隨著社會經(jīng)濟(jì)的快速發(fā)展,人們的集體活動也不斷地增多,因人群擁塞導(dǎo)致人群踩踏事件也時而發(fā)生。因此,能夠?qū)矆鏊娜巳鹤龀鰷?zhǔn)確的估計,以防止危險事件的發(fā)生就成為了智能視頻監(jiān)控系統(tǒng)研究領(lǐng)域的重要任務(wù)。隨著計算機(jī)視覺技術(shù)研究的不斷發(fā)展,人群計數(shù)的準(zhǔn)確度也有了明顯的提高,而在實際的應(yīng)用中仍然存在許多挑戰(zhàn)。所謂人群計數(shù)是通過提取人群的分布特征進(jìn)行分析計算,通過深度學(xué)習(xí)圖像與圖像密度圖之間的映射關(guān)系,進(jìn)而達(dá)到人群密度估計的效果。人群計數(shù)研究主要存在兩方面挑戰(zhàn),一是在實際的圖像集中存在的多尺度特征不能被準(zhǔn)確提取,導(dǎo)致計數(shù)的準(zhǔn)確性不高;二是由于人群圖像中存在有復(fù)雜背景,出現(xiàn)人群目標(biāo)誤判結(jié)果。針對以上兩大問題,本文主要對人群計數(shù)算法進(jìn)行研究,研究內(nèi)容及創(chuàng)新點如下:1.針對圖像中存在多尺度特征無法被完整提取的問題,傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)首先提取圖像的全局特征,進(jìn)而對輸入的圖像集進(jìn)行下采樣的池化操作,這樣會導(dǎo)致部分人群信息的丟失。為解決該問題,本文在多列網(wǎng)絡(luò)結(jié)構(gòu)中添加了轉(zhuǎn)置卷積操作,保證了合并的特征大小相同,還能彌補(bǔ)之前池化導(dǎo)致的信息細(xì)節(jié)丟失的缺點。2.設(shè)計了由卷積分支和通道注意力單元組成的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),可... 

【文章來源】：河北農(nóng)業(yè)大學(xué)河北省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１人群計數(shù)面臨的主要挑戰(zhàn)??Ｆｉｇｕｒｅ?１－１?Ｍａｊｏｒ?ｃｈａｌｌｅｎｇｅｓ?ｆａｃｉｎｇ?ｐｏｐｕｌａｔｉｏｎ?ｃｏｕｎｔｉｎｇ??

?基于多尺度感知注意力網(wǎng)絡(luò)的人群計數(shù)算法研宄???神經(jīng)末梢??細(xì)胞核??圖２－１人類神經(jīng)元結(jié)構(gòu)??Ｆｉｇｕｒｅ?２－１?Ｈｕｍａｎ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??神經(jīng)元與神經(jīng)元之間有２０納米左右的縫隙，神經(jīng)元之間主要是依靠突觸進(jìn)??行相互傳遞信息，當(dāng)神經(jīng)元正處于興奮狀態(tài)時，突觸可以將此時的興奮狀態(tài)傳遞??給其它祌經(jīng)元。此外，人的智力高低并不是完全由遺傳決定，大部分由生活中的??學(xué)習(xí)經(jīng)驗而獲得的，人類通過不斷地學(xué)習(xí)訓(xùn)練使神經(jīng)元之間的突觸連接有著各式??各樣地記憶印痕，即突觸的可塑性原理。??２．?２．?２人工神經(jīng)網(wǎng)絡(luò)??神經(jīng)網(wǎng)絡(luò)又稱人工神經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ），人工神??經(jīng)網(wǎng)絡(luò)設(shè)計的數(shù)據(jù)計算模型與人腦的神經(jīng)網(wǎng)絡(luò)類似，是由一系列神經(jīng)元節(jié)點組??成，不同節(jié)點與不同節(jié)點之間的連接有著不同權(quán)重，權(quán)重的大小表示一個節(jié)點與??另一個節(jié)點的影響程度強(qiáng)弱。每個神經(jīng)元節(jié)點分別表示不同的特定函數(shù)表達(dá)式，??經(jīng)過權(quán)重計算后傳遞給其它神經(jīng)元節(jié)點，激勵函數(shù)輸出的興奮或者抑制結(jié)果，總??之，不同的神經(jīng)元的連接方式會組成不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，雖然我們可以容易地??構(gòu)造一個簡單的人工神經(jīng)網(wǎng)絡(luò)，但如何能讓網(wǎng)絡(luò)具備學(xué)習(xí)的能力卻是我們亟待解??決的問題，第一個具備學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)是赫布網(wǎng)絡(luò)，是一種無監(jiān)督的學(xué)習(xí)方??式，而機(jī)器學(xué)習(xí)思想主要以感知器的方式進(jìn)行學(xué)習(xí)，唯一的不足之處是無法擴(kuò)展??到多層神經(jīng)網(wǎng)絡(luò)，隨著科技發(fā)展進(jìn)步，后來反向傳播算法的產(chǎn)生，成功解決了多??層人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問題，直到現(xiàn)在反向傳播算法仍然十分流行。??神經(jīng)元作為網(wǎng)絡(luò)結(jié)構(gòu)中的基本組成單元，也是網(wǎng)絡(luò)中最基本的計算單元。一??

?基于多尺度感知注意力網(wǎng)絡(luò)的人群計數(shù)算法研宄???神經(jīng)末梢??細(xì)胞核??圖２－１人類神經(jīng)元結(jié)構(gòu)??Ｆｉｇｕｒｅ?２－１?Ｈｕｍａｎ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??神經(jīng)元與神經(jīng)元之間有２０納米左右的縫隙，神經(jīng)元之間主要是依靠突觸進(jìn)??行相互傳遞信息，當(dāng)神經(jīng)元正處于興奮狀態(tài)時，突觸可以將此時的興奮狀態(tài)傳遞??給其它祌經(jīng)元。此外，人的智力高低并不是完全由遺傳決定，大部分由生活中的??學(xué)習(xí)經(jīng)驗而獲得的，人類通過不斷地學(xué)習(xí)訓(xùn)練使神經(jīng)元之間的突觸連接有著各式??各樣地記憶印痕，即突觸的可塑性原理。??２．?２．?２人工神經(jīng)網(wǎng)絡(luò)??神經(jīng)網(wǎng)絡(luò)又稱人工神經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ），人工神??經(jīng)網(wǎng)絡(luò)設(shè)計的數(shù)據(jù)計算模型與人腦的神經(jīng)網(wǎng)絡(luò)類似，是由一系列神經(jīng)元節(jié)點組??成，不同節(jié)點與不同節(jié)點之間的連接有著不同權(quán)重，權(quán)重的大小表示一個節(jié)點與??另一個節(jié)點的影響程度強(qiáng)弱。每個神經(jīng)元節(jié)點分別表示不同的特定函數(shù)表達(dá)式，??經(jīng)過權(quán)重計算后傳遞給其它神經(jīng)元節(jié)點，激勵函數(shù)輸出的興奮或者抑制結(jié)果，總??之，不同的神經(jīng)元的連接方式會組成不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，雖然我們可以容易地??構(gòu)造一個簡單的人工神經(jīng)網(wǎng)絡(luò)，但如何能讓網(wǎng)絡(luò)具備學(xué)習(xí)的能力卻是我們亟待解??決的問題，第一個具備學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)是赫布網(wǎng)絡(luò)，是一種無監(jiān)督的學(xué)習(xí)方??式，而機(jī)器學(xué)習(xí)思想主要以感知器的方式進(jìn)行學(xué)習(xí)，唯一的不足之處是無法擴(kuò)展??到多層神經(jīng)網(wǎng)絡(luò)，隨著科技發(fā)展進(jìn)步，后來反向傳播算法的產(chǎn)生，成功解決了多??層人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問題，直到現(xiàn)在反向傳播算法仍然十分流行。??神經(jīng)元作為網(wǎng)絡(luò)結(jié)構(gòu)中的基本組成單元，也是網(wǎng)絡(luò)中最基本的計算單元。一??


本文編號：3396044