CN109389589A - 用于统计人数的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于统计人数的方法和装置。该方法的一具体实施方式包括获取目标图像；基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果，其中，人体头肩检测模型用于检测图像中的人体头肩框的位置信息；基于目标人体头肩检测结果确定人数统计结果。该实施方式提高了对人数的统计准确度。

Description

用于统计人数的方法和装置

技术领域

本申请实施例涉及图像识别技术领域，具体涉及用于统计人数的方法和装置。

背景技术

对于一些人流密度大的区域，如机场、车站、广场、公园等，常因为人群过于密集而存在发生踩踏事件的隐患。对于这些区域进行实时人数统计则可有效避免此类事件发生。特别是对于公交车辆内，进行人数估计可有效防止超载。另一方面，对于店铺、展馆等出入口区域，常需要统计一定时间内的进出人数，进行客流分析。

目前，多采用人眼对监控摄像头拍摄的监控录像观看的方式进行人数统计。

发明内容

本申请实施例提出了用于统计人数的方法和装置。

第一方面，本申请实施例提供了一种用于统计人数的方法，包括：获取目标图像；基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果，其中，人体头肩检测模型用于检测图像中的人体头肩框的位置信息；基于目标人体头肩检测结果确定人数统计结果。

在一些实施例中，基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果，包括：对目标图像进行采样，得到采样图像；修改采样图像的像素点的像素值，得到修改图像；将修改图像输入至人体头肩检测模型，得到目标人体头肩检测结果。

在一些实施例中，基于目标人体头肩检测结果确定人数统计结果，包括：基于目标人体头肩检测结果统计目标图像中的目标人体头肩框的数量，作为目标图像的静态人数统计结果。

在一些实施例中，目标图像是目标视频中的图像；以及基于目标人体头肩检测结果确定人数统计结果，包括：基于目标人体头肩检测结果，提取目标图像中的人体的特征；基于目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到目标图像对应的人体追踪结果；将目标图像对应的人体追踪结果添加到目标视频对应的人体追踪轨迹上；基于目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为目标视频的动态人数统计结果。

在一些实施例中，基于目标人体头肩检测结果，提取目标图像中的人体的特征，包括：利用行人重识别方法提取目标图像中的人体的特征，其中，行人重识别模型用于提取图像中的人体的特征。

在一些实施例中，人体头肩检测模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图像和样本图像对应的样本人体头肩标注结果；将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的样本人体头肩标注结果作为输出，训练得到人体头肩检测模型。

第二方面，本申请实施例提供了一种用于统计人数的装置，包括：获取单元，被配置成获取目标图像；检测单元，被配置成基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果，其中，人体头肩检测模型用于检测图像中的人体头肩框的位置信息；统计单元，被配置成基于目标人体头肩检测结果确定人数统计结果。

在一些实施例中，检测单元包括：采样模块，被配置成对目标图像进行采样，得到采样图像；修改模块，被配置成修改采样图像的像素点的像素值，得到修改图像。检测模块，被配置成将修改图像输入至人体头肩检测模型，得到目标人体头肩检测结果。

在一些实施例中，统计单元进一步被配置成：基于目标人体头肩检测结果统计目标图像中的目标人体头肩框的数量，作为目标图像的静态人数统计结果。

在一些实施例中，目标图像是目标视频中的图像；以及统计单元包括：提取模块，被配置成基于目标人体头肩检测结果，提取目标图像中的人体的特征；追踪模块，被配置成基于目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到目标图像对应的人体追踪结果；添加模块，被配置成将目标图像对应的人体追踪结果添加到目标视频对应的人体追踪轨迹上；确定模块，被配置成基于目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为目标视频的动态人数统计结果。

在一些实施例中，提取模块进一步被配置成：利用行人重识别方法提取目标图像中的人体的特征，其中，行人重识别模型用于提取图像中的人体的特征。

在一些实施例中，人体头肩检测模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图像和样本图像对应的样本人体头肩标注结果；将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的样本人体头肩标注结果作为输出，训练得到人体头肩检测模型。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于统计人数的方法和装置，首先，基于所获取的目标图像和预先训练的人体头肩检测模型，以得到目标图像对应的目标人体头肩检测结果；然后，基于目标人体头肩检测结果确定人数统计结果。利用人体头肩检测模型检测人体头肩框，提高了对人数的统计准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的用于统计人数的方法的一个实施例的流程图；

图3是图2所提供的用于统计人数的方法的一个应用场景的示意图；

图4是根据本申请的用于统计人数的方法的又一个实施例的流程图；

图5是根据本申请的用于统计人数的方法的再一个实施例的流程图；

图6是根据本申请的用于统计人数的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于统计人数的方法或用于统计人数的装置的实施例的示例性系统架构100。

如图1所示，系统架构100中可以包括拍摄设备101、102、103，网络104和服务器105。网络104用以在拍摄设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

拍摄设备101、102、103可以通过网络104与服务器105交互，以接收或发送消息等。拍摄设备101、102、103可以是硬件，也可以是软件。当拍摄设备101、102、103为硬件时，可以是支持图像拍摄或视频拍摄的各种电子设备，包括但不限于摄像机、摄像头、照相机和智能手机等等。当拍摄设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以提供各种服务，例如服务器105可以对从拍摄设备101、102、103获取到的目标图像等数据进行分析等处理，生成处理结果(例如人数统计结果)。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于统计人数的方法一般由服务器105执行，相应地，用于统计人数的装置一般设置于服务器105中。

应该理解，图1中的拍摄设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的拍摄设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于统计人数的方法的一个实施例的流程200。该用于统计人数的方法，包括以下步骤：

步骤201，获取目标图像。

在本实施例中，用于统计人数的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从拍摄设备(例如图1所示的拍摄设备101、102、103)获取对需要进行人数统计的区域拍摄所得到的图像或视频，并从中确定出目标图像。其中，需要进行人数统计的区域可以包括但不限于公交车、机场、车站、广场、公园、店铺、展馆等。拍摄设备可以包括但不限于摄像头、摄像机等，通常安装在需要进行人数统计的区域的高点、升降梯的出入口等关键位置，以便于采集图像或视频。拍摄设备可以直接拍摄图像，此时，目标图像可以是的拍摄设备所拍摄的一张或多张图像。拍摄设备也可以拍摄视频，此时，目标图像可以是拍摄设备所拍摄的视频中的一帧或多帧图像。通常，拍摄设备可以将所拍摄的图像或视频实时发送至上述执行主体。

步骤202，基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果。

在本实施例中，上述执行主体可以基于目标图像和预先训练的人体头肩检测模型，以得到目标图像对应的目标人体头肩检测结果。例如，上述执行主体可以将目标图像输入至人体头肩检测模型，从而得到目标图像对应的目标人体头肩检测结果。其中，人体头肩检测模型可以用于检测图像中的人体头肩框的位置信息。目标人体头肩检测结果可以包括目标图像中的人体头肩框的位置信息。人体头肩框可以是图像中包括人体头肩的最小矩形框。人体头肩框的位置信息可以包括人体头肩框的左上角的顶点的坐标和人体头肩框的宽和高。通常，人体头肩框的位置信息可以以(x_min,y_min,w,h)表示，其中，x_min是人体头肩框的左上角的顶点的横坐标，y_min是人体头肩框的左上角的顶点的纵坐标，w是人体头肩框的宽，h是人体头肩框的高。

在本实施例中，人体头肩检测模型可以用于检测图像中的人体头肩框的位置信息，表征图像与图像中的人体头肩框的位置信息之间的对应关系。

在一些实施例中，人体头肩检测模型可以是本领域技术人员对大量样本图像以及样本图像中的人体头肩框的位置信息进行统计分析，而得到的存储有多个样本图像与样本图像中的人体头肩框的位置信息的对应关系表。此时，上述执行主体可以计算目标图像与该对应关系表中的各个样本图像之间的相似度，并基于相似度计算结果，从该对应关系表中得到目标图像对应的目标人体头肩检测结果。例如，首先确定出与目标图像相似度最高的样本图像，然后从该对应关系表中查找出该样本图像中的人体头肩框的位置信息的作为目标图像对应的目标人体头肩检测结果。

在一些实施例中，人体头肩检测模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种人工神经网络等)进行有监督训练而得到的。其中，人体头肩检测模型可以包括但不限于SSD、RefineDet、MobileNet-SSD，通过如下步骤训练得到：

首先，获取训练样本集合。

其中，训练样本集合中的每个训练样本可以包括样本图像和样本图像对应的样本人体头肩标注结果。这里，本领域技术人员可以对样本图像进行分析，从而得到样本图像中的人体头肩框的位置信息。例如，可以在样本图像中的人体头肩所在区域人工标注对应的人体头肩框，从而得到样本图像对应的样本人体头肩标注结果。

其次，将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的样本人体头肩标注结果作为输出，训练得到人体头肩检测模型。

这里，可以利用训练样本集合对初始人体头肩检测模型(例如RefineDet)进行训练，从而得到检测图像中的人体头肩框的位置信息的人体头肩检测模型。其中，初始人体头肩检测模型可以是未经训练或未训练完成的人体头肩检测模型。这里，对于未经训练的人体头肩检测模型，其各个参数(例如，权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证模型不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证模型可以正常地学习。对于未训练完成的人体头肩检测模型，其各个参数可以是被调整后参数，但是该人体头肩检测模型的检测效果通常尚未满足预先设置的约束条件。

步骤203，基于目标人体头肩检测结果确定人数统计结果。

在本实施例中，上述执行主体可以对目标人体头肩检测结果进行分析，从而确定人数统计结果。其中，人数统计结果可以是静态人数统计结果，也可以是动态人数统计结果。由于目标人体头肩检测结果包括目标图像中的人体头肩框的位置信息，上述执行主体可以根据目标人体头肩检测结果对目标图像标注人体头肩框，并统计人体头肩框的数目，作为目标图像的静态人数统计结果。上述执行主体还可以将上一时刻拍摄的目标图像的静态人数统计结果与这一时刻拍摄的目标图像的静态人数统计结果进行比较，从而得到动态人数统计结果。

继续参见图3，图3是图2所提供的用于统计人数的方法的一个应用场景的示意图。在图3所示的应用场景中，首先，获取当前对公交车内的乘客进行拍摄所得到的目标图像301。然后，将目标图像301输入至人体头肩检测模型302，以输出目标图像301对应的目标人体头肩检测结果303。最后，根据目标人体头肩检测结果303对目标图像301标注人体头肩框，并统计目标图像301中的人体头肩框的数目，以确定人数统计结果304。通常，若人数统计结果304显示公交车内的乘客已经满员，当到达下一个公交站点时，若公交车内无人下车，则提示公交站点处的乘客乘坐下一辆公交车，以避免公交车超载。

本申请实施例提供的用于统计人数的方法，首先，基于所获取的目标图像和预先训练的人体头肩检测模型，以得到目标图像对应的目标人体头肩检测结果；然后，基于目标人体头肩检测结果确定人数统计结果。利用人体头肩检测模型检测人体头肩框，提高了对人数的统计准确度。

进一步参考图4，其示出了根据本申请的用于统计人数的方法的又一个实施例的流程400。该用于统计人数的方法，包括以下步骤：

步骤401，获取目标图像。

在本实施例中，步骤401的具体操作与图2所示的实施例中步骤201的操作基本相同，在此不再赘述。

步骤402，对目标图像进行采样，得到采样图像。

在本实施例中，用于统计人数的方法的执行主体(例如图1所示的服务器105)可以对目标图像进行采样，以得到采样图像。其中，采样的实质就是要用多少像素点来描述一幅图像，采样结果质量的高低可以用图像分辨率来衡量。简单来讲，对二维空间上的图像在水平和垂直方向上等间距地分割成多个正方形网状结构，所形成的正方形区域称为像素点。一副图像就被采样成有限个像素点构成的集合。采样包括上采样和下采样。上采样可以实现对图像的放大。下采样可以实现对图像的缩小。这里，无论目标图像的大小，通常会将其采样成一个固定尺寸(例如512×512)的图像。这个固定尺寸通常与用于训练人体头肩检测模型的样本图像的尺寸一致。

步骤403，修改采样图像的像素点的像素值，得到修改图像。

在本实施例中，上述执行主体可以修改采样图像的像素点的像素值，以得到修改图像。例如，对于采样图像中的每个像素点，将该像素点的像素值减去预设像素值(例如[104,117,123])。减去预设像素值，从而使其与训练人体头肩检测模型的样本图像统一。

步骤404，将修改图像输入至人体头肩检测模型，得到目标人体头肩检测结果。

在本实施例中，上述执行主体可以将修改图像输入至人体头肩检测模型，以得到目标人体头肩检测结果。需要说明的是，人体头肩检测模型和目标人体头肩检测结果已在图2中进行详细说明，这里不再赘述。

步骤405，基于目标人体头肩检测结果统计目标图像中的目标人体头肩框的数量，作为目标图像的静态人数统计结果。

在本实施例中，上述执行主体可以基于目标人体头肩检测结果统计目标图像中的目标人体头肩框的数量，作为目标图像的静态人数统计结果。由于目标人体头肩检测结果包括目标图像中的人体头肩框的位置信息，上述执行主体可以统计目标人体头肩检测结果中的人体头肩框的数目，即为目标图像的静态人数统计结果。若目标图像是当前对需要进行人数统计的区域拍摄的图像，静态人数统计结果就是当前处于需要进行人数统计的区域内的人的数目。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于统计人数的方法的流程400突出了对目标图像进行预处理后输入人体头肩检测模型和进行静态人数统计的步骤。由此，将目标图像处理修改到与训练人体头肩检测模型的样本图像统一再输入人体头肩检测模型，增强了人体头肩检测模型的鲁棒性。同时，实现了对目标图像的静态人数统计。

进一步参考图5，其示出了根据本申请的用于统计人数的方法的再一个实施例的流程500。该用于统计人数的方法，包括以下步骤：

步骤501，获取目标图像。

步骤502，对目标图像进行采样，得到采样图像；

步骤503，修改采样图像的像素点的像素值，得到修改图像；

步骤504，将修改图像输入至人体头肩检测模型，得到目标人体头肩检测结果。

在本实施例中，步骤501-504的具体操作与图3所示的实施例中步骤401-404的操作基本相同，在此不再赘述。

步骤505，基于目标人体头肩检测结果，提取目标图像中的人体的特征。

在本实施例中，上述执行主体可以基于目标人体头肩检测结果提取目标图像中的人体的特征。通常，上述执行主体可以根据目标人体头肩检测结果，确定出目标图像中的人体头肩框，然后从人体头肩框中提取出特征，作为目标图像中的人体的特征。其中，人体的特征可以是用于对图像中的人体进行描述的信息，包括但不限于与人体相关的各种基本要素(例如人体动作、人体轮廓、人体位置、人体纹理等)。

在一些实施例中，上述执行主体可以利用行人重识别方法提取目标图像中的人体的特征。其中，行人重识别(ReID，Person Re-identification)，也称行人再识别，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。

步骤506，基于目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到目标图像对应的人体追踪结果。

在本实施例中，上述执行主体可以基于目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到目标图像对应的人体追踪结果。其中，多目标追踪方法(DeepSORT)是在SORT目标追踪基础上的改进。引入了在行人重识别数据集上离线训练的深度学习模型，在实时目标追踪过程中，提取目标的特征进行最近邻匹配，可以改善有遮挡情况下的目标追踪效果。同时，也减少了目标标识跳变的问题。

步骤507，将目标图像对应的人体追踪结果添加到目标视频对应的人体追踪轨迹上。

在本实施例中，上述执行主体可以将将目标图像对应的人体追踪结果添加到目标视频对应的人体追踪轨迹上。其中，目标图像可以是目标视频中的图像。目标视频可以包括多帧图像，每帧图像中的同一个人体应具有相同的特征，因此可以为每一个人体设置一个唯一标识。对于目标图像中的每一个人体，上述执行主体可以根据该人体对应的标识查找到该人体在目标图像中的对应的人体追踪结果，并将该人体追踪结果添加到该人体在目标视频中的对应的人体追踪轨迹上。

步骤508，基于目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为目标视频的动态人数统计结果。

在本实施例中，上述执行主体可以基于目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为目标视频的动态人数统计结果。具体地，若存在一个人体追踪轨迹从预设区域外延伸到预设区域内，则该人体为进入预设区域的人体，进入预设区域的人的数目增加1。若存在一个人体追踪轨迹从预设区域内延伸到预设区域外，则该人体为离开预设区域的人体，离开预设区域的人的数目增加1。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于统计人数的方法的流程500突出了对目标图像进行预处理后输入人体头肩检测模型和进行动态人数统计的步骤。由此，将目标图像处理修改到与训练人体头肩检测模型的样本图像统一再输入人体头肩检测模型，增强了人体头肩检测模型的鲁棒性。同时，实现了对目标图像的动态人数统计。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于统计人数的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于统计人数的装置600可以包括：获取单元601、检测单元602和统计单元603。其中，获取单元601，被配置成获取目标图像；检测单元602，被配置成基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果，其中，人体头肩检测模型用于检测图像中的人体头肩框的位置信息；统计单元603，被配置成基于目标人体头肩检测结果确定人数统计结果。

在本实施例中，用于统计人数的装置600中：获取单元601、检测单元602和统计单元603的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，检测单元602可以包括：采样模块(图中未示出)，被配置成对目标图像进行采样，得到采样图像；修改模块(图中未示出)，被配置成修改采样图像的像素点的像素值，得到修改图像。检测模块(图中未示出)，被配置成将修改图像输入至人体头肩检测模型，得到目标人体头肩检测结果。

在本实施例的一些可选的实现方式中，统计单元603进一步被配置成：基于目标人体头肩检测结果统计目标图像中的目标人体头肩框的数量，作为目标图像的静态人数统计结果。

在本实施例的一些可选的实现方式中，目标图像是目标视频中的图像；以及统计单元603可以包括：提取模块(图中未示出)，被配置成基于目标人体头肩检测结果，提取目标图像中的人体的特征；追踪模块(图中未示出)，被配置成基于目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到目标图像对应的人体追踪结果；添加模块(图中未示出)，被配置成将目标图像对应的人体追踪结果添加到目标视频对应的人体追踪轨迹上；确定模块(图中未示出)，被配置成基于目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为目标视频的动态人数统计结果。

在本实施例的一些可选的实现方式中，提取模块进一步被配置成：利用行人重识别方法提取目标图像中的人体的特征。

在本实施例的一些可选的实现方式中，人体头肩检测模型可以通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图像和样本图像对应的样本人体头肩标注结果；将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的样本人体头肩标注结果作为输出，训练得到人体头肩检测模型。

下面参考图7，其示出了适于用来实现本申请实施例的服务器(例如图1所示的服务器105)的计算机系统700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、检测单元和确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标图像的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的服务器中所包含的；也可以是单独存在，而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该服务器执行时，使得该服务器：获取目标图像；基于目标图像和预先训练的人体头肩检测模型，得到目标图像对应的目标人体头肩检测结果，其中，人体头肩检测模型用于检测图像中的人体头肩框的位置信息；基于目标人体头肩检测结果确定人数统计结果。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于统计人数的方法，包括：

获取目标图像；

基于所述目标图像和预先训练的人体头肩检测模型，得到所述目标图像对应的目标人体头肩检测结果，其中，所述人体头肩检测模型用于检测图像中的人体头肩框的位置信息；

基于所述目标人体头肩检测结果确定人数统计结果。

2.根据权利要求1所述的方法，其中，所述基于所述目标图像和预先训练的人体头肩检测模型，得到所述目标图像对应的目标人体头肩检测结果，包括：

对所述目标图像进行采样，得到采样图像；

修改所述采样图像的像素点的像素值，得到修改图像；

将所述修改图像输入至所述人体头肩检测模型，得到所述目标人体头肩检测结果。

3.根据权利要求1所述的方法，其中，所述基于所述目标人体头肩检测结果确定人数统计结果，包括：

基于所述目标人体头肩检测结果统计所述目标图像中的目标人体头肩框的数量，作为所述目标图像的静态人数统计结果。

4.根据权利要求1所述的方法，其中，所述目标图像是目标视频中的图像；以及

所述基于所述目标人体头肩检测结果确定人数统计结果，包括：

基于所述目标人体头肩检测结果，提取所述目标图像中的人体的特征；

基于所述目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到所述目标图像对应的人体追踪结果；

将所述目标图像对应的人体追踪结果添加到所述目标视频对应的人体追踪轨迹上；

基于所述目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为所述目标视频的动态人数统计结果。

5.根据权利要求4所述的方法，其中，所述基于所述目标人体头肩检测结果，提取所述目标图像中的人体的特征，包括：

利用行人重识别方法提取所述目标图像中的人体的特征。

6.根据权利要求1-5之一所述的方法，其中，所述人体头肩检测模型通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本图像和样本图像对应的样本人体头肩标注结果；

将所述训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的样本人体头肩标注结果作为输出，训练得到所述人体头肩检测模型。

7.一种用于统计人数的装置，包括：

获取单元，被配置成获取目标图像；

检测单元，被配置成基于所述目标图像和预先训练的人体头肩检测模型，得到所述目标图像对应的目标人体头肩检测结果，其中，所述人体头肩检测模型用于检测图像中的人体头肩框的位置信息；

统计单元，被配置成基于所述目标人体头肩检测结果确定人数统计结果。

8.根据权利要求7所述的装置，其中，所述检测单元包括：

采样模块，被配置成对所述目标图像进行采样，得到采样图像；

修改模块，被配置成修改所述采样图像的像素点的像素值，得到修改图像；

检测模块，被配置成将所述修改图像输入至所述人体头肩检测模型，得到所述目标人体头肩检测结果。

9.根据权利要求7所述的装置，其中，所述统计单元进一步被配置成：

基于所述目标人体头肩检测结果统计所述目标图像中的目标人体头肩框的数量，作为所述目标图像的静态人数统计结果。

10.根据权利要求7所述的装置，其中，所述目标图像是目标视频中的图像；以及

所述统计单元包括：

提取模块，被配置成基于所述目标人体头肩检测结果，提取所述目标图像中的人体的特征；

追踪模块，被配置成基于所述目标图像中的人体的特征，利用多目标追踪方法进行人体追踪，得到所述目标图像对应的人体追踪结果；

添加模块，被配置成将所述目标图像对应的人体追踪结果添加到所述目标视频对应的人体追踪轨迹上；

确定模块，被配置成基于所述目标视频对应的人体追踪轨迹确定进入和离开预设区域的人的数量，作为所述目标视频的动态人数统计结果。

11.根据权利要求10所述的装置，其中，所述提取模块进一步被配置成：

利用行人重识别方法提取所述目标图像中的人体的特征。

12.根据权利要求7-11之一所述的装置，其中，所述人体头肩检测模型通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括样本图像和样本图像对应的样本人体头肩标注结果；

将所述训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的样本人体头肩标注结果作为输出，训练得到所述人体头肩检测模型。

13.一种服务器，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。