基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)算法研究.pdf

1、近年來，在大規(guī)模人群聚集場合中踩踏事故頻頻發(fā)生，造成了大量的人員傷亡和財(cái)產(chǎn)損失，對社會公共安全造成了極大地威脅。盡管監(jiān)控系統(tǒng)已經(jīng)十分普及，可以對人群聚集場合進(jìn)行實(shí)時監(jiān)控，但是對人群管控和事故預(yù)防仍然缺乏有效的措施。而從監(jiān)控圖片和視頻中及時準(zhǔn)確的得到人群密度分布情況和總?cè)藬?shù)能夠?yàn)槭鹿暑A(yù)防提供有效信息。因此，在計(jì)算機(jī)視覺領(lǐng)域，人群計(jì)數(shù)的研究吸引了越來越多研究者的關(guān)注，成為當(dāng)前具有很高研究價值的課題。
　　本文針對圖片人群計(jì)數(shù)進(jìn)行了研究

2、，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖片人群計(jì)數(shù)算法。該算法采用了密度圖回歸的方式，通過卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)圖片和密度圖之間的映射關(guān)系。為了適應(yīng)人群圖片中的人物尺度變化以及提升高密度人群圖片中小目標(biāo)的計(jì)數(shù)能力，算法采用的卷積神經(jīng)網(wǎng)絡(luò)劃分為兩個子網(wǎng)絡(luò)結(jié)構(gòu)，一個是用于處理尺度變化問題的特征提取網(wǎng)絡(luò)，另一個是提升小目標(biāo)計(jì)數(shù)能力的特征融合網(wǎng)絡(luò)。當(dāng)前解決多尺度問題普遍采用多列卷積神經(jīng)網(wǎng)絡(luò)和多輸入卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，但這兩種結(jié)構(gòu)均存在著各自的不足。針對這兩種網(wǎng)

3、絡(luò)存在的缺點(diǎn)，本文提出的特征提取網(wǎng)絡(luò)采用了單列網(wǎng)絡(luò)結(jié)構(gòu)，通過在單列網(wǎng)絡(luò)中添加一些具有尺度變化感知能力的模塊讓網(wǎng)絡(luò)具備處理尺度變化的能力。特征融合網(wǎng)絡(luò)將特征提取網(wǎng)絡(luò)中提取的不同尺度的特征圖自高層向底層進(jìn)行融合，將融合之后的特征圖進(jìn)行回歸生成密度圖，通過在高級語義特征中融入底層細(xì)節(jié)信息提升網(wǎng)絡(luò)對小目標(biāo)的感知和計(jì)數(shù)能力。
　　本文在ShanghaiTech和UCF_CC_50數(shù)據(jù)集上進(jìn)行一系列實(shí)驗(yàn)。首先，在ShanghaiTech數(shù)據(jù)集

4、上進(jìn)行驗(yàn)證性實(shí)驗(yàn)，對特征提取網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)分別在解決尺度變化問題和小目標(biāo)計(jì)數(shù)問題上的有效性進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明本文提出的特征提取網(wǎng)絡(luò)能夠有效處理尺度變化問題的能力，特征融合網(wǎng)絡(luò)能夠提升算法對高密度人群圖片中小目標(biāo)的計(jì)數(shù)能力。然后，分別在ShanghaiTech和UCF_CC_50對本文提出的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練和測試，并將測試結(jié)果與當(dāng)前一些主流的人群計(jì)數(shù)算法進(jìn)行比較，證明了本文所提出的算法超越了當(dāng)前大多數(shù)人群計(jì)數(shù)算法，具有優(yōu)異的計(jì)數(shù)準(zhǔn)