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DOI：https://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。

       

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。

         

整體的模型訓練方法如下圖所示：

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：

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