現(xiàn)代社會(huì),隨著人口流動(dòng)性和人群密集程度的不斷增加,機(jī)場、車站、商場等各類人群密集場所的流量統(tǒng)計(jì)問題備受關(guān)注。發(fā)生在2014年12月31日的上海外灘踩踏事件,再一次敲響了對(duì)密集人群進(jìn)行有效監(jiān)管的警鐘,同時(shí)也表明傳統(tǒng)的人力監(jiān)管無法有效應(yīng)對(duì)日益龐大和密集的人群,必須引入高度智能化的安全管理系統(tǒng),提高安全防范和預(yù)警能力。為此,基于計(jì)算機(jī)視覺的人群計(jì)數(shù)算法得到了廣泛的研究,相關(guān)成果不僅能夠有效提高各類人群密集場所的安全防范能力,也將為各類商業(yè)場帶來無限商機(jī)。近年來,隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,有越來越多的學(xué)者投身到人群計(jì)數(shù)領(lǐng)域的研究工作中,利用卷積神經(jīng)網(wǎng)絡(luò)在圖像特征提取和模型泛化上的優(yōu)異表現(xiàn),有效地解決了在復(fù)雜場景下高密度人群圖像的計(jì)數(shù)問題。為了進(jìn)一步提升人群計(jì)數(shù)方法的準(zhǔn)確性和穩(wěn)定性,本文針對(duì)目前基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法進(jìn)行了相關(guān)研究,提出了更加有效的算法模型,并設(shè)計(jì)了相應(yīng)的人群計(jì)數(shù)原型系統(tǒng),驗(yàn)證了其有效性,具體工作如下:實(shí)現(xiàn)了基于多列卷積神經(jīng)網(wǎng)絡(luò)（MCNN）的人群計(jì)數(shù)算法和基于選擇卷積神經(jīng)網(wǎng)絡(luò)（Switch-CNN）的人群計(jì)數(shù)算法,分別對(duì)兩種算法的設(shè)計(jì)原理、網(wǎng)絡(luò)結(jié)構(gòu)、實(shí)現(xiàn)方式和訓(xùn)練策略等... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

第k個(gè)非線性的神經(jīng)元模型

北京工業(yè)大學(xué)工程碩士專業(yè)學(xué)位論文激活函數(shù) ( ), 用來限制神經(jīng)元的輸出振幅。-1 所示，該人工神經(jīng)元的輸出可以表示為： = (∑ 1 ) 經(jīng)元的區(qū)別一般在于選擇的激活函數(shù)的不同，常用的激活數(shù)-Sigmoid 函數(shù)、雙曲正切 S 型函數(shù)-tanh 函數(shù)以及線。id 函數(shù)的表達(dá)式如公式（2-2）所示，函數(shù)圖像如圖 2-2 所( ) =11

圖 2-3 tanh 函數(shù)Figure 2-3 Tanh function數(shù)的輸出是在(-1,1)的開區(qū)間，這與 sigmoid 函數(shù)有一定d 導(dǎo)致網(wǎng)絡(luò)收斂緩慢的問題。但與 sigmoid 有相同的缺點(diǎn)，容易造成梯度消失。由于二者在輸出上的區(qū)別，一般在會(huì)選擇用 tanh 函數(shù)，輸出層選擇 sigmoid 函數(shù)。數(shù)的表達(dá)式如公式（2-4）所示，函數(shù)圖像如圖 2-4 所示 ( ) = (0 )

【參考文獻(xiàn)】：
期刊論文
[1]一種多列特征圖融合的深度人群計(jì)數(shù)算法[J]. 唐斯琪,陶蔚,張梁梁,潘志松.  鄭州大學(xué)學(xué)報(bào)(理學(xué)版). 2018(02)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)研究[J]. 袁燁,吳震宇,江先志.  成組技術(shù)與生產(chǎn)現(xiàn)代化. 2017(02)



本文編號(hào)：3323185