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,過大的人群密度會因為難以控制而存在較大的安全隱患。人群密度估計是反映擁擠的靜態(tài)場景下人群的分布。它不僅局限于人群數(shù)值的簡單估計,還包括人群的密度分布圖。人群密度估計已經(jīng)逐漸成為當前計算機視覺領域一個關注的熱點�，F(xiàn)有的人群密度估計算法主要是基于深度卷積神經(jīng)網(wǎng)絡的目標檢測器來對人群密度進行估計。大部分都是以人群計數(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,本文設計了一種基于多分支擴張卷積塊的靜態(tài)場景人群密度估計網(wǎng)絡,并在此基礎上實現(xiàn)了從靜態(tài)單幅圖像中估計人群數(shù)量并生成高質(zhì)量密度圖的聯(lián)合任務。本文針對靜態(tài)場景人群密度估計的主要工作如下:（1）提出了一種有效的靜態(tài)場景人群密度估計網(wǎng)絡模型,綜合基于檢測和回歸策略的優(yōu)勢,對人群變化具有良好的適應性。同時采用多分支擴張卷積塊來聚合不同范圍的上下文信息,從而使得無論是對于目標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)出來良好的效果。（2）針對目前密度圖評價中峰值信噪比和結構相似性兩個最為主流的評價指標存在忽略空間上的相關信息的問題,我們引入了一... 

【文章來源】：江西師范大學江西省

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【部分圖文】：

人群的多種分布

圖 2-1 LeNet-5 網(wǎng)絡結構圖（引自 LeCun 的原文[30]）LeCun 等人提出的 LeNet-5 網(wǎng)絡是一個典型的卷積神經(jīng)網(wǎng)絡，其結構如圖 2-1所示�；� LeNet-5 的手寫數(shù)字識別系統(tǒng)在 90 年代被美國很多銀行使用，用來識別支票上面的手寫數(shù)字。在卷積神經(jīng)網(wǎng)絡中，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)絡采取的另一種措施來減少網(wǎng)絡參數(shù)是權值共享。將每個層部分神經(jīng)元相連的權重關系統(tǒng)一。例如假設上一層神經(jīng)元有 10經(jīng)元個數(shù)也為 100，下層神經(jīng)元中每個神經(jīng)元只與上層神經(jīng)元中

【參考文獻】：
期刊論文
[1]基于深度學習的語義分割問題研究綜述[J]. 張祥甫,劉健,石章松,吳中紅,王智.  激光與光電子學進展. 2019(15)
[2]彩色圖像分割方法綜述[J]. 林開顏,吳軍輝,徐立鴻.  中國圖象圖形學報. 2005(01)



本文編號：3131213