基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計(jì).pdf

1、近年來隨著經(jīng)濟(jì)水平發(fā)展,人口快速增長(zhǎng),由于人群聚集引起的騷亂已經(jīng)不止一次的發(fā)生,人群監(jiān)控也變得越來越重要,但是靠人力來實(shí)現(xiàn)人群監(jiān)控容易產(chǎn)生疲勞并且容易受到個(gè)人主觀因素影響,與此同時(shí),計(jì)算機(jī)視覺技術(shù)日趨成熟,它在工程中的應(yīng)用范圍已經(jīng)擴(kuò)展到車牌識(shí)別、人臉檢測(cè)、指紋識(shí)別等生活的方方面面,由此更加促進(jìn)了人群密度自動(dòng)估計(jì)方法的研究。
　　人群密度等級(jí)估計(jì)和人群流量統(tǒng)計(jì)是人群監(jiān)控的2個(gè)重要研究方向。人群密度等級(jí)估計(jì)將人群按照密集程度劃分為不同

2、等級(jí),通過特征分析及分類手段估計(jì)人群密度,常應(yīng)用于人群密度的預(yù)警。而人群流量統(tǒng)計(jì)側(cè)重于統(tǒng)計(jì)人數(shù),要求結(jié)果能精確到人數(shù)。人群密度估計(jì)主要分為特征提取和人群密度分類兩步?，F(xiàn)有的人群密度估計(jì)方法,為了提升效果,特征提取方法往往設(shè)計(jì)得非常復(fù)雜,這在一定程度上使得檢測(cè)速度難以兼顧。同時(shí),人群密度估計(jì)常用的支持向量機(jī)等分類方法都屬于淺層學(xué)習(xí)方法,在分類效果上都存在一定的局限性。
　　然而,近年來,隨著深度學(xué)習(xí)不斷取得成績(jī),這種深度、多層次的結(jié)

3、構(gòu)模型越來越受到重視。深度卷積神經(jīng)網(wǎng)絡(luò)作為具有代表性的深度學(xué)習(xí)模型方法之一,通過多隱層的網(wǎng)絡(luò)結(jié)構(gòu),深度提取圖像的高層特征,并通過特征學(xué)習(xí)避免了復(fù)雜的特征設(shè)計(jì)過程。本文通過對(duì)人群密度估計(jì)方法進(jìn)行研究,將卷積神經(jīng)網(wǎng)絡(luò)引入人群密度估計(jì)中,通過改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu),提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計(jì)快速算法,本文的主要工作如下:
　　1)研究了多種特征提取方法和分類方法,并創(chuàng)新性地將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于人群密度估計(jì)中,將人群密度劃分為不同密度