基于卷积神经网络的人群计数技术研究

发布时间：2024-12-01 07:29

　　近些年来,世界各国特别是人口稠密的国家踩踏事故频发,这些事故多发生在因节日庆祝、宗教活动、体育赛事、交通枢纽等原因人群集聚的城市公共场所。在视频监控中对人群实现精准计数,为以公共安全视频图像处理和分析为核心的新型智慧城市建设提供信息支撑,起到加强城市管理和防范公共危机的作用。此外,人群计数在其他领域的迁移应用,如在交通领域的车辆计数、医学领域的细胞计数、生态领域的物种计数等,也会对整个社会的方方面面产生积极影响。人群计数的目的是在给定场景中统计人数或者进行大规模人群密度估计,其难点之一在于人群个体尺寸变化差异大。随着卷积神经网络(CNN)在视频图片处理任务中取得的优异成绩,奠定了CNN在计算机视觉领域的重要地位。得益于CNN在特征学习方面的优势和性能表现,利用其对人群计数课题进行研究正在并已经成为趋势。本文主要针对人群个体多尺度问题进行研究,具体工作如下:(1)利用系列浅层卷积神经网络SL-Net分别在仿真集、Mall数据集和图书馆视角数据集上用误差指标对比验证了CNN结构中不同尺寸感受野在不同尺度人群个体上的感知差异,得出大尺寸卷积核对特征偏向全局信息的小尺度目标感知能力更强,小尺寸卷...

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图2.1人工智能分支和分类示意图

这是自然语言处理领域的主要研究目标。本文提出的多尺度人群计数网络归根溯源就属于人工智能技术。图2.1人工智能分支和分类示意图

图2.2神经网络神经元全连接与局部连接示意图

10(a)(b)图2.2神经网络神经元全连接与局部连接示意图常规神经网络和卷积神经网络的一个区别是卷积神经网络的卷积层神经元是局部连接的。卷积神经网络相对其他人工神经网络的一个优势在于每个深度切片上的神经元共享相同的权值和偏置，这样卷积神经网络极大地减少了整个网络的参数量。卷....

图2.3卷积运算示意图

积运算如图2.3所示，红色区域的数字和绿色区域的数字分别相乘，然后对得到的结果求和。图2.3卷积运算示意图2.2.2池化层池化层通常被放置在卷积层之后，它将输入图像分成若干子区域，输出每个子区域的最大值。池化机制有效的原因在于，特征之间的相对位置比每个特征的绝对位置更重要....

图2.4最大池化运算示意图

第二章相关理论知识11图2.4最大池化运算示意图2.2.3线性整流层线性整流层也叫激活函数层，使用激活函数的目的是在神经网络中加入一些非线性因子，使其更好地成为问题的求解器。如图2.5所示，在简单的情况(a)图中，不同的样本完全可以被直线分成两部分，在更复杂的情况(b)....

本文编号：4013761