1
智能监控领域,实现人群计数具有重要价值,针对人群尺度不一、人群密度分布不均及遮挡等问题,提出一种多尺度多任务卷积神经网络( MMCNN)进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息,消除人群遮挡影响;其次通过构建多尺度卷积神经网络解决人群尺度不一问题,以多任务学习机制同时估计密度图及人群密度等级,解决人群分布不均问题;最后设计一种加权损失函数,提高人群计数准确率。在UCF_ CC 50和World Expo‘10数据库上进行了评估,验证了自适应人形核的有效性。实验结果表明:所提算法比Sindai等的方法在UCF_ CC_ 50数据库上平均绝对误差(MAE)数值和均方误差(MSE)数值分别降低约1.7 和45;与Zhang 等的方法(ZHANG Y, ZHOU D, CHEN s, et al. Single-image crowdcounting via multi-column convolutional neural network. Proceedings of the 2016 IEEE Conference on Computer Vision andPattem Recognition. W ashington, DC: IEE Computer Society, 2016: 589 - 597)相比,在World Expo’10数据库上所提算法的MAE值降低约1.5,且在真实公共汽车数据库上仅0~3人的计数误差,表明其实用性较强。
在智能监控领域,利用计算机技术进行人群计数对公共安全具有重要意义,譬如可以控制密集场景下的人群数目,防止发生拥挤或踩踏事件,并提供安全预警。此外,计数技术也可用于车辆计数从而进行交通疏导,估计水中微生物数目以分析水质状况等。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !