梁建勇

（安康学院电子与信息工程学院，陕西安康 725000）

随着监控技术的发展，当前已经进入网络监视时代，并且向高清、智能等方向不断进步。随着建设国家平安城市和科技强警示范城市，智能视频监测作为首要项目，对建设工程做出了重大贡献。通过将遍布城市的监控点进行联网，充分地优化了设备资源，真正实现了高效监控。

随着城市化进程及经济的不断发展，各大城市内的人员集群的时间、场次越来越多，聚集人数也明显地上升。这一特点，对公共安全造成了一定的威胁。近年来，由于人员过度密集造成的踩踏等安全事故多有发生。自新冠疫情爆发以来，更是对人员过度聚集情况提高了关注，成为了公共卫生的焦点问题。人员密集度的检测已成为安全监测方面的一个重要部分。然而，现有的摄像头监控技术往往只具有录像回放功能，而无法进行深入的数据挖掘和信息处理，传统的人员密集度监控大多是人工完成的，既浪费人力财力，又不够客观快速。而基于计算机视觉的智能视频分析，在处理精度和速度上优势明显，因此越来越受到研究者的重视[1-4]。

深度学习在人群检测领域有一定应用成果。Girshick 提出的R-CNN（Regions with CNN Features）奠定了目标检测网络的基础。Ren 等提出基于候选区域生成网络的实时检测算法，以Faster R-CNN 完成端到端检测。在2016 年，Joseph Redmon 用单一卷积网络YOLO（You Only Look Once）实现候选区域的目标分类和位置回归，提高检测速度，简化检测过程[5]；之后，Joseph Redmon 针对YOLO 网络模型进行改进得到YOLOv2[6]，引入了先验框概念，检测精度得到提升；……