基于卷積神經(jīng)網(wǎng)絡(luò)的密集場(chǎng)景人數(shù)估計(jì)算法研究.pdf

1、近年來(lái)，由于人口的快速增長(zhǎng)，因人群密集引起的騷亂事件頻繁發(fā)生，所以對(duì)人群聚集的場(chǎng)合進(jìn)行監(jiān)控變得格外重要。采用計(jì)算機(jī)視覺(jué)的方法來(lái)對(duì)密集場(chǎng)合中的人群進(jìn)行密度估計(jì)、行為分析也成為了當(dāng)前一個(gè)熱門(mén)研究方向，具有廣泛的實(shí)際應(yīng)用價(jià)值。
　　本論文針對(duì)兩方面開(kāi)展研究:人群區(qū)域密度等級(jí)估計(jì)和人群數(shù)量估計(jì)，其中密度等級(jí)估計(jì)是將人群區(qū)域劃分為如高密集度、中等密集度、低密集度的等級(jí)，并在高密集度時(shí)進(jìn)行報(bào)警。傳統(tǒng)的研究方法大都基于如下框架:1）提取人群區(qū)域

2、內(nèi)的特征，如紋理特征，小波特征。2）通過(guò)目標(biāo)檢測(cè)或回歸模型的方式估計(jì)人數(shù)。然而在密集的場(chǎng)景中，個(gè)體在人群中的分布呈多樣性，加之復(fù)雜環(huán)境下的目標(biāo)遮擋，光線改變，給高性能的特征描述和人群數(shù)量估計(jì)帶來(lái)困難。
　　近年來(lái)深度學(xué)習(xí)算法在計(jì)算機(jī)視覺(jué)領(lǐng)域取得了不斷的成功，相關(guān)研究表明深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的圖像特征較傳統(tǒng)圖像特征有更強(qiáng)的泛化性、代表性。借鑒前人研究工作的基礎(chǔ)上，本文通過(guò)大量的試驗(yàn)研究，提出了一種基于深度卷積網(wǎng)絡(luò)的密集人數(shù)估計(jì)和人群密度

3、等級(jí)分類算法，通過(guò)使用兩路監(jiān)督信號(hào)的學(xué)習(xí)方法，增加了網(wǎng)絡(luò)學(xué)習(xí)的魯棒性，抑制了學(xué)習(xí)過(guò)程中可能出現(xiàn)的過(guò)擬合。本文的主要工作如下:
　　1)采用卷積神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)圖像區(qū)域內(nèi)的人群特征進(jìn)行提取。經(jīng)過(guò)對(duì)網(wǎng)絡(luò)特征的學(xué)習(xí)將區(qū)域內(nèi)的人群劃分密度等級(jí)從而完成人群高密度預(yù)警的任務(wù)。
　　2)提出了兩路監(jiān)督信號(hào)的學(xué)習(xí)方法。一路信號(hào)用來(lái)分類區(qū)域內(nèi)的人群密度等級(jí)，另一路信號(hào)用來(lái)對(duì)區(qū)域內(nèi)的人群數(shù)量進(jìn)行回歸學(xué)習(xí)，實(shí)現(xiàn)對(duì)區(qū)域內(nèi)的人群數(shù)量估計(jì)。兩路信號(hào)的學(xué)習(xí)方