多层次特征融合的人群密度估计

摘要：

目的 人群数量和密度估计在视频监控、智能交通和公共安全等领域有着极其重要的应用价值.现有技术对人群数量大,复杂环境下人群密度的估计仍存在较大的改进空间.因此,针对密度大、分布不均匀、遮挡严重的人群密度视觉检测,提出一种基于多层次特征融合网络的人群密度估计方法,用来解决人群密度估计难的问题.方法 首先,利用多层次特征融合网络进行人群特征的提取、融合、生成人群密度图;然后,对人群密度图进行积分计算求出对应人群的数量;最后,通过还原密度图上人群空间位置信息并结合估算出的人群数量,对人群拥挤程度做出量化判断.结果 在Mall数据集上本文方法平均绝对误差(MAE)降至2.35,在ShanghaiTech数据集上MAE分别降至20.73和104.86,与现有的方法进行对比估计精度得到较大提升,尤其是在环境复杂、人数较多的场景下提升效果明显.结论 本文提出的多层次特征融合的人群密度估计方法能有效地对不同尺度的特征进行提取,具有受场景约束小,人群数量估计精度高,人群拥挤程度评估简单可靠等优点,实验的对比结果验证了本文方法的有效性.

关键词：人群密度估计、拥挤程度评估、层次特征融合、卷积神经网络、深度学习、智能视频分析

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61070134,61379078

在线出版日期：2018-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1181-1192