一种基于多尺度特征融合的人头计数检测方法研究
通过摄像机等设备在特定场景下的人群计数在智能安防领域具有重大的研究意义.由于场景中人尺度变化大,背景杂乱,人群遮挡严重,传统的方法在这种场景中往往精度不高.对此提出了一种基于改进的Faster-RCNN人头检测模型,可以对场景中的人进行准确计数.该模型使用ResNet101作为特征提取网络,使用多尺度特征融合模块将提取的特征融合后分层进行检测,这样做的目的是为了检测不同尺度的人.此外,通过设计先验框的尺寸和使用Roi-Align代替Roi-Pooling层来进一步提高检测效果.实验表明,该方法在Brainwash和HollwoodHeads数据集上达到了最优的结果,精度分别达到了95.3%和89.1%.
卷积神经网络、深度学习、人头计数、多尺度特征融合
38
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;江西省自然科学基金重点项目
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
115-121