基于深度学习的人群分析及其在航站楼的应用

发布时间：2024-04-06 21:12

　　我国民航旅客运输量在近年来不断攀升,这给机场航站楼的管理带来了巨大的压力。传统监控系统需要人工监测,非常耗时耗力,难以满足航站楼安全管理的需求。因此,智能监控技术的研究对于航站楼以及其他公共场所的安防工作具有重要的意义,有助于管理人员及时调整、调度安保力量,合理分配资源,提升突发事件的快速应对能力。本文的研究课题为基于深度学习的人群分析及其在航站楼的应用,主要关注人群计数研究和人群密度分布预测研究两个方面。首先,针对人群计数研究普遍使用的欧几里得损失函数忽略像素相关性且造成图像模糊等问题,本文提出一种基于条件生成对抗网络的人群计数模型,利用生成对抗网络的博弈思想,使用欧几里得损失和对抗性损失联合优化模型,强化生成密度图像的局部相关性并增强其质量,进而提升计数准确性。在两个人群计数数据集上的实验结果显示,所述模型达到了与主流方法相当的性能。其次,针对目前多数方法处理多尺度信息不理想的问题,本文提出一种基于增强型多尺度网络的人群计数模型及其改进版本,所设计的嵌入式GAN模块和尺度增强模块旨在保证生成高质量密度图像的前提下,强化模型对多尺度信息的灵活处理能力,以实现准确而高效的人群计数。将所...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图2-1Inception结构[42]

中国民航大学硕士学位论文10集中在最后三个全连接层中。网络特征图的通道数目从64上升到128，再到256和512，同一组卷积内通道的数目相同。需要注意的是，由于每组的卷积层数目可以不同，VGGNet有11、13、16、19等几种变体，其中最常用到的是VGG-16和VGG-19。相....

图2-2残差结构[43]

中国民航大学硕士学位论文11富也意味着最后分类判断时会更加准确。（2）采用1×1卷积核进行降维，降低了计算复杂度，使网络更加高效。其次，1×1卷积后面会紧跟激活函数，这样也能够提升网络的特征表达能力。GoogLeNet模型以Inception模块为单位构建而成，其参数量仅为Ale....

图2-3DenseBlock结构[44]

中国民航大学硕士学位论文122.1.5DenseNetResNet通过残差模块的独特设计，证明了模型深度的增加与模型性能的保持是可以兼顾的。受到ResNet的启发，DenseNet[44]在之后也被提出，其中的重点结构是密集模块（DenseBlock），其结构如图2-3所示。图2....

图3-2扩张卷积感知域示意图[49]

中国民航大学硕士学位论文

本文编号：3947169