隨著經(jīng)濟的不斷增長,集體活動也不斷豐富,隨之而來的因人群擁塞而引起的事故也已屢見不鮮。因此及時地對公共場所的人群密度做出準確估計以避免危險發(fā)生就成為了視頻監(jiān)控領(lǐng)域的重要任務(wù)。人群密度估計是通過提取人群的分布特征進行分析計算,從而估算出密度分布并進行人群計數(shù)的任務(wù)。而實際場景轉(zhuǎn)換為圖片數(shù)據(jù)集時,會因為存在多尺度特征而無法被準確提取,導(dǎo)致估算的準確性下降的問題�，F(xiàn)存的人群密度估計算法主要利用多尺度卷積神經(jīng)網(wǎng)絡(luò)分別對不同尺度的人群分布進行特征提取,最后平均融合得到計算結(jié)果。但傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)為了提取全局特征,基本會對輸入圖片進行下采樣,這樣會丟失部分人群信息;且平均融合多通道卷積神經(jīng)網(wǎng)絡(luò),對于多尺度特征提取計算結(jié)果的提升也很有限。針對上述問題,本文提出場景自適應(yīng)人群密度估計算法。場景自適應(yīng)人群密度估計算法以深度卷積網(wǎng)絡(luò)為載體,利用擴張卷積對輸入的人群場景圖進行特征提取,在保持參數(shù)個數(shù)不變的情況下增大卷積核的感受野,這樣既可以學(xué)習(xí)到全局特征,又不會增大計算量,同時也可以保證輸出的特征映射(feature map)的大小保持不變。此外擴張卷積在上下文模型中通過設(shè)置不同大小的擴張系數(shù)來聚合多尺度上下文信息,提高了密集預(yù)測框架的性能。算法在模型的訓(xùn)練中利用對抗式損失函數(shù)將網(wǎng)絡(luò)中提取的不同尺度的特征信息以合作式的方式融合。一般解決該問題的網(wǎng)絡(luò)會選擇歐式距離損失函數(shù)作為網(wǎng)絡(luò)訓(xùn)練的優(yōu)化,但這樣只會平均融合每個通道各自的輸出結(jié)果,失去了提取多尺度人群特征對于密度估計結(jié)果準確度提升的意義。對抗式損失可以使網(wǎng)絡(luò)輸出的結(jié)果最接近于真實的密度分布,極大地提高了密度估計的準確性。場景自適應(yīng)人群密度估計算法提出利用擴張卷積在不損失分辨率的情況下對輸入圖像進行特征提取,通過對抗式損失函數(shù)將網(wǎng)絡(luò)中提取的不同尺度的特征信息以合作方式融合的方法,解決了現(xiàn)有方法中卷積神經(jīng)網(wǎng)絡(luò)的池化層對圖像的下采樣操作會丟失部分人群信息,且平均融合方式會使多尺度效應(yīng)平均化,使人群密度估計不準確的問題。實驗結(jié)果表明,在人群分布差異較大的場景中構(gòu)建的算法模型有較好的自適應(yīng)性,能根據(jù)不同的場景提取特征估算密度分布,并對人群進行準確計數(shù)。另外本文借助基于幾何適應(yīng)高斯核轉(zhuǎn)換得到的密度圖作為標簽進行網(wǎng)絡(luò)的訓(xùn)練,使網(wǎng)絡(luò)的預(yù)測結(jié)果更加準確。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

圖１－１人群場景圖逡逑

圖２－１典型神經(jīng)元結(jié)構(gòu)逡逑Ｆｉｇｕｒｅ邋２－１邋Ｔｙｐｉｃａｌ邋ｎｅｕｒｏｎａｌ邋ｓｔｒｕｃｔｕｒｅ逡逑

圖２－４邋—維卷積示例逡逑Ｆｉｇｕｒｅ邋２－４邋Ｏｎｅ－ｄｉｍｅｎｓｉｏｎａｌ邋ｃｏｎｖｏｌｕｔｉｏｎ邋ｅｘａｍｐｌｅ逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 安曦寧;;基于改進混合高斯模型的人群密度估計研究[J];電子科技;2017年05期

2 李沖;王蓉;陳鵬;;基于壓縮感知的人群密度估計方法研究[J];中國人民公安大學(xué)學(xué)報(自然科學(xué)版);2016年01期

3 張文倩;;基于灰度共生矩陣和分形的人群密度估計[J];電子測試;2012年05期

4 郭森;盧鑫;;應(yīng)用雙目攝像機進行人群密度估計[J];計算機與數(shù)字工程;2012年08期

5 沈娜;黎寧;常慶龍;;基于改進混合高斯模型的人群密度估計方法[J];計算機與數(shù)字工程;2012年07期

6 劉小銳;周激流;李曉華;;頻域基于灰度共生矩陣的人群密度估計[J];微計算機信息;2008年34期

7 禹明娟;張英烈;陳臨強;;醫(yī)院監(jiān)控場景下的人群密度估計方法[J];電子科技;2016年03期

8 關(guān)玉秋;;智能化視頻監(jiān)控系統(tǒng)的人群密度估計[J];中國安防;2012年08期

9 張燕;黎寧;劉福美;;一種基于區(qū)域劃分的人群密度估計快速方法[J];計算機與數(shù)字工程;2011年04期

10 唐清;王知衍;嚴和平;許曉偉;;基于模糊神經(jīng)網(wǎng)絡(luò)的大場景人群密度估計方法[J];計算機應(yīng)用研究;2010年03期

相關(guān)會議論文 前5條

1 方曼;姚曉暉;李劍峰;;社會重大活動中人群的監(jiān)測與管控方法研究[A];中國職業(yè)安全健康協(xié)會2009年學(xué)術(shù)年會論文集[C];2009年

2 劉茂;王振;;人群擁擠踩踏事故的風(fēng)險分析及預(yù)防控制[A];中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第二屆年會論文集（二）[C];2006年

3 廖尉辰;鄭小平;;基于通行效率的驗票臺設(shè)置研究[A];第六屆（2011）中國管理學(xué)年會論文摘要集[C];2011年

4 熊艷;馮志斌;;人群密集場所人流管控方案探討[A];中國職業(yè)安全健康協(xié)會2008年學(xué)術(shù)年會論文集[C];2008年

5 周海平;蔡紹洪;;動態(tài)網(wǎng)絡(luò)中的疾病傳播研究[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

相關(guān)重要報紙文章 前8條

1 記者 陳建強 通訊員 張軼帆;南開大學(xué) 實現(xiàn)人群密度與軌跡智能跟蹤[N];光明日報;2012年

2 李永明;降低人群密度 促成有序流動[N];人民公安報;2004年

3 張?zhí)锟?禁止人群聚集不是避免踩踏的好辦法[N];貴州政協(xié)報;2015年

4 記者龔雯;各地啟動黃金周旅游保障機制[N];人民日報;2003年

5 周慰　本報記者　沈祖蕓;場面火爆，作用多大？[N];中國教育報;2002年

6 龔雯;鎖定“健康旅游”[N];人民日報;2003年

7 李曉江 中國城市規(guī)劃設(shè)計研究院院長;生產(chǎn)生活生態(tài)并重 探索理想發(fā)展模式[N];南方日報;2015年

8 記者 王小潤;各地啟動旅游保障機制[N];光明日報;2003年

相關(guān)博士學(xué)位論文 前4條

1 葉子;基于視覺計算的人群場景理解與行為分析[D];中國礦業(yè)大學(xué)（北京）;2013年

2 宋宏權(quán);區(qū)域人群狀態(tài)與行為的時空感知方法[D];南京師范大學(xué);2013年

3 孫立博;虛擬人群行為建模及仿真技術(shù)研究[D];天津大學(xué);2012年

4 廖尉辰;疏散瓶頸的群體動力學(xué)實驗與仿真研究[D];北京化工大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 陳希;基于視頻的不同人群密度下的人數(shù)統(tǒng)計[D];西安科技大學(xué);2019年

2 孫永超;小規(guī)模人群密度估計與異常行為檢測[D];新疆大學(xué);2019年

3 劉思琦;場景自適應(yīng)人群密度估計算法研究[D];北京交通大學(xué);2019年

4 張少卿;面向大尺度行人和非均勻行人分布場景的人群計數(shù)方法[D];華南理工大學(xué);2019年

5 成金庚;基于深度學(xué)習(xí)的人群密度估計及行為分析方法研究[D];國防科學(xué)技術(shù)大學(xué);2017年

6 汪順舟;基于人群密度預(yù)分類網(wǎng)絡(luò)的深度人群計數(shù)算法研究[D];上海應(yīng)用技術(shù)大學(xué);2018年

7 韓新怡;基于深度學(xué)習(xí)的人群密度估計算法研究[D];西安科技大學(xué);2018年

8 張君軍;智能監(jiān)控中人群密度估計算法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

9 賈翻連;基于視頻圖像的人群密度估計研究[D];山西大學(xué);2018年

10 張亞珠;室外場景人群密度監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D];華中科技大學(xué);2017年

本文編號：2814398