(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 202210545571.8 (22)申请日 2022.05.19 (71)申请人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 李坚强　陈杰　刘尊　梁中明　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 陈专　李晓凤 (51)Int.Cl. G06V 10/72(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) (54)发明名称 一种图关系网络人 数统计方法及相关 设备 (57)摘要 本发明公开了一种图关系网络人数统计方 法及相关设备， 所述方法包括： 对图片序列进行 预测得到边界框以及边界框图像； 根据边界框构 建第一关系子图集； 根据相邻节 点之间的相关性 和相邻边之间的相关性计算得到图相似性； 计算 第一边界框图像和第二边界框图像的平均直方 图相似性； 计算图相似性和平均直方图相似性的 综合相似度， 若综合相似度大于或等于预设阈 值， 则将第一关系子图代替第二关系子图， 否则 将第一关系子图直接加入第二关系子图集中， 以 便求得图片序列中不同检测对象的数量。 通过在 计算出综合相似度后与预设阈值比较， 根据比较 结果更新第二关系子图集中不同检测对象的数 量， 实现了高效且准确地统计出图像中不同检测 对象的数量。 权利要求书3页 说明书19页 附图6页 CN 114972808 A 2022.08.30 CN 114972808 A 1.一种图关系网络人数统计方法， 其特征在于， 所述图关系网络人数统计方法包括以 下步骤： 利用检测网络对输入的图片序列进行预测， 得到所述图片序列中所有检测对象的关键 点位置、 边界框和 类别， 以及关键点对应的边界框大小， 并根据所述关键点位置、 所述类别 和所述边界框大小得到所述图片序列的边界框图像； 根据所述检测对象的边界框构建相应的第 一关系子图， 得到所有检测对象的第 一关系 子图集后， 初始化第二关系子图集并查询所述第一关系子图， 将首次出现的所述第一关系 子图直接添加到所述第二关系子图集中； 分别对所述第 一关系子图中和第 二关系子图中相邻节点之间的相关性， 以及对所述第 一关系子图中和所述第二关系子图中相邻边之间的相关性依 次进行归一化处理和迭代计 算， 得到所述第一关系子图和第二关系子图之间的图相似性； 在三个通道上分别计算第 一边界框图像和第 二边界框图像的直方图相似性， 并计算所 述第一边界框图像和所述第二 边界框图像的平均直方图相似性； 根据所述图相似性和所述平均直方图相似性计算得到所述第一关系子图和所述第二 关系子图的综合相似度； 分别计算每一个所述第 一关系子图和所有第 二关系子图的综合相似度， 并与 预设阈值 进行比较， 若所述综合相似度不小于所述预设阈值， 则将所述第一关系子图代替所述第二 关系子图， 否则， 将所述第一关系子图直接加入所述第二关系子图集中， 以更新所述第二关 系子图集； 当所有所述第 一关系子图计算完成后， 计算更新后的第 二关系子图集中所述第 二关子 图的数量， 得到所述图片序列中不同检测对象的数量。 2.根据权利要求1所述的图关系网络人数统计方法， 其特征在于， 所述利用检测网络对 输入的图片序列进行预测， 得到所述图片序列中所有检测对 象的关键点位置、 边界框和类 别， 以及关键点对应的边界框大小， 并根据所述关键点位置、 所述类别和所述边界框大小得 到所述图片序列的边界框图像的步骤具体包括： 以步长为单位对所述图片序列进行压缩得到压缩图像， 利用所述检测网络预测所述压 缩图像中所有所述检测对象的关键点 位置和类别， 并同时得到边界框； 根据每一个所述类别预测相应的关键点热图， 并对所有所述关键点热图进行拼接得到 预测热图， 再根据所述预测热图和所述类别的基准热图计算损失值， 得到所述 边界框大小； 根据所述压缩图像的所述关键点位置、 所述类别和所述边界框大小还原得到所述图片 序列的边界框图像。 3.根据权利要求2所述的图关系网络人数统计方法， 其特征在于， 所述根据所述检测对 象的边界框构建相应的第一关系子图， 得到所有检测对 象的第一关系子图集后， 初始化第 二关系子图集并查询所述第一关系子图， 将首次出现的所述第一关系子图直接添加到所述 第二关系子图集中的步骤具体包括： 以所述检测对象的所述边界框为中心节点和相邻的其他检测对象为邻居节点共同构 建关系图； 对所述关系图进行细化， 并根据经过细化后的关系图构建关系子 图， 得到所有所述检 测对象的所述第一关系子图集；权　利　要　求　书 1/3 页 2 CN 114972808 A 2初始化一个空 的所述第 二关系子图集后， 查询所述第 一关系子图集中的所述第 一关系 子图， 并将首次出现的所述第一关系子图直接添加到所述第二关系子图集中。 4.根据权利要求1所述的图关系网络人数统计方法， 其特征在于， 所述分别对所述第 一 关系子图中和 第二关系子图中相 邻节点之 间的相关性， 以及所述第一关系子图中和所述第 二关系子图中相 邻边之间的相关性依次进 行归一化处理和迭代计算， 得到所述第一关系子 图和第二关系子图之间的图相似性的步骤具体包括： 分别计算所述第一关系子图中相邻节点之间的相关性， 以及所述第 二关系子图中相邻 节点之间的相关性后， 进行归一化处理， 得到所述第一关系子图和所述第二关系子图之间 的节点相似性， 其中， 所述第二关系子图为添加到所述第二关系子图集中的所述第一关系 子图； 分别计算所述第 一关系子图中相邻边之间的相关性， 以及所述第 二关系子图中相邻边 之间的相关性后， 进行归一化处理， 得到所述第一关系子图中相邻边和所述第二关系子图 中相邻边的边 缘相似性； 对所述节点相似性和所述边缘相似性进行迭代计算， 得到所述节点相似性矩阵和边缘 相似性矩阵； 比较所述节点相似性矩阵中对应位置， 得到所述第 一关系子图和所述第 二关系子图的 图相似性。 5.根据权利要求1所述的图关系网络人数统计方法， 其特征在于， 所述在三个通道上分 别计算第一边界框图像和 第二边界框图像的直方图相似性， 并计算所述第一边界框图像和 所述第二 边界框图像的平均直方图相似性的步骤 包括： 将所述第一关系子图对应的所述第一边界框图像和所述第二关系子图对应的所述第 二边界框图像调整为预设大小， 其中， 所述第一边界框图像为所述第一关系子图对应的边 界框图像， 所述第二 边界框图像为所述第二关系子图对应的边界框图像； 将经过调整后的第一边界框图像和经过调整后的第二边界框图分别在三个通道中进 行分离， 并在三个通道中分别计算相应的直方图相似性； 求解三个通道的所述直方图相似性的平均值， 得到所述第 一边界框图像和所述第 二边 界框图像的平均直方图相似性。 6.根据权利要求1所述的图关系网络人数统计方法， 其特征在于， 所述根据所述图相似 性和所述平均直方图相似性计算得到所述第一关系子图和所述第二关系子图的综合相似 度的步骤具体包括： 将预设比例代入所述图相似性和所述平均直方图相似性之间进行计算， 得到所述第 一 关系子图和所述第二关系子图的综合相似度。 7.根据权利要求1所述的图关系网络人数统计方法， 其特征在于， 所述分别计算每一个 所述第一关系子图和所有第二关系子图的综合相似度， 并与预设阈值进行比较， 若所述综 合相似度不小于所述预设阈值， 则将所述第一关系子图代替所述第二关系子图， 否则， 将所 述第一关系子图直接加入所述第二关系子图集中， 以更新所述第二关系子图集的步骤具体 包括： 分别计算每一个所述第 一关系子图和所有第 二关系子图的综合相似度， 并每次与 所述 预设阈值进行比较；权　利　要　求　书 2/3 页 3 CN 114972808 A 3