基于注意力机制的狭小空间人群拥挤度分析

摘要：

人群拥挤度的分析对维护公共安全极为重要,在空间狭窄的环境下,由于视角受到局限,人与人、人与物品的遮挡十分严重,并且人的尺度不一,密度不均匀,使得传统人群拥挤度监控方法较难直接统计出具体人数.为此,提出一种基于注意力机制的狭小空间人群拥挤度分析方法,旨在量化人群,通过卷积神经网络回归拥挤率分析当前空间内的人群拥挤程度.设计一个注意力模块作为网络的前端,通过生成对应尺度的注意力图区分背景和人群,保留精确的像素点位置信息,以减轻输入图像中各种噪声的影响.在此基础上,将注意图和原始图片通过对应像素点相乘,注入到微调的残差网络中训练得到人群拥挤率.实验结果表明,该方法能够预测出拥挤率,准确反映当前人群拥挤程度,实现人群的流量控制.

关键词：人群拥挤度、狭小空间、注意力机制、卷积神经网络、残差网络

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;高等学校博士学科点专项科研博导基金;上海重点科技攻关项目;上海市工程中心建设项目;上海智能家居大规模物联共性技术工程中心项目;上海市一流学科建设项目;沪江基金研究基地专项

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：254-260,267