基于尺度融合的密集人群计数
现实场景中人群尺度的巨大差异给密集人群计数算法带来了巨大的挑战,因此提出一种基于尺度融合的密集人群计数算法.首先对密度图构建算法进行优化,利用多个头部检测器获取稀疏人群的部分头部尺度,并用径向基差值进行补全,在人群密集区域辅之以距离自适应的人群密度图生成算法,生成更为精确的人群密度图.其次利用移动翻转瓶颈卷积模块设计尺度融合的人群密度图回归神经网络,并加入膨胀卷积模块进一步提升人体头部边缘特征提取能力.最后,通过将人群区域和非人群区域进行区分对人群密度图回归神经网络损失函数进行优化.在实验部分,将该算法在多个数据集上与多个同类算法进行了充分的对比实验与消融实验,实验结果表明提出的方法能够显著提升密集人群计数算法的准确性.
密集人群计数;多尺度;尺度融合;深度学习;密度图
30
国家自然科学基金;国家重点研发计划;山东省自然科学基金;中央高校基本科研业务费专项资金;西海岸人工智能技术创新中心建设专项;上海可信工业控制平台开放项目
2021-12-21(万方平台首次上网日期,不代表论文的发表时间)
共11页
1-11