基于卷積神經(jīng)網(wǎng)絡(luò)的密集場景人數(shù)估計算法研究.pdf

1、近年來，由于人口的快速增長，因人群密集引起的騷亂事件頻繁發(fā)生，所以對人群聚集的場合進行監(jiān)控變得格外重要。采用計算機視覺的方法來對密集場合中的人群進行密度估計、行為分析也成為了當(dāng)前一個熱門研究方向，具有廣泛的實際應(yīng)用價值。
　　本論文針對兩方面開展研究:人群區(qū)域密度等級估計和人群數(shù)量估計，其中密度等級估計是將人群區(qū)域劃分為如高密集度、中等密集度、低密集度的等級，并在高密集度時進行報警。傳統(tǒng)的研究方法大都基于如下框架:1）提取人群區(qū)域

2、內(nèi)的特征，如紋理特征，小波特征。2）通過目標(biāo)檢測或回歸模型的方式估計人數(shù)。然而在密集的場景中，個體在人群中的分布呈多樣性，加之復(fù)雜環(huán)境下的目標(biāo)遮擋，光線改變，給高性能的特征描述和人群數(shù)量估計帶來困難。
　　近年來深度學(xué)習(xí)算法在計算機視覺領(lǐng)域取得了不斷的成功，相關(guān)研究表明深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的圖像特征較傳統(tǒng)圖像特征有更強的泛化性、代表性。借鑒前人研究工作的基礎(chǔ)上，本文通過大量的試驗研究，提出了一種基于深度卷積網(wǎng)絡(luò)的密集人數(shù)估計和人群密度

3、等級分類算法，通過使用兩路監(jiān)督信號的學(xué)習(xí)方法，增加了網(wǎng)絡(luò)學(xué)習(xí)的魯棒性，抑制了學(xué)習(xí)過程中可能出現(xiàn)的過擬合。本文的主要工作如下:
　　1)采用卷積神經(jīng)網(wǎng)絡(luò)來對圖像區(qū)域內(nèi)的人群特征進行提取。經(jīng)過對網(wǎng)絡(luò)特征的學(xué)習(xí)將區(qū)域內(nèi)的人群劃分密度等級從而完成人群高密度預(yù)警的任務(wù)。
　　2)提出了兩路監(jiān)督信號的學(xué)習(xí)方法。一路信號用來分類區(qū)域內(nèi)的人群密度等級，另一路信號用來對區(qū)域內(nèi)的人群數(shù)量進行回歸學(xué)習(xí)，實現(xiàn)對區(qū)域內(nèi)的人群數(shù)量估計。兩路信號的學(xué)習(xí)方