基于卷积神经网络的人群密度分析

发布时间：2021-02-06 21:44

　　近年来,人群活动日益增多,商业中心、广场、交通枢纽站等公共场所举办的商业、文体、宗教等活动促进了经济的繁荣,但也为公共安全带来了巨大的隐患。人群聚集容易导致交通阻塞、踩踏事件、社会安全事件、公共健康事件等,严重时将导致群死群伤等威胁人民生命及财产安全的后果。结合视频监控的人群密度分析方法在公共安全领域发挥越来越重要的作用。人群密度估计和人群行为分析有助于人群的管理,并对及时的制定并实施应急方案有重要意义。本文的人群密度分析包括人群计数、人群密度分布估计以及人群异常行为检测。人群计数是对监控区域的全局人群密度的估计,本文提出了一种多尺度融合递归卷积神经网络来估计人群密度概率图,间接的实现人群计数。人群密度概率图反映行人在图像上出现的频率,其像素和即为人群总人数,这种间接估计方法减轻了直接估计人群总数的问题难度。但是,人群计数仅反映人群的全局密度而忽略了人群的局部密度信息,而人群密度概率图存在透视效应,只能反映二维图像空间上的人群分布。为了克服这个问题,本文提出了一个联合训练的多尺度融合递归卷积神经网络,该网络同时进行人群密度概率图和人群透视图的估计,随后利用一个透视自适应核与人群密度概率... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 人群密度估计研究
        1.2.2 基于深度学习的人群密度研究
        1.2.3 人群透视研究
        1.2.4 人群异常行为检测研究
    1.3 本文研究目的与内容
    1.4 章节安排
第二章 卷积神经网络基础理论
    2.1 感知器
    2.2 人工神经网络
        2.2.1 激活函数
        2.2.2 损失函数
        2.2.3 梯度下降与反向传播
    2.3 卷积神经网络
        2.3.1 卷积神经网络的组成
        2.3.2 卷积神经网络的关键技术
    2.4 几种卷积神经网络结构
        2.4.1 Alexnet
        2.4.2 Inception
        2.4.3 递归卷积结构
    2.5 本章小结
第三章 人群计数
    3.1 人群密度概率图
    3.2 多尺度融合递归卷积神经网络
    3.3 损失函数
    3.4 人群计数实验及结果分析
        3.4.1 评价标准
        3.4.2 参数设置
        3.4.3 人群计数估计结果
    3.5 本章小结
第四章 人群密度分布估计
    4.1 人群透视图
    4.2 人群密度分布图
    4.3 网络结构
    4.4 训练策略
    4.5 损失函数
    4.6 人群密度分布估计实验及结果分析
        4.6.1 评价标准
        4.6.2 参数设置
        4.6.3 对比实验
        4.6.4 人群透视图估计结果
        4.6.5 人群密度分布图估计结果
    4.7 本章小结
第五章 人群异常行为检测
    5.1 人群异常分散行为检测
    5.2 人群异常聚集行为检测
        5.2.1 图像级的人群异常聚集行为检测
        5.2.2 像素级的人群异常聚集行为检测
    5.3 人群异常行为检测实验及结果分析
        5.3.1 人群异常分散行为检测结果
        5.3.2 人群异常聚集行为检测结果
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 论文创新点
    6.3 工作展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果



本文编号：3021139