基于多分支扩张卷积深度网络的静态场景人群密度估计研究

发布时间：2021-04-11 11:58

　　在公共安全管理中,人群密度通常是需要考虑的重要因素之一,过大的人群密度会因为难以控制而存在较大的安全隐患。人群密度估计是反映拥挤的静态场景下人群的分布。它不仅局限于人群数值的简单估计,还包括人群的密度分布图。人群密度估计已经逐渐成为当前计算机视觉领域一个关注的热点。现有的人群密度估计算法主要是基于深度卷积神经网络的目标检测器来对人群密度进行估计。大部分都是以人群计数为主,忽略了密度分布图的质量,未能够合理利用图像中人群的空间分布信息。因此,本文设计了一种基于多分支扩张卷积块的静态场景人群密度估计网络,并在此基础上实现了从静态单幅图像中估计人群数量并生成高质量密度图的联合任务。本文针对静态场景人群密度估计的主要工作如下:（1）提出了一种有效的静态场景人群密度估计网络模型,综合基于检测和回归策略的优势,对人群变化具有良好的适应性。同时采用多分支扩张卷积块来聚合不同范围的上下文信息,从而使得无论是对于目标尺寸较大且人群密度稀疏的环境,还是高度拥挤的人群流量,都表现出来良好的效果。（2）针对目前密度图评价中峰值信噪比和结构相似性两个最为主流的评价指标存在忽略空间上的相关信息的问题,我们引入了一... 

【文章来源】：江西师范大学江西省

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

人群的多种分布

图 2-1 LeNet-5 网络结构图（引自 LeCun 的原文[30]）LeCun 等人提出的 LeNet-5 网络是一个典型的卷积神经网络，其结构如图 2-1所示。基于 LeNet-5 的手写数字识别系统在 90 年代被美国很多银行使用，用来识别支票上面的手写数字。在卷积神经网络中，一般由输入层、中间隐藏层以及

图 2-5 局部感受野示意图积神经网络采取的另一种措施来减少网络参数是权值共享。将每个层部分神经元相连的权重关系统一。例如假设上一层神经元有 10经元个数也为 100，下层神经元中每个神经元只与上层神经元中

【参考文献】：
期刊论文
[1]基于深度学习的语义分割问题研究综述[J]. 张祥甫,刘健,石章松,吴中红,王智.  激光与光电子学进展. 2019(15)
[2]彩色图像分割方法综述[J]. 林开颜,吴军辉,徐立鸿.  中国图象图形学报. 2005(01)



本文编号：3131213