翟 强,王陆洋,殷保群,彭思凡,邢思思

(中国科学技术大学 自动化系,合肥 230027)

0 概述

近些年来,发生在世界各地的大型人群踩踏事故屡见不鲜。及时检测人群急剧变化,优化公共交通调度可以避免类似安全事故的发生,因此准确估计人群数量具有重要的研究价值,而透视效果导致的人群遮挡、尺度变化问题仍是人群计数面临的重大挑战。随着深度学习的发展,卷积神经网络(Convolutional Neural Network,CNN)模型[1-2]在图像处理上表现优异,使得研究人员将卷积神经网络应用于人群计数中[3]。文献[4]提出使用卷积神经网络统计不同场景中的人群数目,先为某些场景预先训练一个网络,当给定来自新场景的测试图像时,根据透视信息和密度图中的相似性选择相似训练数据对预训练网络进行微调。该方法在大多数现有数据集上表现出良好的性能,但在训练和测试时对透视图的需求,限制了该方法在实际人群场景中的适用性和扩展性。文献[5]提出一个端到端的CNN架构,将整个图像作为输入并直接输出计数结果。但由于难以解决图像尺度多变的问题,基于单列CNN的方法的计算精度和鲁棒性效果均不佳。文献[6]提出Switching CNN网络,先将图像分块,通过VGG16网络把图像块密度分成高中低3类,选择针对特定人群密度设计的CNN回归模型来估计图像块的人群密度图。然而人群在图像中的分布通常是不均匀的,对图像的简单分块影响了计数的准确性。文献[7]提出多列卷积网络,其能够适应部分人群的尺度变化,在一定程度上减少由于透视而导致的计数误差,但其使用一个1×1卷积对多列密度图进行简单平均融合,会给最终结果带来一定的误差。……