在公共安全管理中,人群密度通常是需要考慮的重要因素之一,過(guò)大的人群密度會(huì)因?yàn)殡y以控制而存在較大的安全隱患。人群密度估計(jì)是反映擁擠的靜態(tài)場(chǎng)景下人群的分布。它不僅局限于人群數(shù)值的簡(jiǎn)單估計(jì),還包括人群的密度分布圖。人群密度估計(jì)已經(jīng)逐漸成為當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)關(guān)注的熱點(diǎn)。現(xiàn)有的人群密度估計(jì)算法主要是基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)器來(lái)對(duì)人群密度進(jìn)行估計(jì)。大部分都是以人群計(jì)數(shù)為主,忽略了密度分布圖的質(zhì)量,未能夠合理利用圖像中人群的空間分布信息。因此,本文設(shè)計(jì)了一種基于多分支擴(kuò)張卷積塊的靜態(tài)場(chǎng)景人群密度估計(jì)網(wǎng)絡(luò),并在此基礎(chǔ)上實(shí)現(xiàn)了從靜態(tài)單幅圖像中估計(jì)人群數(shù)量并生成高質(zhì)量密度圖的聯(lián)合任務(wù)。本文針對(duì)靜態(tài)場(chǎng)景人群密度估計(jì)的主要工作如下:（1）提出了一種有效的靜態(tài)場(chǎng)景人群密度估計(jì)網(wǎng)絡(luò)模型,綜合基于檢測(cè)和回歸策略的優(yōu)勢(shì),對(duì)人群變化具有良好的適應(yīng)性。同時(shí)采用多分支擴(kuò)張卷積塊來(lái)聚合不同范圍的上下文信息,從而使得無(wú)論是對(duì)于目標(biāo)尺寸較大且人群密度稀疏的環(huán)境,還是高度擁擠的人群流量,都表現(xiàn)出來(lái)良好的效果。（2）針對(duì)目前密度圖評(píng)價(jià)中峰值信噪比和結(jié)構(gòu)相似性兩個(gè)最為主流的評(píng)價(jià)指標(biāo)存在忽略空間上的相關(guān)信息的問(wèn)題,我們引入了一... 

【文章來(lái)源】：江西師范大學(xué)江西省

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人群的多種分布

圖 2-1 LeNet-5 網(wǎng)絡(luò)結(jié)構(gòu)圖（引自 LeCun 的原文[30]）LeCun 等人提出的 LeNet-5 網(wǎng)絡(luò)是一個(gè)典型的卷積神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如圖 2-1所示。基于 LeNet-5 的手寫(xiě)數(shù)字識(shí)別系統(tǒng)在 90 年代被美國(guó)很多銀行使用，用來(lái)識(shí)別支票上面的手寫(xiě)數(shù)字。在卷積神經(jīng)網(wǎng)絡(luò)中，一般由輸入層、中間隱藏層以及

圖 2-5 局部感受野示意圖積神經(jīng)網(wǎng)絡(luò)采取的另一種措施來(lái)減少網(wǎng)絡(luò)參數(shù)是權(quán)值共享。將每個(gè)層部分神經(jīng)元相連的權(quán)重關(guān)系統(tǒng)一。例如假設(shè)上一層神經(jīng)元有 10經(jīng)元個(gè)數(shù)也為 100，下層神經(jīng)元中每個(gè)神經(jīng)元只與上層神經(jīng)元中

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的語(yǔ)義分割問(wèn)題研究綜述[J]. 張祥甫,劉健,石章松,吳中紅,王智.  激光與光電子學(xué)進(jìn)展. 2019(15)
[2]彩色圖像分割方法綜述[J]. 林開(kāi)顏,吳軍輝,徐立鴻.  中國(guó)圖象圖形學(xué)報(bào). 2005(01)



本文編號(hào)：3131213