雷 亮 李小兵 和圆圆 尹衍伟 龚 宇

(重庆科技学院 智能技术与工程学院， 重庆 400000)

人群计数是人群分析算法研究的重点内容之一。在智慧校园管理中，可应用人群计数算法实时获取教室中的人数及人群流动状态，从而实现动态分析及优化管理[1]。

在人群计数问题上，曾出现过很多算法。2008年，卢湖川等人曾提出利用帧间差直方图检测人体的方法及稀疏人群计数算法[2]。2012年，针对高密度人群计数问题，梁荣华等人提出了基于SURF(speeded up robust features)的计数方法，检测运动人群的SURF，将其作为主要维度构建人群特征向量，学习人群特征向量以获得人群评价函数，最后通过评价函数实现人群计数[3]。2013，覃勋辉等人提出一种基于支持向量回归机的人群计数算法，以图像中人的高度为基准将图像分成多个图像块，向SVR模型输入图像特征以估算图像块中的人数[4]。2016年，周成博等人提出结合像素特征和纹理特征的人群计数方法，获取像素特征后对传统的灰度并发矩阵进行改进，最后通过回归模型估计人数[5]。2017年，袁烨等人针对人群计数和密度检测问题提出了一种分块多列卷积神经网络构架[6]。他们将待检测的图像分为3部分进行训练，在获取了3个模型之后分别进行预测，由预测结果之和得到人数预测结果。然而，这些算法并不能完全有效地解决教室场景内的人群计数问题，应用场景单一、检测精度低，且面对高密度人群检测时误检率较高。

针对教室场景的人群计数问题，我们避开传统算法对人脸先验知识过度依赖的局限性，研究基于Anchor的上下文辅助[8]人脸检测算法的应用。……