基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計.pdf

1、近年來隨著經(jīng)濟水平發(fā)展,人口快速增長,由于人群聚集引起的騷亂已經(jīng)不止一次的發(fā)生,人群監(jiān)控也變得越來越重要,但是靠人力來實現(xiàn)人群監(jiān)控容易產(chǎn)生疲勞并且容易受到個人主觀因素影響,與此同時,計算機視覺技術(shù)日趨成熟,它在工程中的應(yīng)用范圍已經(jīng)擴展到車牌識別、人臉檢測、指紋識別等生活的方方面面,由此更加促進了人群密度自動估計方法的研究。
　　人群密度等級估計和人群流量統(tǒng)計是人群監(jiān)控的2個重要研究方向。人群密度等級估計將人群按照密集程度劃分為不同

2、等級,通過特征分析及分類手段估計人群密度,常應(yīng)用于人群密度的預(yù)警。而人群流量統(tǒng)計側(cè)重于統(tǒng)計人數(shù),要求結(jié)果能精確到人數(shù)。人群密度估計主要分為特征提取和人群密度分類兩步?，F(xiàn)有的人群密度估計方法,為了提升效果,特征提取方法往往設(shè)計得非常復(fù)雜,這在一定程度上使得檢測速度難以兼顧。同時,人群密度估計常用的支持向量機等分類方法都屬于淺層學(xué)習(xí)方法,在分類效果上都存在一定的局限性。
　　然而,近年來,隨著深度學(xué)習(xí)不斷取得成績,這種深度、多層次的結(jié)

3、構(gòu)模型越來越受到重視。深度卷積神經(jīng)網(wǎng)絡(luò)作為具有代表性的深度學(xué)習(xí)模型方法之一,通過多隱層的網(wǎng)絡(luò)結(jié)構(gòu),深度提取圖像的高層特征,并通過特征學(xué)習(xí)避免了復(fù)雜的特征設(shè)計過程。本文通過對人群密度估計方法進行研究,將卷積神經(jīng)網(wǎng)絡(luò)引入人群密度估計中,通過改進網(wǎng)絡(luò)結(jié)構(gòu),提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計快速算法,本文的主要工作如下:
　　1)研究了多種特征提取方法和分類方法,并創(chuàng)新性地將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于人群密度估計中,將人群密度劃分為不同密度