基于深度特征的人群密度估计方法

发布时间：2023-02-09 17:47

　　传统的人群密度估计方法大多采用传统特征,这类特征在人群背景较为复杂时无法很好地描述人群密度情况。相关研究表明,深度特征相比传统特征能够更准确地表达图像特征信息。因此,提出了一种基于深度特征的人群密度估计方法。首先,对人群图像的原始数据进行预处理,获得训练集和测试集,分别用于分类器训练和效果检测;然后,通过卷积神经网络提取人群图像的深度特征,以此训练对应的Softmax分类器;最后,将测试集输入训练好的分类器,得到人群密度估计等级,从而实现人群密度估计。实验结果表明,使用卷积神经网络提取的深度特征能够提高人群密度估计的准确性。

【文章页数】：6 页

【文章目录】：
1 相关工作
2 基于深度特征的人群密度估计
    2.1 深度特征提取
        2.1.1 VGGNet-16网络
        2.1.2 ResNet-152网络
        2.1.3 Softmax分类器
    2.2 网络训练
3 实验及分析
    3.1 图像预处理
    3.2 实验设置
    3.3 实验结果分析
4 结 论



本文编号：3738973