基于卷積神經(jīng)網(wǎng)絡的人群計數(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行實時監(jiān)控，但是對人群管控和事故預防仍然缺乏有效的措施。而從監(jiān)控圖片和視頻中及時準確的得到人群密度分布情況和總人數(shù)能夠為事故預防提供有效信息。因此，在計算機視覺領域，人群計數(shù)的研究吸引了越來越多研究者的關注，成為當前具有很高研究價值的課題。
　　本文針對圖片人群計數(shù)進行了研究

2、，提出了一種基于卷積神經(jīng)網(wǎng)絡的圖片人群計數(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)絡學習圖片和密度圖之間的映射關系。為了適應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的計數(shù)能力，算法采用的卷積神經(jīng)網(wǎng)絡劃分為兩個子網(wǎng)絡結構，一個是用于處理尺度變化問題的特征提取網(wǎng)絡，另一個是提升小目標計數(shù)能力的特征融合網(wǎng)絡。當前解決多尺度問題普遍采用多列卷積神經(jīng)網(wǎng)絡和多輸入卷積神經(jīng)網(wǎng)絡結構，但這兩種結構均存在著各自的不足。針對這兩種網(wǎng)

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

4、上進行驗證性實驗，對特征提取網(wǎng)絡和特征融合網(wǎng)絡分別在解決尺度變化問題和小目標計數(shù)問題上的有效性進行驗證，實驗結果表明本文提出的特征提取網(wǎng)絡能夠有效處理尺度變化問題的能力，特征融合網(wǎng)絡能夠提升算法對高密度人群圖片中小目標的計數(shù)能力。然后，分別在ShanghaiTech和UCF_CC_50對本文提出的網(wǎng)絡結構進行訓練和測試，并將測試結果與當前一些主流的人群計數(shù)算法進行比較，證明了本文所提出的算法超越了當前大多數(shù)人群計數(shù)算法，具有優(yōu)異的計數(shù)準