基于深度學習和特征點數量的人數統計方法

葉張帆，黃立勤

(福州大學物理與信息工程學院，福建 福州 350116)

人群計數是計算機視覺研究領域最基本但最具挑戰性的任務之一，這是具有許多實際應用的課題，有著廣泛的實際應用前景。人群計數，尤其是動態場景下不同密度人群的高精度人數統計，可以監測和報警，減少公共災難，也可用于商業為商家提供消費人流量參考等。人群計數所使用的技術，目前主要分為兩類：直接檢測法和間接估計法。直接的方法，主要通過檢測場景中的每一個個體，實現人群的統計。這種方法，在低密度人群情況下的計數模型，具有構建成本低和檢測速度快等優點。在近年的研究中，有使用人頭檢測的模型[1]，或者頭和肩膀檢測模型[2-4]，提升檢測的精確度。但當密度增大時，由于遮擋等問題，人體的表達特征受到破壞，行人不能得到很好的檢測分割，只能采用間接估計的方法進行統計。間接估計法多采用構建場景中特征和人數的關系，實現人群數量的回歸計算[5-6]，可以實現高密度和超高密度的場景下的人數統計，但當人群密度變化，在低密度時使用間接法，相較于直接法，有著不必要的復雜度和高成本。近年來，深度學習在圖像檢測和識別領域不斷取得突破，在行人檢測領域，準確度大幅度提高[7-8]。為此，本文結合直接檢測和回歸方法的特點，將深度學習檢測結果和迪里赫雷特混合模型[6，9]聚類相結合，以使人群能夠有效從圖片中被檢測，然后采用……