桑军， 刘新悦， 吴志伟， 王富森

重庆大学 大数据与软件学院， 重庆 401331

由于城市进程化加快， 各类聚集活动猛增． 大型聚会、 演唱会、 体育盛会、 政治活动等都伴随着人群过载、 难以管控的问题． 若是调控不当， 人群散乱冲撞， 极易发生严重的踩踏事故． 人群聚集是一种趋势， 在计算机时代， 我们可以利用计算机视觉技术对人群进行分析， 提前做好应急措施， 避免此类事件的发生． 人群分析是计算视觉的一个高热度研究领域， 包含人群计数、 行人检测、 行人追踪等方向． 而人群计数是人群分析中的重要课题， 通过对单张图片中的行人进行计数， 其模型可以应用到实时监控中， 对人群管控起到很大作用．

1 相关工作

当前人群计数研究[1-2]大多采用卷积神经网络(CNN)生成单张图像对应的密度图， 通过对密度图积分得到具体人数． 生成的密度图质量决定了计数效果的好坏． 但是在人群个体尺度变化、 复杂背景干扰、 人群之间严重遮挡等问题的影响下， 人群计数仍然是一项具有挑战性的研究课题． 其中复杂背景干扰会使得卷积神经网络将形状类似人群头部的树叶、 路灯等当作人群进行计数， 造成计数误差， 使模型效果变差． 为了减少复杂背景的影响， 不少学者采用了注意力机制方法， 将网络注意力集中到人群区域， 弱化背景， 提高计数效果． 文献[3]提出采用注意力机制， 提高人群区域注意力， 降低背景噪声影响． 但是采用注意力机制的网络大都使……