(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 202210764687.0 (22)申请日 2022.06.29 (71)申请人 上海商汤科技 开发有限公司 地址 201306 上海市浦东 新区自由贸易试 验区临港新片区环湖西二路8 88号C楼 (72)发明人 尤志远　陈李洋　杨凯　崔磊　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 专利代理师 王花丽　王黎延 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 对象统计方法、 装置、 设备及存 储介质 (57)摘要 本公开实施例公开了一种对象统计方法、 装 置、 设备及存储介质， 其中， 该方法包括： 获取待 处理图像和待统计对象对应的至少一个示例图 像； 提取所述待处理图像对应的图像特征图和所 述至少一个示例图像中每一所述示例图像对应 的示例特征图； 基于所述图像特征图和每一所述 示例特征图生成精细化特征图； 所述精细化特征 图在所述图像特征图的基础上保留了与每一所 述示例特征图相关的特征； 将所述精细化特征图 转换为密度估计图， 并基于所述密度估计图生成 针对所述待统计对象的统计结果。 权利要求书6页 说明书23页 附图12页 CN 115035478 A 2022.09.09 CN 115035478 A 1.一种对象统计方法， 其特 征在于， 所述方法包括： 获取待处 理图像和待统计对象对应的至少一个示例图像； 提取所述待处理图像对应的图像特征图和所述至少一个示例图像中每一所述示例图 像对应的示例特 征图； 基于所述图像特征图和每一所述示例特征图生成精细化特征图； 所述精细化特征图在 所述图像特 征图的基础上保留了与每一所述 示例特征图相关的特 征； 将所述精细化特征图转换为密度估计图， 并基于所述密度估计图生成针对所述待统计 对象的统计结果。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述图像特征图和每一所述示例 特征图生成精细化特 征图， 包括： 基于所述图像特征图和每一所述示例特征图生成每一所述示例特征图对应的相关度 特征； 所述相关度特 征用于表征 所述图像特 征图与所述 示例特征图的相关程度； 基于每一所述 示例特征图对应的相关度特 征和对应的示例特 征图， 得到相关特 征图； 融合所述相关特 征图和所述图像特 征图， 得到精细化特 征图。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述图像特征图和每一所述示例 特征图生成每一所述 示例特征图对应的相关度特 征， 包括： 利用每一所述示例特征图对所述图像特征图进行卷积处理， 得到每一所述示例特征图 对应的相关度特 征。 4.根据权利要求3所述的方法， 其特征在于， 所述利用每一所述示例特征图对所述图像 特征图进行 卷积处理， 得到每一所述 示例特征图对应的相关度特 征， 包括： 通过共享的归一 化层对所述图像特 征图进行处 理， 得到中间图像特 征图； 针对每一示例特征图， 通过所述共享的归一化层对所述示例特征图进行处理， 得到中 间示例特 征图； 将所述中间示例特征图作为卷积核， 将所述中间图像特征图作为被卷积的对象， 得到 所述示例特征图对应的相关度特 征。 5.根据权利要求2至4任一项所述的方法， 其特征在于， 在基于每一所述示例特征图对 应的相关度特征和对应的示例特征图， 得到相关特征图之前， 所述方法还包括： 对每一所述 示例特征图对应的相关度特 征进行归一 化处理； 所述对每一所述示例特征图对应的相关度特征进行归一化处理， 包括： 从至少一个维 度对每一所述示例特征图对应的相关度特征进行归一化处理， 得到每一所述示例特征图在 每一所述 维度下的待融合相关度特征； 基于每一所述示例特征图在每一所述 维度下的待融 合相关度特 征， 生成每一所述 示例特征图对应的归一 化处理后的相关度特 征。 6.根据权利要求5所述的方法， 其特征在于， 所述至少一个维度包括示例 维度， 所述从 至少一个维度对每一所述示例特征图对应的相关度特征进 行归一化处理， 得到每一所述示 例特征图在每一所述维度下的待融合相关度特 征， 包括： 针对示例特征图对应的相关度 特征中的每一特征位置， 获取每一所述示例特征图对应 的相关度特征在所述特征位置处的原始相关度； 对每一所述示例特征图对应的原始相关度 进行归一化处理， 得到每一所述示例特征图对应的相关度特征在所述特征位置处的更新相 关度；权　利　要　求　书 1/6 页 2 CN 115035478 A 2基于每一所述示例特征图对应的相关度特征在每一所述特征位置处 的更新相关度， 生 成所述每一所述 示例特征图对应的示例归一 化特征。 7.根据权利要求5所述的方法， 其特征在于， 所述至少一个维度包括空间维度， 所述从 至少一个维度对每一所述示例特征图对应的相关度特征进 行归一化处理， 得到每一所述示 例特征图在每一所述维度下的待融合相关度特 征， 包括： 针对每一所述示例特征图， 获取所述示例特征图对应的相关度 特征在每一特征位置处 的原始相关度， 对每一所述特征位置处的原始相关度进行归一化处理， 得到每一所述特征 位置处的更新相关度； 基于每一所述特征位置处的更新相关度， 生成所述示例特征图对应 的空间归一 化特征。 8.根据权利要求5至7任一项所述的方法， 其特征在于， 所述基于每一所述示例特征图 在每一所述 维度下的待融合相关度特征， 生成每一所述示例特征图对应的归一化处理后的 相关度特 征， 包括： 针对每一所述示例特征图， 基于元素乘法将所述示例特征图在每一所述维度 下的待融 合相关度特 征进行融合， 生成所述 示例特征图对应的归一 化处理后的相关度特 征。 9.根据权利要求2至8任一项所述的方法， 其特征在于， 所述基于每一所述示例特征图 对应的相关度特 征和对应的示例特 征图， 得到相关特 征图， 包括： 针对每一所述示例特征图， 对所述示例特征图进行翻转处理， 得到翻转后的示例特征 图； 利用所述翻转后的示例特征图对所述示例特征图对应的相关度特征进行卷积处理， 得 到所述示例特征图对应的子相关特 征图； 基于每一所述 示例特征图对应的子相关特 征图， 生成所述相关特 征图。 10.根据权利要求2至8任一项所述的方法， 其特征在于， 所述融合所述相关特征图和所 述图像特 征图， 得到精细化特 征图， 包括： 对所述相关特征图和所述图像特征图进行融合处理， 得到所述精细化特征图； 所述融 合处理包括以下至少之一： 跳层连接、 卷积和归一 化层处理。 11.根据权利要求1至10任一项所述的方法， 其特征在于， 在将所述精细化特征图转换 为密度估计图之前， 所述方法还 包括： 将所述精细化特征图作为所述图像特征图并返回所述基于所述图像特征图和所述示 例特征图生成精细化特 征图的步骤， 以进行迭代处 理。 12.根据权利要求1至11任一项所述的方法， 其特征在于， 所述将所述精细化特征图转 换为密度估计图， 包括： 对所述精细化特 征图进行迭代卷积处 理； 对迭代卷积处理后的精细化特征图进行上采样， 得到与 所述待处理图像尺寸相同的密 度估计图。 13.根据权利要求1至12任一项所述的方法， 其特征在于， 所述基于所述密度估计图生 成针对所述待统计对象的统计结果， 包括以下至少之一： 对所述密度估计图进行求和， 得到所述待处 理图像中所述待统计对象的统计数量； 获取所述密度估计图中的局部峰值点， 并通过非极大值抑制算法对所述局部峰值点进 行筛选， 得到所述待统计对象的位置； 所述局部峰值 点的像素值大于相邻像素点的像素值。 14.一种模型训练方法， 其特 征在于， 所述方法包括：权　利　要　求　书 2/6 页 3 CN 115035478 A 3