隨著經(jīng)濟(jì)的不斷增長,集體活動(dòng)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(shí)地對公共場所的人群密度做出準(zhǔn)確估計(jì)以避免危險(xiǎn)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(jì)是通過提取人群的分布特征進(jìn)行分析計(jì)算,從而估算出密度分布并進(jìn)行人群計(jì)數(shù)的任務(wù)。而實(shí)際場景轉(zhuǎn)換為圖片數(shù)據(jù)集時(shí),會(huì)因?yàn)榇嬖诙喑叨忍卣鞫鵁o法被準(zhǔn)確提取,導(dǎo)致估算的準(zhǔn)確性下降的問題�，F(xiàn)存的人群密度估計(jì)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(jìn)行特征提取,最后平均融合得到計(jì)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(huì)對輸入圖片進(jìn)行下采樣,這樣會(huì)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(jì)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(jì)算法。場景自適應(yīng)人群密度估計(jì)算法以深度卷積網(wǎng)絡(luò)為載體,利用擴(kuò)張卷積對輸入的人群場景圖進(jìn)行特征提取,在保持參數(shù)個(gè)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(huì)增大計(jì)算量,同時(shí)也可以保證輸出的特征映射(feature map)的大小保持不變。此外擴(kuò)張卷積在上下文模型中通過設(shè)置不同大小的擴(kuò)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(huì)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(huì)平均融合每個(gè)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(jì)結(jié)果準(zhǔn)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(shí)的密度分布,極大地提高了密度估計(jì)的準(zhǔn)確性。場景自適應(yīng)人群密度估計(jì)算法提出利用擴(kuò)張卷積在不損失分辨率的情況下對輸入圖像進(jìn)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(huì)丟失部分人群信息,且平均融合方式會(huì)使多尺度效應(yīng)平均化,使人群密度估計(jì)不準(zhǔn)確的問題。實(shí)驗(yàn)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(jìn)行準(zhǔn)確計(jì)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(biāo)簽進(jìn)行網(wǎng)絡(luò)的訓(xùn)練,使網(wǎng)絡(luò)的預(yù)測結(jié)果更加準(zhǔn)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(xiàn)】

相關(guān)期刊論文 前10條

1 安曦寧;;基于改進(jìn)混合高斯模型的人群密度估計(jì)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(jì)方法研究[J];中國人民公安大學(xué)學(xué)報(bào)(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(jì)[J];電子測試;2012年05期

4 郭森;盧鑫;;應(yīng)用雙目攝像機(jī)進(jìn)行人群密度估計(jì)[J];計(jì)算機(jī)與數(shù)字工程;2012年08期

5 沈娜;黎寧;常慶龍;;基于改進(jìn)混合高斯模型的人群密度估計(jì)方法[J];計(jì)算機(jī)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(jì)[J];微計(jì)算機(jī)信息;2008年34期

7 禹明娟;張英烈;陳臨強(qiáng);;醫(yī)院監(jiān)控場景下的人群密度估計(jì)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(jì)[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(jì)快速方法[J];計(jì)算機(jī)與數(shù)字工程;2011年04期

10 唐清;王知衍;嚴(yán)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(jì)方法[J];計(jì)算機(jī)應(yīng)用研究;2010年03期

相關(guān)會(huì)議論文 前5條

1 方曼;姚曉暉;李劍峰;;社會(huì)重大活動(dòng)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(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

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

3 廖尉辰;鄭小平;;基于通行效率的驗(yàn)票臺(tái)設(shè)置研究[A];第六屆（2011）中國管理學(xué)年會(huì)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(huì)2008年學(xué)術(shù)年會(huì)論文集[C];2008年

5 周海平;蔡紹洪;;動(dòng)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(huì)議論文集[C];2006年

相關(guān)重要報(bào)紙文章 前8條

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

2 李永明;降低人群密度 促成有序流動(dòng)[N];人民公安報(bào);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(bào);2015年

4 記者龔雯;各地啟動(dòng)黃金周旅游保障機(jī)制[N];人民日報(bào);2003年

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

6 龔雯;鎖定“健康旅游”[N];人民日報(bào);2003年

7 李曉江 中國城市規(guī)劃設(shè)計(jì)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(bào);2015年

8 記者 王小潤;各地啟動(dòng)旅游保障機(jī)制[N];光明日報(bào);2003年

相關(guān)博士學(xué)位論文 前4條

1 葉子;基于視覺計(jì)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(shí)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(dòng)力學(xué)實(shí)驗(yàn)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(jì)[D];西安科技大學(xué);2019年

2 孫永超;小規(guī)模人群密度估計(jì)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(jì)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(jì)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(jì)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(jì)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(jì)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(jì)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(jì)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(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2017年

本文編號(hào)：2814398