一种抗背景干扰的多尺度人群计数算法

摘要：

人群计数技术以估计人群图片或视频中的人数为目标,可以有效预防人群踩踏事故的发生,广泛应用于安防预警、城市规划及大型集会管理等领域.然而,由于人群尺度变化、背景干扰、人群分布不均、遮挡和透视效应等因素的影响,单幅图片的人群计数仍是一项非常具有挑战性的任务.针对人群计数中多尺度变化和背景干扰问题,提出一种抗背景干扰的多尺度人群计数算法.以VGG16网络结构为基础,引入特征金字塔构建多尺度特征融合骨干网络解决人群多尺度变化问题,设计Double-Head-CC结构对融合后的特征图进行前景背景分割和密度图预测以抑制背景干扰.基于密度图的局部相关性和多任务学习,定义多重损失函数和多任务联合损失函数进行网络优化.在ShanghaiTech、UCF-QNRF和JHU-CROWD++数据集上进行训练和评测,实验结果表明,该算法能够很好地预测人群密度分布和人群数量,具有较高的准确性,且鲁棒性强、泛化性能良好.

关键词：人群计数、深度学习、特征金字塔、损失函数、密度图

所属期刊栏目：48

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62004119

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：251-257