深度语义分割人群密度检测技术

摘要：

随着社会的发展,人们大量外出导致拥挤场景越来越多,对人群密度的检测就显得尤为重要.针对人群中由于摄像机视角引起的人与人尺度不一的多尺度问题,提出了一种基于深度语义分割的人群密度检测方法.网络前端采用改进的VGG网络对人群特征进行提取,使输出的特征图为原图1/8以提高预测密度图的准确性,后端设计了两阵列扩张率不同的空洞卷积模块来捕捉人群的多尺度特征,使得网络能够捕捉更多的尺度细节及边缘信息.网络最后使用1×1的卷积对输出进行级联,得到高质量预测密度图.同时,为解决空洞卷积带来栅格效应,设计了锯齿状网络结构,使补零后的卷积操作中每一个像素都进行计算来保证信息的连续性,以此来提高网络的准确性.分别在ShanghaiTech和UCF_CC_50数据集上对网络性能进行了测试,测试结果优于目前主流的人群密度检测方法,测试所得的MAE值相较于MCNN网络提高了42.4％和38.1％,相较于SANet网络提高了5.3％和9.6％.

关键词：人群密度检测;深度学习;空洞卷积;密度图;锯齿状网络

所属期刊栏目：15

分类号：TP399(计算技术、计算机技术)

资助基金：西安市科技计划项目-科技创新引导项目201805040YD18CG245

在线出版日期：2021-08-11（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：1469-1475