近些年來,世界各國特別是人口稠密的國家踩踏事故頻發(fā),這些事故多發(fā)生在因節(jié)日慶祝、宗教活動、體育賽事、交通樞紐等原因人群集聚的城市公共場所。在視頻監(jiān)控中對人群實現(xiàn)精準計數(shù),為以公共安全視頻圖像處理和分析為核心的新型智慧城市建設提供信息支撐,起到加強城市管理和防范公共危機的作用。此外,人群計數(shù)在其他領域的遷移應用,如在交通領域的車輛計數(shù)、醫(yī)學領域的細胞計數(shù)、生態(tài)領域的物種計數(shù)等,也會對整個社會的方方面面產生積極影響。人群計數(shù)的目的是在給定場景中統(tǒng)計人數(shù)或者進行大規(guī)模人群密度估計,其難點之一在于人群個體尺寸變化差異大。隨著卷積神經網絡(CNN)在視頻圖片處理任務中取得的優(yōu)異成績,奠定了CNN在計算機視覺領域的重要地位。得益于CNN在特征學習方面的優(yōu)勢和性能表現(xiàn),利用其對人群計數(shù)課題進行研究正在并已經成為趨勢。本文主要針對人群個體多尺度問題進行研究,具體工作如下:(1)利用系列淺層卷積神經網絡SL-Net分別在仿真集、Mall數(shù)據(jù)集和圖書館視角數(shù)據(jù)集上用誤差指標對比驗證了CNN結構中不同尺寸感受野在不同尺度人群個體上的感知差異,得出大尺寸卷積核對特征偏向全局信息的小尺度目標感知能力更強,小尺寸卷...

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

圖2.1人工智能分支和分類示意圖

這是自然語言處理領域的主要研究目標。本文提出的多尺度人群計數(shù)網絡歸根溯源就屬于人工智能技術。圖2.1人工智能分支和分類示意圖

圖2.2神經網絡神經元全連接與局部連接示意圖

10(a)(b)圖2.2神經網絡神經元全連接與局部連接示意圖常規(guī)神經網絡和卷積神經網絡的一個區(qū)別是卷積神經網絡的卷積層神經元是局部連接的。卷積神經網絡相對其他人工神經網絡的一個優(yōu)勢在于每個深度切片上的神經元共享相同的權值和偏置，這樣卷積神經網絡極大地減少了整個網絡的參數(shù)量。卷....

圖2.3卷積運算示意圖

積運算如圖2.3所示，紅色區(qū)域的數(shù)字和綠色區(qū)域的數(shù)字分別相乘，然后對得到的結果求和。圖2.3卷積運算示意圖2.2.2池化層池化層通常被放置在卷積層之后，它將輸入圖像分成若干子區(qū)域，輸出每個子區(qū)域的最大值。池化機制有效的原因在于，特征之間的相對位置比每個特征的絕對位置更重要....

圖2.4最大池化運算示意圖

第二章相關理論知識11圖2.4最大池化運算示意圖2.2.3線性整流層線性整流層也叫激活函數(shù)層，使用激活函數(shù)的目的是在神經網絡中加入一些非線性因子，使其更好地成為問題的求解器。如圖2.5所示，在簡單的情況(a)圖中，不同的樣本完全可以被直線分成兩部分，在更復雜的情況(b)....

本文編號：4013761