针对图像的计数方法、装置、电子设备及介质

本申请中涉及图像数据处理技术，尤其是一种针对图像的计数方法、装置、电子设备及介质。

背景技术：

1、相关技术中，目标计数是计算机视觉界的一个热门话题，例如在视频监控、公共安全和城市管理中发挥着重要作用。

2、其中，目标计数的目的是计算图像或视频序列中出现的某个目标对象的数量。然而对于一些低质量图像(例如图像存在遮挡、尺度变化、图像模糊和透视变形等情况)来说，由于受到图像中的细节信息丢失等因素的影响，使得图像计数功能的准确性也有一定的影响。

技术实现思路

1、本申请实施例提供一种针对图像的计数方法、装置、电子设备及介质。从而解决相关技术中出现的，对于无法对低质量图像进行准确目标计数的问题。

2、其中，根据本申请实施例的一个方面，提供的一种针对图像的计数方法，包括：

3、获取第一待处理图像，并将所述第一待处理图像输入到预先训练完毕的包括计数网络模型的图像检测网络模型中；

4、利用所述图像检测网络模型，将所述第一待处理图像的图像特征进行还原，得到所述第二待处理图像；

5、利用所述计数网络模型，对所述第二待处理图像中的目标对象进行计数统计，得到计数结果。

6、可选地，在基于本申请上述方法的另一个实施例中，所述利用所述图像检测网络模型，将所述第一待处理图像的图像特征进行还原，得到所述第二待处理图像，包括：

7、利用所述图像检测网络模型中的卷积层以及预设的放大系数，将所述第一待处理图像中的所有元素进行重构建，得到通道元素集合；

8、利用所述图像检测网络模型中的亚像素卷积层，将所述通道元素集合中的每个元素按照预设公式进行排列组合，得到对图像特征进行还原的第二待处理图像。

9、可选地，在基于本申请上述方法的另一个实施例中，所述利用所述计数网络模型，对所述第二待处理图像中的目标对象进行计数统计，得到计数结果，包括：

10、利用所述计数网络模型，生成所述第二待处理图像对应的密度图；

11、对所述密度图进行积分求和计算，并将所述积分求和的计算结果作为所述计数结果。

12、可选地，在基于本申请上述方法的另一个实施例中，在所述获取由第一分辨率组成的第一待处理图像之前，还包括：

13、获取多个由不同的初始分辨率组成的样本图像；以及，获取包含初始超分辨网络模型以及初始计数网络模型的初始图像检测网络模型；

14、将所述多个样本图像按照多个不同的预设放大系数进行缩小，得到对应的多个更新样本图像；

15、利用第一部分的更新样本图像对初始超分辨网络模型进行迭代训练，得到超分辨网络模型；以及，利用第二部分的更新样本图像对初始计数网络模型进行迭代训练，得到所述计数网络模型；

16、利用所述超分辨网络模型，对所述初始图像检测网络模型进行优化，直至得到能够对输入图像进行特征还原的所述图像检测网络模型；

17、将所述图像检测网络模型中的超分辨网络模型去除，得到所述包括计数网络模型的图像检测网络模型。

18、可选地，在基于本申请上述方法的另一个实施例中，通过下述公式训练对所述初始超分辨网络模型进行迭代训练：

19、isr＝fn(ilr；wn，bn)＝ξ(wn*fn-1(ilr)+bn)；

20、其中，ilr为第一分辨率,isr为第二分辨率，wn,为所述超分辨网络模型的权重，bn为所述超分辨网络模型的偏差参数，n为所述超分辨网络模型的层数，ξ为所述超分辨网络模型的周期性排列算子。

21、其中，根据本申请实施例的又一个方面，提供的一种针对图像的计数装置，包括：

22、输入模块，被配置为获取第一待处理图像，并将所述第一待处理图像输入到预先训练完毕的包括计数网络模型的图像检测网络模型中；

23、处理模块，被配置为利用所述图像检测网络模型，将所述第一待处理图像的图像特征进行还原，得到所述第二待处理图像；

24、生成模块，被配置为利用所述计数网络模型，对所述第二待处理图像中的目标对象进行计数统计，得到计数结果。

25、根据本申请实施例的又一个方面，提供的一种电子设备，包括：

26、存储器，用于存储可执行指令；以及

27、显示器，用于与所述存储器执行所述可执行指令从而完成上述任一所述针对图像的计数方法的操作。

28、根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述针对图像的计数方法的操作。

29、本申请中，可以获取第一待处理图像，并将第一待处理图像输入到预先训练完毕的包括计数网络模型的图像检测网络模型中；利用图像检测网络模型，将第一待处理图像的图像特征进行还原，得到第二待处理图像；利用计数网络模型，对第二待处理图像中的目标对象进行计数统计，得到计数结果。通过应用本申请的技术方案，可以由图像检测网络模型将接收到的低分辨率的待处理图像进行特征重构建以达到提高其图像精度的目的，进而在对提高图像精度后的图像进行计数统计。进而避免出现相关技术中存在的，在低分辨率图像场景下计数性能不佳的问题。

30、下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。

技术特征：

1.一种针对图像的计数方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述利用所述图像检测网络模型，将所述第一待处理图像的图像特征进行还原，得到所述第二待处理图像，包括：

3.如权利要求1所述的方法，其特征在于，所述利用所述计数网络模型，对所述第二待处理图像中的目标对象进行计数统计，得到计数结果，包括：

4.如权利要求1所述的方法，其特征在于，在所述获取由第一分辨率组成的第一待处理图像之前，还包括：

5.如权利要求4所述的方法，其特征在于，通过下述公式训练对所述初始超分辨网络模型进行迭代训练：

6.一种针对图像的计数装置，其特征在于，包括：

7.一种电子设备，其特征在于，包括：

8.一种计算机可读存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1-5中任一所述针对图像的计数方法的操作。

技术总结
本申请公开了一种针对图像的计数方法、装置、电子设备及介质。具体可以获取第一待处理图像，并将第一待处理图像输入到预先训练完毕的包括计数网络模型的图像检测网络模型中；利用图像检测网络模型，将第一待处理图像的图像特征进行还原，得到第二待处理图像；利用计数网络模型，对第二待处理图像中的目标对象进行计数统计，得到计数结果。通过应用本申请的技术方案，可以由图像检测网络模型将接收到的低分辨率的待处理图像进行特征重构建以达到提高其图像精度的目的，进而在对提高图像精度后的图像进行计数统计。进而避免出现相关技术中存在的，在低分辨率图像场景下计数性能不佳的问题。

技术研发人员：梁孔明,谢嘉豪,徐威,马占宇
受保护的技术使用者：北京邮电大学
技术研发日：
技术公布日：2024/1/13