场景自适应人群密度估计算法研究

发布时间：2020-09-08 16:40

　　 随着经济的不断增长,集体活动也不断丰富,随之而来的因人群拥塞而引起的事故也已屡见不鲜。因此及时地对公共场所的人群密度做出准确估计以避免危险发生就成为了视频监控领域的重要任务。人群密度估计是通过提取人群的分布特征进行分析计算,从而估算出密度分布并进行人群计数的任务。而实际场景转换为图片数据集时,会因为存在多尺度特征而无法被准确提取,导致估算的准确性下降的问题。现存的人群密度估计算法主要利用多尺度卷积神经网络分别对不同尺度的人群分布进行特征提取,最后平均融合得到计算结果。但传统的卷积神经网络为了提取全局特征,基本会对输入图片进行下采样,这样会丢失部分人群信息;且平均融合多通道卷积神经网络,对于多尺度特征提取计算结果的提升也很有限。针对上述问题,本文提出场景自适应人群密度估计算法。场景自适应人群密度估计算法以深度卷积网络为载体,利用扩张卷积对输入的人群场景图进行特征提取,在保持参数个数不变的情况下增大卷积核的感受野,这样既可以学习到全局特征,又不会增大计算量,同时也可以保证输出的特征映射(feature map)的大小保持不变。此外扩张卷积在上下文模型中通过设置不同大小的扩张系数来聚合多尺度上下文信息,提高了密集预测框架的性能。算法在模型的训练中利用对抗式损失函数将网络中提取的不同尺度的特征信息以合作式的方式融合。一般解决该问题的网络会选择欧式距离损失函数作为网络训练的优化,但这样只会平均融合每个通道各自的输出结果,失去了提取多尺度人群特征对于密度估计结果准确度提升的意义。对抗式损失可以使网络输出的结果最接近于真实的密度分布,极大地提高了密度估计的准确性。场景自适应人群密度估计算法提出利用扩张卷积在不损失分辨率的情况下对输入图像进行特征提取,通过对抗式损失函数将网络中提取的不同尺度的特征信息以合作方式融合的方法,解决了现有方法中卷积神经网络的池化层对图像的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,使人群密度估计不准确的问题。实验结果表明,在人群分布差异较大的场景中构建的算法模型有较好的自适应性,能根据不同的场景提取特征估算密度分布,并对人群进行准确计数。另外本文借助基于几何适应高斯核转换得到的密度图作为标签进行网络的训练,使网络的预测结果更加准确。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：

图１－１人群场景图逡逑

图２－１典型神经元结构逡逑Ｆｉｇｕｒｅ邋２－１邋Ｔｙｐｉｃａｌ邋ｎｅｕｒｏｎａｌ邋ｓｔｒｕｃｔｕｒｅ逡逑

图２－４邋—维卷积示例逡逑Ｆｉｇｕｒｅ邋２－４邋Ｏｎｅ－ｄｉｍｅｎｓｉｏｎａｌ邋ｃｏｎｖｏｌｕｔｉｏｎ邋ｅｘａｍｐｌｅ逡逑

【相似文献】

相关期刊论文 前10条

1 安曦宁;;基于改进混合高斯模型的人群密度估计研究[J];电子科技;2017年05期

2 李冲;王蓉;陈鹏;;基于压缩感知的人群密度估计方法研究[J];中国人民公安大学学报(自然科学版);2016年01期

3 张文倩;;基于灰度共生矩阵和分形的人群密度估计[J];电子测试;2012年05期

4 郭森;卢鑫;;应用双目摄像机进行人群密度估计[J];计算机与数字工程;2012年08期

5 沈娜;黎宁;常庆龙;;基于改进混合高斯模型的人群密度估计方法[J];计算机与数字工程;2012年07期

6 刘小锐;周激流;李晓华;;频域基于灰度共生矩阵的人群密度估计[J];微计算机信息;2008年34期

7 禹明娟;张英烈;陈临强;;医院监控场景下的人群密度估计方法[J];电子科技;2016年03期

8 关玉秋;;智能化视频监控系统的人群密度估计[J];中国安防;2012年08期

9 张燕;黎宁;刘福美;;一种基于区域划分的人群密度估计快速方法[J];计算机与数字工程;2011年04期

10 唐清;王知衍;严和平;许晓伟;;基于模糊神经网络的大场景人群密度估计方法[J];计算机应用研究;2010年03期

相关会议论文 前5条

1 方曼;姚晓晖;李剑峰;;社会重大活动中人群的监测与管控方法研究[A];中国职业安全健康协会2009年学术年会论文集[C];2009年

2 刘茂;王振;;人群拥挤踩踏事故的风险分析及预防控制[A];中国灾害防御协会风险分析专业委员会第二届年会论文集（二）[C];2006年

3 廖尉辰;郑小平;;基于通行效率的验票台设置研究[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

4 熊艳;冯志斌;;人群密集场所人流管控方案探讨[A];中国职业安全健康协会2008年学术年会论文集[C];2008年

5 周海平;蔡绍洪;;动态网络中的疾病传播研究[A];2006全国复杂网络学术会议论文集[C];2006年

相关重要报纸文章 前8条

1 记者 陈建强 通讯员 张轶帆;南开大学 实现人群密度与轨迹智能跟踪[N];光明日报;2012年

2 李永明;降低人群密度 促成有序流动[N];人民公安报;2004年

3 张田勘;禁止人群聚集不是避免踩踏的好办法[N];贵州政协报;2015年

4 记者龚雯;各地启动黄金周旅游保障机制[N];人民日报;2003年

5 周慰　本报记者　沈祖芸;场面火爆，作用多大？[N];中国教育报;2002年

6 龚雯;锁定“健康旅游”[N];人民日报;2003年

7 李晓江 中国城市规划设计研究院院长;生产生活生态并重 探索理想发展模式[N];南方日报;2015年

8 记者 王小润;各地启动旅游保障机制[N];光明日报;2003年

相关博士学位论文 前4条

1 叶子;基于视觉计算的人群场景理解与行为分析[D];中国矿业大学（北京）;2013年

2 宋宏权;区域人群状态与行为的时空感知方法[D];南京师范大学;2013年

3 孙立博;虚拟人群行为建模及仿真技术研究[D];天津大学;2012年

4 廖尉辰;疏散瓶颈的群体动力学实验与仿真研究[D];北京化工大学;2017年

相关硕士学位论文 前10条

1 陈希;基于视频的不同人群密度下的人数统计[D];西安科技大学;2019年

2 孙永超;小规模人群密度估计与异常行为检测[D];新疆大学;2019年

3 刘思琦;场景自适应人群密度估计算法研究[D];北京交通大学;2019年

4 张少卿;面向大尺度行人和非均匀行人分布场景的人群计数方法[D];华南理工大学;2019年

5 成金庚;基于深度学习的人群密度估计及行为分析方法研究[D];国防科学技术大学;2017年

6 汪顺舟;基于人群密度预分类网络的深度人群计数算法研究[D];上海应用技术大学;2018年

7 韩新怡;基于深度学习的人群密度估计算法研究[D];西安科技大学;2018年

8 张君军;智能监控中人群密度估计算法研究[D];国防科学技术大学;2016年

9 贾翻连;基于视频图像的人群密度估计研究[D];山西大学;2018年

10 张亚珠;室外场景人群密度监控系统的设计与实现[D];华中科技大学;2017年

本文编号：2814398