基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度分析
發(fā)布時(shí)間:2021-02-06 21:44
近年來(lái),人群活動(dòng)日益增多,商業(yè)中心、廣場(chǎng)、交通樞紐站等公共場(chǎng)所舉辦的商業(yè)、文體、宗教等活動(dòng)促進(jìn)了經(jīng)濟(jì)的繁榮,但也為公共安全帶來(lái)了巨大的隱患。人群聚集容易導(dǎo)致交通阻塞、踩踏事件、社會(huì)安全事件、公共健康事件等,嚴(yán)重時(shí)將導(dǎo)致群死群傷等威脅人民生命及財(cái)產(chǎn)安全的后果。結(jié)合視頻監(jiān)控的人群密度分析方法在公共安全領(lǐng)域發(fā)揮越來(lái)越重要的作用。人群密度估計(jì)和人群行為分析有助于人群的管理,并對(duì)及時(shí)的制定并實(shí)施應(yīng)急方案有重要意義。本文的人群密度分析包括人群計(jì)數(shù)、人群密度分布估計(jì)以及人群異常行為檢測(cè)。人群計(jì)數(shù)是對(duì)監(jiān)控區(qū)域的全局人群密度的估計(jì),本文提出了一種多尺度融合遞歸卷積神經(jīng)網(wǎng)絡(luò)來(lái)估計(jì)人群密度概率圖,間接的實(shí)現(xiàn)人群計(jì)數(shù)。人群密度概率圖反映行人在圖像上出現(xiàn)的頻率,其像素和即為人群總?cè)藬?shù),這種間接估計(jì)方法減輕了直接估計(jì)人群總數(shù)的問(wèn)題難度。但是,人群計(jì)數(shù)僅反映人群的全局密度而忽略了人群的局部密度信息,而人群密度概率圖存在透視效應(yīng),只能反映二維圖像空間上的人群分布。為了克服這個(gè)問(wèn)題,本文提出了一個(gè)聯(lián)合訓(xùn)練的多尺度融合遞歸卷積神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)同時(shí)進(jìn)行人群密度概率圖和人群透視圖的估計(jì),隨后利用一個(gè)透視自適應(yīng)核與人群密度概率...
【文章來(lái)源】:中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校
【文章頁(yè)數(shù)】:85 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.2.1 人群密度估計(jì)研究
1.2.2 基于深度學(xué)習(xí)的人群密度研究
1.2.3 人群透視研究
1.2.4 人群異常行為檢測(cè)研究
1.3 本文研究目的與內(nèi)容
1.4 章節(jié)安排
第二章 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論
2.1 感知器
2.2 人工神經(jīng)網(wǎng)絡(luò)
2.2.1 激活函數(shù)
2.2.2 損失函數(shù)
2.2.3 梯度下降與反向傳播
2.3 卷積神經(jīng)網(wǎng)絡(luò)
2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的組成
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)
2.4 幾種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.4.1 Alexnet
2.4.2 Inception
2.4.3 遞歸卷積結(jié)構(gòu)
2.5 本章小結(jié)
第三章 人群計(jì)數(shù)
3.1 人群密度概率圖
3.2 多尺度融合遞歸卷積神經(jīng)網(wǎng)絡(luò)
3.3 損失函數(shù)
3.4 人群計(jì)數(shù)實(shí)驗(yàn)及結(jié)果分析
3.4.1 評(píng)價(jià)標(biāo)準(zhǔn)
3.4.2 參數(shù)設(shè)置
3.4.3 人群計(jì)數(shù)估計(jì)結(jié)果
3.5 本章小結(jié)
第四章 人群密度分布估計(jì)
4.1 人群透視圖
4.2 人群密度分布圖
4.3 網(wǎng)絡(luò)結(jié)構(gòu)
4.4 訓(xùn)練策略
4.5 損失函數(shù)
4.6 人群密度分布估計(jì)實(shí)驗(yàn)及結(jié)果分析
4.6.1 評(píng)價(jià)標(biāo)準(zhǔn)
4.6.2 參數(shù)設(shè)置
4.6.3 對(duì)比實(shí)驗(yàn)
4.6.4 人群透視圖估計(jì)結(jié)果
4.6.5 人群密度分布圖估計(jì)結(jié)果
4.7 本章小結(jié)
第五章 人群異常行為檢測(cè)
5.1 人群異常分散行為檢測(cè)
5.2 人群異常聚集行為檢測(cè)
5.2.1 圖像級(jí)的人群異常聚集行為檢測(cè)
5.2.2 像素級(jí)的人群異常聚集行為檢測(cè)
5.3 人群異常行為檢測(cè)實(shí)驗(yàn)及結(jié)果分析
5.3.1 人群異常分散行為檢測(cè)結(jié)果
5.3.2 人群異常聚集行為檢測(cè)結(jié)果
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 論文創(chuàng)新點(diǎn)
6.3 工作展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果
本文編號(hào):3021139
【文章來(lái)源】:中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校
【文章頁(yè)數(shù)】:85 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.2.1 人群密度估計(jì)研究
1.2.2 基于深度學(xué)習(xí)的人群密度研究
1.2.3 人群透視研究
1.2.4 人群異常行為檢測(cè)研究
1.3 本文研究目的與內(nèi)容
1.4 章節(jié)安排
第二章 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論
2.1 感知器
2.2 人工神經(jīng)網(wǎng)絡(luò)
2.2.1 激活函數(shù)
2.2.2 損失函數(shù)
2.2.3 梯度下降與反向傳播
2.3 卷積神經(jīng)網(wǎng)絡(luò)
2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的組成
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)
2.4 幾種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.4.1 Alexnet
2.4.2 Inception
2.4.3 遞歸卷積結(jié)構(gòu)
2.5 本章小結(jié)
第三章 人群計(jì)數(shù)
3.1 人群密度概率圖
3.2 多尺度融合遞歸卷積神經(jīng)網(wǎng)絡(luò)
3.3 損失函數(shù)
3.4 人群計(jì)數(shù)實(shí)驗(yàn)及結(jié)果分析
3.4.1 評(píng)價(jià)標(biāo)準(zhǔn)
3.4.2 參數(shù)設(shè)置
3.4.3 人群計(jì)數(shù)估計(jì)結(jié)果
3.5 本章小結(jié)
第四章 人群密度分布估計(jì)
4.1 人群透視圖
4.2 人群密度分布圖
4.3 網(wǎng)絡(luò)結(jié)構(gòu)
4.4 訓(xùn)練策略
4.5 損失函數(shù)
4.6 人群密度分布估計(jì)實(shí)驗(yàn)及結(jié)果分析
4.6.1 評(píng)價(jià)標(biāo)準(zhǔn)
4.6.2 參數(shù)設(shè)置
4.6.3 對(duì)比實(shí)驗(yàn)
4.6.4 人群透視圖估計(jì)結(jié)果
4.6.5 人群密度分布圖估計(jì)結(jié)果
4.7 本章小結(jié)
第五章 人群異常行為檢測(cè)
5.1 人群異常分散行為檢測(cè)
5.2 人群異常聚集行為檢測(cè)
5.2.1 圖像級(jí)的人群異常聚集行為檢測(cè)
5.2.2 像素級(jí)的人群異常聚集行為檢測(cè)
5.3 人群異常行為檢測(cè)實(shí)驗(yàn)及結(jié)果分析
5.3.1 人群異常分散行為檢測(cè)結(jié)果
5.3.2 人群異常聚集行為檢測(cè)結(jié)果
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 論文創(chuàng)新點(diǎn)
6.3 工作展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果
本文編號(hào):3021139
本文鏈接:http://sikaile.net/kejilunwen/anquangongcheng/3021139.html
最近更新
教材專(zhuān)著