(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 202210646619.4 (22)申请日 2022.06.09 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 汤善江　牛童　王春江　于策　 孙超　肖健　 (74)专利代理 机构 天津市尚仪知识产权代理事 务所(普通 合伙) 12217 专利代理师 卓珉芳 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/96(2022.01) G06V 10/764(2022.01) G06N 5/04(2006.01) (54)发明名称 一种面向监控视频的目标统计分类方法及 装置 (57)摘要 本申请涉及一种面向监控视频的目标统计 分类方法及装置。 该方法包括： 获得图像数据集 和采样图像数据集； 利用当前模 型和初始模型分 别对图像数据集和采样图像数据集中的图像进 行推理和目标统计 分类， 得到当前模 型的图像目 标统计分类结果和初始模型的采样图像目标统 计分类结果； 根据采样图像数据集中的样本量， 计算当前模型与初始模型的目标统计分类结果 一致的比值， 得到一致化系数； 根据一致化系数 与条件阈值和优化阈值的关系， 调整当前模型输 入配置参数的图像 分辨率和时间片长度。 本申请 充分利用目标数量分类区间上的优化空间实现 了在保证目标数量分类结果精度的前提下尽可 能降低计算量的优化目标， 在结果精度和处理速 度之间达 到了较好的平衡 。 权利要求书2页 说明书6页 附图1页 CN 114998835 A 2022.09.02 CN 114998835 A 1.一种面向监控视频的目标统计分类方法， 其特 征在于， 所述方法包括如下步骤： 步骤1:从待处理视频中切割一个时间片长度视频， 将所述时间片长度视频解析为多个 图像帧， 得到图像数据集； 基于所述图像数据集， 按照均匀分布进行帧采样， 得到采样图像 数据集； 步骤2:利用当前模型对所述图像数据集中的图像进行推理， 得到当前模型推理结果； 根据所述当前模型推理结果， 将图像进行目标统计分类， 得到当前模型 的图像目标统计分 类结果； 利用初始模 型对所述采样图像数据中的图像进 行推理， 得到初始模型推理结果； 根 据所述初始模型推理结果， 将图像进行目标统计分类， 得到初始模型 的采样图像目标统计 分类结果； 步骤3:根据采样图像数据集中的样本量， 计算当前模型的图像目标统计分类结果与初 始模型的采样图像目标统计分类结果 一致的比值， 得到一 致化系数； 步骤4:根据所述一致化系数与条件阈值和优化阈值的关系， 调整当前模型输入配置参 数的图像分辨 率和时间片长度， 返回步骤1， 直至待处 理视频的目标统计分类完成； 其中， 所述当前模型使用多组训练数据训练得到， 所述初始模型为当前模型输入配置 参数的图像分辨率取最大值， 所述推理包括对图像进行目标识别， 所述推理结果包括所述 图像中的目标 数量。 2.根据权利要求1所述的一种面向监控视频的目标统计分类方法， 其特征在于， 根据 所 述推理结果， 基于分类分段函数将图像进行目标统计分类。 3.根据权利要求2所述的一种面向监控视频的目标统计分类方法， 其特征在于， 基于分 类分段函数与图像中的目标数量落入的区间， 确定图像的目标统计分类类别， 其中， 所述类 别由F(x)确定， 所述F(x)表示 为： 其中， 表示图像中的目标数量； 表示图像的目标统计分类类别； 和 表示类别 对应目标统计分类区间的下界和上界。 4.根据权利要求3所述的一种面向监控视频的目标统计分类方法， 其特征在于， 根据 所 述一致化系数与条件阈值和优化阈值的关系， 调整当前模型输入配置参数的图像分辨率和 时间片长度值， 包括如下步骤： 当所述一致化系数小于条件阈值时， 提高当前模型输入配置参数的图像分辨率， 减小 时间片长度； 当所述一致化系数大于优化阈值时， 降低当前模型输入配置参数的图像分辨率， 增大 时间片长度； 否则， 当前模型输入配置参数的图像分辨 率和时间片长度保持不变； 其中， 所述优化阈值大于所述条件阈值。 5.根据权利要求4所述的一种面向监控视频的目标统计分类方法， 其特征在于， 所述优 化阈值基于条件阈值和所述 一致化系数确定 。权　利　要　求　书 1/2 页 2 CN 114998835 A 26.一种面向监控视频的目标统计分类装置， 其特 征在于， 所述装置包括： 获取模块， 从待处理视频中切割一个时间片长度视频， 将所述时间片长度视频解析为 多个图像 帧， 得到图像数据集； 基于所述图像数据集， 按照均匀分布进行帧采样， 得到采样 图像数据集； 统计分类模块， 利用当前模型对所述图像数据集中的图像进行推理， 得到当前模型推 理结果； 根据所述当前模型推理结果， 将图像进 行目标统计分类， 得到 当前模型的图像目标 统计分类结果； 利用初始模型对所述采样图像数据中的图像进行推理， 得到初始模型推理 结果； 根据所述推初始模型理结果， 将图像进行目标 统计分类， 得到初始模型的采样图像目 标统计分类结果； 计算模块， 根据采样图像数据集中的样本量， 计算当前模型的图像目标统计分类结果 与初始模型的采样图像目标统计分类结果 一致的比值， 得到一 致化系数； 调整模块， 根据所述一致化系数与条件阈值和优化阈值的关系， 调整当前模型输入配 置参数的图像分辨 率和时间片长度； 其中， 所述当前模型使用多组训练数据训练得到， 所述初始模型为当前模型输入配置 参数的图像分辨率取最大值， 所述推理包括对图像进行目标识别， 所述推理结果包括所述 图像中的目标 数量。 7.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 5中任一项所述方法的步骤。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1 ‑5中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114998835 A 3