<meter id="hh1nh"></meter>
<th id="hh1nh"><em id="hh1nh"><delect id="hh1nh"></delect></em></th>

        <form id="hh1nh"></form>

          <listing id="hh1nh"><nobr id="hh1nh"></nobr></listing>
          <nobr id="hh1nh"></nobr>

            <th id="hh1nh"><form id="hh1nh"><font id="hh1nh"></font></form></th>
            <rp id="hh1nh"><progress id="hh1nh"></progress></rp>
            您所在的位置:首頁 - 科學研究 - 科研動態

            科研動態

            基于類別響應圖和局部分級的人群密度估計


            原文題目: Crowd density estimation based on classification activation map and patch density level

            發表期刊:Neural Computing and Applications, 2020 (JCR Q1)

            原文DOIhttps://doi.org/10.1007/s00521-018-3954-7

            作者列表

            1) 朱麗萍   中國石油大學(北京) 信息科學與工程學院

            2) 李承陽   中國石油大學(北京) 信息科學與工程學院 計算機科學與技術系 研17-2

            3) 楊中國  北方工業大學 信息學院

            4) 袁   昆   渥太華大學 計算機科學系

            5) 王  尚   中國石油大學(北京) 信息科學與工程學院 計算機科學與技術系 研16

            背景與動機

            監控攝像機與監控場景中的水平面有一定的傾角。由于透視效果,拍攝的圖像具有以下現象:(1)如圖1所示,形成“距離小,附近大”的效果。到攝像機的距離與占據圖像的人像素成反比;(2)聚集了遠處的人群,導致集中精神。這個會增加人群密度估計的難度?,F有的算法主要是基于檢測和回歸的方法來解決上述問題,但在精度上并不令人滿意。由于人像點少、遮擋嚴重,檢測器在稀疏的街道場景中的性能較差。(3) 現有的基于回歸的質量密度估計算法在20-50人的場景中是不準確的。在電梯、街道、天橋等真實場景中,必須掌握人群密度。它能及時提供人群分布和異常人群流動信息??傊?,稀疏場景下的人群密度估計是一個熱點和難點問題。

            設計與實現

            在本文中,我們的目標是在任意的攝像機視角和人群密度下,對任意的圖像進行精確的人群計數。為了克服上述挑戰,我們提出了一種帶有行人類別響應激活圖(CAM)的塊尺度判別回歸網絡(PSDR),如下圖所示。

            950a82138885425394e35c098d1d39c8.png        

            首先,基于分治思想,我們提出了一個稱為塊尺度判別回歸網絡(PSDR)的網絡。PSDR將整個圖像作為輸入,輸出一個密度圖,密度圖的像素值總和為總體的人群計數。在設計密度等級時,我們使用最接近實際情況的密度分類策略。這里模型采用基礎的VGG16網絡來實現。實驗結果表明,采用圖像塊進行尺度分割比整體分割效果好。


            1.png          


            2.png

            image.png

            其次,我們提出了一種行人類別響應激活圖(CAM)方法來改進整個密度圖的預測。其原因是由于圖像的片分割,使得圖像斑片邊緣的人頭信息丟失。因此,我們將person CAM添加到我們的模型中。人攝像頭使模型聚焦于人的頭部區域。實驗證明,行人類別響應激活圖可以提高PSDR的性能。

            整體的模型訓練方法如下圖所示:

            821d91fd962f49de8d096ae9aea590d8.png


            本文在ShanghaiTech數據集、SmartCity數據集、UCF_CC_50數據集和UCSD數據集上進行了實驗,均達到了SOTA水平。本文模型在不同規模的人群圖片上的實驗結果如下圖所示:

            5.png

            關于作者

            朱麗萍:博士,計算機系副教授,碩士生導師。目前主要研究方向是大數據和數據挖掘方向,尤其關注深度學習在計算機視覺方向上的應用,已發表論文多篇高水平論文。聯系方式:zhuliping@cup.edu.cn



            99亚洲综合精品