检测到的任一头部图像和任一身体图像组成的关联组。
3）判断粘合度是否大于预设阈值。
具体地，可以判断任一关联组中的头部图像和身体图像的粘合度是否大于或等于预设阈值。
4）如果3）的判断结果为是，则保留该关联组的关联关系。
也即是，将该关联组保留在关联矩阵中。
5）如果3）的判断结果为否，则取消该关联组的关联关系。
也即是，可以将该关联组从关联矩阵中删除。
步骤104：确定该至少一个目标关联组的数量，得到第三数量。
具体地，可以对该至少一个目标关联组进行统计，得到第三数量。
步骤105：根据该第一数量、该第二数量和该第三数量，确定该图像中目标对象的数量。
具体地，根据该第一数量、该第二数量和该第三数量，确定该图像中目标对象的数量可以包括：将该第一数量和该第二数量进行相加，得到第四数量；根据该第四数量和该第三数量之间的差值，确定该图像中目标对象的数量。
其中，根据该第四数量和该第三数量之间的差值，确定该图像中目标对象的数量可以包括以下两种实现方式：
第一种实现方式：将该第四数量和该第三数量之间的差值，确定为该图像中目标对象的数量。
例如，若第一数量为m，第二数量为n，第三数量为k，则该图像中目标对象的数量=m+n-k。示例的，若m=5、n=4、k=3，则该图像中目标对象的数量=m+n-k=6。
由于第一种实现方式可以直接将该第四数量和该第三数量之间的差值，确定为该图像中目标对象的数量，计算方式简单，处理效率较高。
第二种实现方式：根据该第四数量和该第三数量之间的差值，通过指定回归模型，确定该图像中目标对象的数量。
其中，该指定回归模型是预先根据多个训练图像中目标对象的参考数量和实际数量训练得到，参考数量是根据每个训练图像中目标对象的头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像组成的关联组的数量确定得到。
回归模型是对统计关系进行定量描述的一种数学模型。本发明实施例中，通过根据多个训练图像中该目标对象的参考数量和实际数量训练进行训练，可以准确统计出参考数量与实际数量之间的关系，进而得到能够准确描述这两者关系的数学模型，这个能够准确描述这两者关系的数学模型即为该指定回归模型。之后，根据该第四数量和该第三数量之间的差值，通过指定回归模型，即能够准确确定出该图像中目标对象的数量。
其中，该指定回归模型可以为指定线性回归模型、指定非线性回归模型或者其他回归模型，本发明实施例对该指定回归模型不做具体限定。
具体地，可以将该第四数量和该第三数量之间的差值作为该指定回归模型的输入，通过该指定回归模型确定得到该图像中存在的该目标对象的数量。
例如，该指定回归模型可以为ax+b，其中，a、b为该指定回归模型的模型参数，则可以将x赋值为第四数量和第三数量之间的差值，以得到该图像中目标对象的数量。例如，若第四数量和第三数量之间的差值为m+n-k，则该图像中目标对象的数量=a（m+n-k）+b。
通过根据该第四数量和该第三数量之间的差值，采用预先训练的指定回归模型确定该图像中存在的该目标对象的数量，可以减小计算误差，提高确定目标对象数量的精度。
进一步地，在根据该第四数量和该第三数量之间的差值，通过指定回归模型，确定该图像中存在的该目标对象的数量之前，还可以根据多个训练图像包括的每个训练图像中目标对象的头部图像和身体图像的数量，以及每个训练图像中属于同一目标对象的头部图像和身体图像组成的关联组的数量，确定每个训练图像中目标对象的参考数量，得到多个参考数量；确定该多个训练图像包括的每个训练图像中目标对象的实际数量，得到多个实际数量；根据该多个参考数量和该多个实际数量，对待训练回归模型进行训练，得到该指定回归模型。
其中，根据该多个参考数量和该多个实际数量，对待训练回归模型进行训练包括：将该多个参考数量作为该待训练回归模型的输入，通过该待训练回归模型确定得到多个输出数量；计算该多个参考数量和该多个实际数量之间的误差，根据该误差对待训练回归模型进行训练的模型参数进行调整，根据调整后的待训练回归模型，确定该指定回归模型。例如，若该待训练回归模型为ax+b，则通过根据多个参考数量和多个实际数量对该待训练回归模型进行训练，即可使得ax+b逐渐逼近实际数量y。
进一步地，确定该图像中目标对象的数量之后，还可以将目标对象的数量显示在该图像中，或者也可以将该目标对象的数量发送到指定设备，或者也可以将该目标对象的数量存储在指定列表中，当然也可以将该目标对象的数量应用在其他场景中，本发明实施例对此不做限定。
例如，参见图1C，确定该监控图像中存在的人员数量之后，可以在该监控图像中显示人员数量。示例的，若该监控图像中存在的人员数量为6，则可以在监控图像中显示“总人数：6”。
本发明实施例中，可以分别对图像中目标对象的头部和身体进行检测，确定图像中目标对象的头部图像和身体图像的数量，并从这些头部图像和身体图像中确定属于同一目标对象的头部图像和身体图像的关联组的数量，然后通过综合利用头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像的关联组的数量，来确定图像中存在的目标对象的数量，如此可以有效弥补因对目标对象的头部图像误检或漏检导致的计数不准确的问题，提高了确定图像中存在的目标对象的数量的准确性。
图2是本发明实施例提供的一种确定对象数量的装置的结构示意图，参见图2，该装置可以包括检测模块201、第一确定模块202、关联模块203、第二确定模块204和第三确定模块205。
检测模块201，用于对图像中的目标对象进行检测，得到该图像中该目标对象的头部图像和身体图像，该目标对象为待确定数量且包括头部和身体的对象；
第一确定模块202，用于确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；
关联模块203，用于将检测到的头部图像和身体图像中属于同一目标对象的头部图像和身体图像进行关联，得到至少一个目标关联组；
第二确定模块204，用于确定该至少一个目标关联组的数量，得到第三数量；
第三确定模块205，用于根据该第一数量、该第二数量和该第三数量，确定该图像中该目标对象的数量。
可选地，关联模块203包括：
第一确定单元，用于确定检测到的任一头部图像和任一身体图像的粘合度，得到多个粘合度，该粘合度用于指示该任一头部图像和该任一身体图像属于同一目标对象的程度；
第二确定单元，用于根据该多个粘合度，以及检测到的头部图像和身体图像，确定该至少一个目标关联组。
可选地，该第二确定单元具体用于：
从该多个粘合度中选择大于或等于预设阈值的粘合度；
将选择的粘合度对应的头部图像和身体图像进行关联，得到该至少一个目标关联组。
可选地，该第二确定单元具体用于：
将检测到的任一头部图像和任一身体图像进行关联，得到多个关联组；
根据该多个关联组生成关联矩阵，并从该多个粘合度中确定该关联矩阵中每个关联组对应的粘合度；
删除该关联矩阵中对应的粘合度小于预设阈值的关联组，并保留该关联矩阵中对应的粘合度大于或等于该预设阈值的关联组，以得到该至少一个目标关联组。
可选地，该检测到的头部图像和身体图像为矩形图像；
该第一确定单元具体用于：
对于检测到的任一头部图像A和任一身体图像B，确定该头部图像A和该身体图像B的重合区域的面积；
确定该头部图像A中指定点的横坐标和纵坐标，以及该头部图像A的宽度，得到第一横坐标、第一纵坐标和第一宽度；
确定该身体图像B中指定点的横坐标和纵坐标，以及该身体图像B的宽度和高度，得到第二横坐标、第二纵坐标、第二宽度和第二高度；
根据该面积、该第一横坐标、第一纵坐标和第一宽度，以及该第二横坐标、第二纵坐标、第二宽度和第二高度，通过指定粘合度算法确定该头部图像A和该身体图像B的粘合度。
可选地，该第一确定单元具体用于：
根据该面积、该第一横坐标、第一纵坐标和第一宽度，以及该第二横坐标、第二纵坐标、第二宽度和第二高度，采用以下公式确定该头部图像A和该身体图像B的粘合度：
Figure SMS_25
其中，该
Figure SMS_27
为该头部图像A和该身体图像B的粘合度，该/>
Figure SMS_30
为该面积，该/>
Figure SMS_33
、/>
Figure SMS_26
和/>
Figure SMS_29
分别为该第一横坐标、第一纵坐标和第一宽度，该/>
Figure SMS_32
、/>
Figure SMS_34
、/>
Figure SMS_28
和/>
Figure SMS_31
分别为该第二横坐标、第二纵坐标、第二宽度和第二高度。
可选地，该第三确定模块包括：
计算单元，用于将该第一数量和该第二数量进行相加，得到第四数量；
第三确定单元，用于根据该第四数量和该第三数量之间的差值，确定该图像中该目标对象的数量。
可选死，第三确定单元具体用于：
将该第四数量和该第三数量之间的差值，确定为该图像中该目标对象的数量。
可选地，第三确定单元具体用于：
根据该第四数量和该第三数量之间的差值，通过指定回归模型，确定该图像中该目标对象的数量；
其中，该指定回归模型是预先根据多个训练图像中该目标对象的参考数量和实际数量训练得到，该参考数量是根据每个训练图像中该目标对象的头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像组成的关联组的数量确定得到。
可选地，该装置还包括：
第四确定模块，用于根据该多个训练图像包括的每个训练图像中该目标对象的头部图像和身体图像的数量，以及每个训练图像中属于同一目标对象的头部图像和身体图像组成的关联组的数量，确定每个训练图像中该目标对象的参考数量，得到多个参考数量；
第五确定模块，用于确定该多个训练图像包括的每个训练图像中该目标对象的实际数量，得到多个实际数量；
训练模块，用于根据该多个参考数量和该多个实际数量，对待训练回归模型进行训练，得到该指定回归模型。
本发明实施例中，可以分别对图像中目标对象的头部和身体进行检测，确定图像中目标对象的头部图像和身体图像的数量，并从这些头部图像和身体图像中确定属于同一目标对象的头部图像和身体图像的关联组的数量，然后通过综合利用头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像的关联组的数量，来确定图像中存在的目标对象的数量，如此可以有效弥补因对目标对象的头部图像误检或漏检导致的计数不准确的问题，提高了确定图像中存在的目标对象的数量的准确性。
需要说明的是：上述实施例提供的确定对象数量的装置在确定图像中存在的目标对象的数量时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的确定对象数量的装置与确定对象数量的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图3是本发明实施例提供的一种终端300的结构示意图。该终端300可以是：智能手机、平板电脑、MP3播放器（Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3）、MP4（Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4）播放器、笔记本电脑或台式电脑。终端300还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端300包括有：处理器301和存储器302。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP（Digital Signal Processing，数字信号处理）、FPGA（Field－Programmable Gate Array，现场可编程门阵列）、PLA（Programmable Logic Array，可编程逻辑阵列）中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU（Central ProcessingUnit，中央处理器）；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU（Graphics Processing Unit，图像处理器），GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器301还可以包括AI（Artificial Intelligence，人工智能）处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的确定对象数量的方法。
在一些实施例中，终端300还可选包括有：外围设备接口303和至少一个外围设备。处理器301、存储器302和外围设备接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口303相连。具体地，外围设备包括：射频电路304、触摸显示屏305、摄像头306、音频电路307、定位组件308和电源309中的至少一种。
外围设备接口303可被用于将I/O（Input /Output，输入/输出）相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和外围设备接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和外围设备接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF（Radio Frequency，射频）信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络（2G、3G、4G及5G）、无线局域网和/或WiFi(Wireless Fidelity，无线保真）网络。在一些实施例中，射频电路304还可以包括NFC（Near Field Communication，近距离无线通信）有关的电路，本申请对此不加以限定。
显示屏305用于显示UI（User Interface，用户界面）。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，设置终端300的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在终端300的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在终端300的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件306用于采集图像或视频。可选地，摄像头组件306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR（Virtual Reality，虚拟现实）拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件306还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路307可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器301进行处理，或者输入至射频电路304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器301或射频电路304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人体可听见的声波，也可以将电信号转换为人体听不见的声波以进行测距等用途。在一些实施例中，音频电路307还可以包括耳机插孔。
定位组件308用于定位终端300的当前地理位置，以实现导航或LBS（LocationBased Service，基于位置的服务）。定位组件308可以是基于美国的GPS（GlobalPositioning System，全球定位系统）、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源309用于为终端300中的各个组件进行供电。电源309可以是交流电、直流电、一次性电池或可充电电池。当电源309包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端300还包括有一个或多个传感器310。该一个或多个传感器310包括但不限于：加速度传感器311、陀螺仪传感器312、压力传感器313、指纹传感器314、光学传感器315以及接近传感器316。
加速度传感器311可以检测以终端300建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器311可以用于检测重力加速度在三个坐标轴上的分量。处理器301可以根据加速度传感器311采集的重力加速度信号，控制触摸显示屏305以横向视图或纵向视图进行用户界面的显示。加速度传感器311还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器312可以检测终端300的机体方向及转动角度，陀螺仪传感器312可以与加速度传感器311协同采集用户对终端300的3D动作。处理器301根据陀螺仪传感器312采集的数据，可以实现如下功能：动作感应（比如根据用户的倾斜操作来改变UI）、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器313可以设置在终端300的侧边框和/或触摸显示屏305的下层。当压力传感器313设置在终端300的侧边框时，可以检测用户对终端300的握持信号，由处理器301根据压力传感器313采集的握持信号进行左右手识别或快捷操作。当压力传感器313设置在触摸显示屏305的下层时，由处理器301根据用户对触摸显示屏305的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器314用于采集用户的指纹，由处理器301根据指纹传感器314采集到的指纹识别用户的身份，或者，由指纹传感器314根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器301授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器314可以被设置终端300的正面、背面或侧面。当终端300上设置有物理按键或厂商Logo时，指纹传感器314可以与物理按键或厂商Logo集成在一起。
光学传感器315用于采集环境光强度。在一个实施例中，处理器301可以根据光学传感器315采集的环境光强度，控制触摸显示屏305的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏305的显示亮度；当环境光强度较低时，调低触摸显示屏305的显示亮度。在另一个实施例中，处理器301还可以根据光学传感器315采集的环境光强度，动态调整摄像头组件306的拍摄参数。
接近传感器316，也称距离传感器，通常设置在终端300的前面板。接近传感器316用于采集用户与终端300的正面之间的距离。在一个实施例中，当接近传感器316检测到用户与终端300的正面之间的距离逐渐变小时，由处理器301控制触摸显示屏305从亮屏状态切换为息屏状态；当接近传感器316检测到用户与终端300的正面之间的距离逐渐变大时，由处理器301控制触摸显示屏305从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图3中示出的结构并不构成对终端300的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在本实施例中，终端300还包括有一个或者一个以上的程序，这一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行，所述一个或者一个以上程序包含用于进行本发明实施例提供的确定对象数量的方法的指令。
在另一实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述确定对象数量的方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种确定对象数量的方法，其特征在于，所述方法包括：
对图像中的目标对象进行检测，得到所述图像中所述目标对象的头部图像和身体图像，所述目标对象为待确定数量且包括头部和身体的对象，检测到的头部图像和身体图像为矩形图像；
确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；
对于检测到的任一头部图像A和任一身体图像B，确定所述头部图像A和所述身体图像B的重合区域的面积；
确定所述头部图像A中指定点的横坐标和纵坐标，以及所述头部图像A的宽度，得到第一横坐标、第一纵坐标和第一宽度；
确定所述身体图像B中指定点的横坐标和纵坐标，以及所述身体图像B的宽度和高度，得到第二横坐标、第二纵坐标、第二宽度和第二高度；
根据所述面积、所述第一横坐标、所述第一纵坐标和所述第一宽度，以及所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度，通过指定粘合度算法确定所述头部图像A和所述身体图像B的粘合度，得到多个粘合度，所述粘合度用于指示所述任一头部图像和所述任一身体图像属于同一目标对象的程度；
根据所述多个粘合度，以及检测到的头部图像和身体图像，确定至少一个目标关联组；
确定所述至少一个目标关联组的数量，得到第三数量；
根据所述第一数量、所述第二数量和所述第三数量，确定所述图像中所述目标对象的数量。
2.如权利要求1所述的方法，其特征在于，所述根据所述多个粘合度，以及检测到的头部图像和身体图像，确定至少一个目标关联组，包括：
从所述多个粘合度中选择大于或等于预设阈值的粘合度；
将选择的粘合度对应的头部图像和身体图像进行关联，得到所述至少一个目标关联组。
3.如权利要求1所述的方法，其特征在于，所述根据所述多个粘合度，以及检测到的头部图像和身体图像，确定至少一个目标关联组，包括：
将检测到的任一头部图像和任一身体图像进行关联，得到多个关联组；
根据所述多个关联组生成关联矩阵，并从所述多个粘合度中确定所述关联矩阵中每个关联组对应的粘合度；
删除所述关联矩阵中对应的粘合度小于预设阈值的关联组，并保留所述关联矩阵中对应的粘合度大于或等于所述预设阈值的关联组，以得到所述至少一个目标关联组。
4.如权利要求1所述的方法，其特征在于，所述根据所述面积、所述第一横坐标、所述第一纵坐标和所述第一宽度，以及所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度，通过指定粘合度算法确定所述头部图像A和所述身体图像B的粘合度，包括：
根据所述面积、所述第一横坐标、所述第一纵坐标和所述第一宽度，以及所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度，采用以下公式确定所述头部图像A和所述身体图像B的粘合度：
Figure QLYQS_1
其中，所述
Figure QLYQS_3
为所述头部图像A和所述身体图像B的粘合度，所述/>
Figure QLYQS_7
为所述面积，所述/>
Figure QLYQS_9
、
Figure QLYQS_2
和/>
Figure QLYQS_5
分别为所述第一横坐标、第一纵坐标和第一宽度，所述/>
Figure QLYQS_8
、/>
Figure QLYQS_10
、/>
Figure QLYQS_4
和/>
Figure QLYQS_6
分别为所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度。
5.如权利要求1所述的方法，其特征在于，所述根据所述第一数量、所述第二数量和所述第三数量，确定所述图像中所述目标对象的数量，包括：
将所述第一数量和所述第二数量进行相加，得到第四数量；
根据所述第四数量和所述第三数量之间的差值，确定所述图像中所述目标对象的数量。
6.如权利要求5所述的方法，其特征在于，所述根据所述第四数量和所述第三数量之间的差值，确定所述图像中所述目标对象的数量，包括：
将所述第四数量和所述第三数量之间的差值，确定为所述图像中所述目标对象的数量。
7.如权利要求5所述的方法，其特征在于，所述根据所述第四数量和所述第三数量之间的差值，确定所述图像中所述目标对象的数量，包括：
根据所述第四数量和所述第三数量之间的差值，通过指定回归模型，确定所述图像中所述目标对象的数量；
其中，所述指定回归模型是预先根据多个训练图像中所述目标对象的参考数量和实际数量训练得到，所述参考数量是根据每个训练图像中所述目标对象的头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像组成的关联组的数量确定得到。
8.如权利要求7所述的方法，其特征在于，所述根据所述第四数量和所述第三数量之间的差值，通过指定回归模型，确定所述图像中所述目标对象的数量之前，还包括：
根据所述多个训练图像包括的每个训练图像中所述目标对象的头部图像和身体图像的数量，以及每个训练图像中属于同一目标对象的头部图像和身体图像组成的关联组的数量，确定每个训练图像中所述目标对象的参考数量，得到多个参考数量；
确定所述多个训练图像包括的每个训练图像中所述目标对象的实际数量，得到多个实际数量；
根据所述多个参考数量和所述多个实际数量，对待训练回归模型进行训练，得到所述指定回归模型。
9.一种确定对象数量的装置，其特征在于，所述装置包括：
检测模块，用于对图像中的目标对象进行检测，得到所述图像中所述目标对象的头部图像和身体图像，所述目标对象为待确定数量且包括头部和身体的对象，检测到的头部图像和身体图像为矩形图像；
第一确定模块，用于确定检测到的头部图像的数量，得到第一数量，并确定检测到的身体图像的数量，得到第二数量；
关联模块，包括第一确定单元和第二确定单元；所述第一确定单元，用于对于检测到的任一头部图像A和任一身体图像B，确定所述头部图像A和所述身体图像B的重合区域的面积；确定所述头部图像A中指定点的横坐标和纵坐标，以及所述头部图像A的宽度，得到第一横坐标、第一纵坐标和第一宽度；确定所述身体图像B中指定点的横坐标和纵坐标，以及所述身体图像B的宽度和高度，得到第二横坐标、第二纵坐标、第二宽度和第二高度；根据所述面积、所述第一横坐标、所述第一纵坐标和所述第一宽度，以及所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度，通过指定粘合度算法确定所述头部图像A和所述身体图像B的粘合度，得到多个粘合度，所述粘合度用于指示所述任一头部图像和所述任一身体图像属于同一目标对象的程度；
所述第二确定单元，用于根据所述多个粘合度，以及检测到的头部图像和身体图像，确定至少一个目标关联组；
第二确定模块，用于确定所述至少一个目标关联组的数量，得到第三数量；
第三确定模块，用于根据所述第一数量、所述第二数量和所述第三数量，确定所述图像中所述目标对象的数量。
10.如权利要求9所述的装置，其特征在于，所述第二确定单元具体用于：
从所述多个粘合度中选择大于或等于预设阈值的粘合度；
将选择的粘合度对应的头部图像和身体图像进行关联，得到所述至少一个目标关联组。
11.如权利要求9所述的装置，其特征在于，所述第二确定单元具体用于：
将检测到的任一头部图像和任一身体图像进行关联，得到多个关联组；
根据所述多个关联组生成关联矩阵，并从所述多个粘合度中确定所述关联矩阵中每个关联组对应的粘合度；
删除所述关联矩阵中对应的粘合度小于预设阈值的关联组，并保留所述关联矩阵中对应的粘合度大于或等于所述预设阈值的关联组，以得到所述至少一个目标关联组。
12.如权利要求9所述的装置，其特征在于，所述第一确定单元具体用于：
根据所述面积、所述第一横坐标、所述第一纵坐标和所述第一宽度，以及所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度，采用以下公式确定所述头部图像A和所述身体图像B的粘合度：
Figure QLYQS_11
其中，所述
Figure QLYQS_14
为所述头部图像A和所述身体图像B的粘合度，所述/>
Figure QLYQS_15
为所述面积，所述/>
Figure QLYQS_18
、
Figure QLYQS_13
和/>
Figure QLYQS_16
分别为所述第一横坐标、第一纵坐标和第一宽度，所述/>
Figure QLYQS_19
、/>
Figure QLYQS_20
、/>
Figure QLYQS_12
和/>
Figure QLYQS_17
分别为所述第二横坐标、所述第二纵坐标、所述第二宽度和所述第二高度。
13.如权利要求9所述的装置，其特征在于，所述第三确定模块包括：
计算单元，用于将所述第一数量和所述第二数量进行相加，得到第四数量；
第三确定单元，用于根据所述第四数量和所述第三数量之间的差值，确定所述图像中所述目标对象的数量。
14.如权利要求13所述的装置，其特征在于，所述第三确定单元具体用于：
将所述第四数量和所述第三数量之间的差值，确定为所述图像中所述目标对象的数量。
15.如权利要求13所述的装置，其特征在于，所述第三确定单元具体用于：
根据所述第四数量和所述第三数量之间的差值，通过指定回归模型，确定所述图像中所述目标对象的数量；
其中，所述指定回归模型是预先根据多个训练图像中所述目标对象的参考数量和实际数量训练得到，所述参考数量是根据每个训练图像中所述目标对象的头部图像和身体图像的数量，以及属于同一目标对象的头部图像和身体图像组成的关联组的数量确定得到。
16.如权利要求15所述的装置，其特征在于，所述装置还包括：
第四确定模块，用于根据所述多个训练图像包括的每个训练图像中所述目标对象的头部图像和身体图像的数量，以及每个训练图像中属于同一目标对象的头部图像和身体图像组成的关联组的数量，确定每个训练图像中所述目标对象的参考数量，得到多个参考数量；
第五确定模块，用于确定所述多个训练图像包括的每个训练图像中所述目标对象的实际数量，得到多个实际数量；
训练模块，用于根据所述多个参考数量和所述多个实际数量，对待训练回归模型进行训练，得到所述指定回归模型。
17.一种确定对象数量的装置，其特征在于，所述装置包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1-8任一项所述的确定对象数量的方法。
18.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1-8任一项所述的确定对象数量的方法。
CN201810172642.8A 2018-03-01 2018-03-01 确定对象数量的方法及装置 Active CN108363982B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810172642.8A CN108363982B (zh) 2018-03-01 2018-03-01 确定对象数量的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810172642.8A CN108363982B (zh) 2018-03-01 2018-03-01 确定对象数量的方法及装置

Publications (2)

Publication Number Publication Date
CN108363982A CN108363982A (zh) 2018-08-03
CN108363982B true CN108363982B (zh) 2023-06-02

Family

ID=63003152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810172642.8A Active CN108363982B (zh) 2018-03-01 2018-03-01 确定对象数量的方法及装置

Country Status (1)

Country Link
CN (1) CN108363982B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110298318B (zh) * 2019-07-01 2023-09-29 北京中星微电子有限公司 人头人体联合检测方法、装置和电子设备
CN111814885B (zh) * 2020-07-10 2021-06-22 云从科技集团股份有限公司 一种管理图像框的方法、系统、设备及介质
CN111882582B (zh) * 2020-07-24 2021-10-08 广州云从博衍智能科技有限公司 一种图像跟踪关联方法、系统、设备及介质
CN113196292A (zh) * 2020-12-29 2021-07-30 商汤国际私人有限公司 对象检测方法和装置及电子设备
WO2022144600A1 (en) * 2020-12-29 2022-07-07 Sensetime International Pte. Ltd. Object detection method and apparatus, and electronic device
CN113192048A (zh) * 2021-05-17 2021-07-30 广州市勤思网络科技有限公司 一种多模态融合的人数识别统计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015191268A (ja) * 2014-03-27 2015-11-02 株式会社リコー 人物頭部検知装置及び姿勢推定装置
CN105989616A (zh) * 2015-02-10 2016-10-05 口碑控股有限公司 获取对象受关注程度的方法及装置
CN106301866A (zh) * 2015-05-12 2017-01-04 杭州海康威视数字技术股份有限公司 目标对象的统计方法和装置
CN106600631A (zh) * 2016-11-30 2017-04-26 郑州金惠计算机系统工程有限公司 基于多目标跟踪的客流统计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015191268A (ja) * 2014-03-27 2015-11-02 株式会社リコー 人物頭部検知装置及び姿勢推定装置
CN105989616A (zh) * 2015-02-10 2016-10-05 口碑控股有限公司 获取对象受关注程度的方法及装置
CN106301866A (zh) * 2015-05-12 2017-01-04 杭州海康威视数字技术股份有限公司 目标对象的统计方法和装置
CN106600631A (zh) * 2016-11-30 2017-04-26 郑州金惠计算机系统工程有限公司 基于多目标跟踪的客流统计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
关联书目数据质量评估框架构建与实证评估;王振蒙等;《图书情报工作》(第15期);第109-116页 *

Also Published As

Publication number Publication date
CN108363982A (zh) 2018-08-03

Similar Documents

Publication Publication Date Title
CN108363982B (zh) 确定对象数量的方法及装置
CN110222789B (zh) 图像识别方法及存储介质
CN111127509B (zh) 目标跟踪方法、装置和计算机可读存储介质
CN109558837B (zh) 人脸关键点检测方法、装置及存储介质
CN108288032B (zh) 动作特征获取方法、装置及存储介质
CN112084811B (zh) 身份信息的确定方法、装置及存储介质
CN110933468A (zh) 播放方法、装置、电子设备及介质
CN111027490B (zh) 人脸属性识别方法及装置、存储介质
US11386586B2 (en) Method and electronic device for adding virtual item
CN111754386B (zh) 图像区域屏蔽方法、装置、设备及存储介质
CN110956580B (zh) 图像换脸的方法、装置、计算机设备以及存储介质
CN109886208B (zh) 物体检测的方法、装置、计算机设备及存储介质
CN110675473B (zh) 生成gif动态图的方法、装置、电子设备及介质
CN111325701B (zh) 图像处理方法、装置及存储介质
CN111931712B (zh) 人脸识别方法、装置、抓拍机及系统
CN110853124B (zh) 生成gif动态图的方法、装置、电子设备及介质
CN113205069B (zh) 虚假车牌检测方法、装置及计算机存储介质
CN111325083B (zh) 记录考勤信息的方法和装置
CN111723615B (zh) 对检测物图像进行检测物匹配判定的方法和装置
CN113706807B (zh) 发出报警信息的方法、装置、设备及存储介质
CN112184802B (zh) 标定框的调整方法、装置及存储介质
CN111488895B (zh) 对抗数据生成方法、装置、设备及存储介质
CN111310526B (zh) 目标跟踪模型的参数确定方法、装置及存储介质
CN109344284B (zh) 歌曲文件的播放方法、装置、设备及存储介质
CN112990424A (zh) 神经网络模型训练的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant