近幾年來,隨著城鎮(zhèn)人口的急速增加,大規(guī)模人群聚集引發(fā)的公共安全事件越來越多,因此對人群人數(shù)進(jìn)行實(shí)時(shí)監(jiān)控在保障公共安全上具有重要意義。以往利用人工方式對視頻中的人群進(jìn)行監(jiān)控,不僅容易產(chǎn)生疲勞,而且由于人的主觀性,對人群人數(shù)估計(jì)不準(zhǔn)。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展,自動(dòng)從監(jiān)控視頻中獲取人群人數(shù)和人群分布規(guī)律成為可能,而且人群人數(shù)信息在商業(yè)、公共交通、城市管理等方面也具有很高的研究價(jià)值。人群圖像計(jì)數(shù)最大的難題在于人群環(huán)境復(fù)雜多變,而且人群中的人具有多視角,低分辨率和遮擋嚴(yán)重等問題。針對以上問題,給出了多尺度特征融合的對抗神經(jīng)網(wǎng)絡(luò)方法,網(wǎng)絡(luò)在利用不同大小的卷積核和一個(gè)池化濾波器提取不同尺度的淺層人群信息,然后利用殘差連接將深層和淺層人群特征進(jìn)行融合,提高網(wǎng)絡(luò)對小目標(biāo)的檢測能力,最后通過對抗方式進(jìn)行訓(xùn)練,指導(dǎo)模型生成高質(zhì)量的人群密度圖,從而實(shí)現(xiàn)對人群圖像的人群計(jì)數(shù)。本文在ShanghaiTech和UCF_CC₅0等兩個(gè)主要的人群計(jì)數(shù)數(shù)據(jù)集上進(jìn)行了一系列訓(xùn)練和測試。首先,在ShanghaiTech上設(shè)計(jì)了四個(gè)實(shí)驗(yàn),驗(yàn)證多尺度特征融合、深淺層次特征融合和對抗損失函... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)概念和技術(shù)
    2.1 深度學(xué)習(xí)
    2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.1 感知器
        2.2.2 多層感知器
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的組成
        2.3.3 批量歸一化
        2.3.4 激活函數(shù)
    2.4 對抗神經(jīng)網(wǎng)絡(luò)
    2.5 基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)過程
    2.6 本章小結(jié)
第三章 多尺度特征融合的對抗神經(jīng)網(wǎng)絡(luò)
    3.1 算法流程
    3.2 人群密度圖
    3.3 多尺度人群特征提取和融合結(jié)構(gòu)
        3.3.1 多尺度人群特征提取結(jié)構(gòu)
        3.3.2 層級間人群特征融合結(jié)構(gòu)
    3.4 網(wǎng)絡(luò)結(jié)構(gòu)
        3.4.1 生成器網(wǎng)絡(luò)
        3.4.2 判決器網(wǎng)絡(luò)
    3.5 損失函數(shù)
    3.6 本章總結(jié)
第四章 實(shí)驗(yàn)結(jié)果分析
    4.1 數(shù)據(jù)集介紹
        4.1.1 ShanghaiTech數(shù)據(jù)集
        4.1.2 UCF_CC_50數(shù)據(jù)集
    4.2 評價(jià)標(biāo)準(zhǔn)
    4.3 數(shù)據(jù)集預(yù)處理
    4.4 網(wǎng)絡(luò)參數(shù)設(shè)置
    4.5 訓(xùn)練步驟
    4.6 驗(yàn)證性實(shí)驗(yàn)
    4.7 與其它方法對比
    4.8 本章總結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 后期工作展望
致謝
參考文獻(xiàn)
攻讀碩士期間科研工作



本文編號：3724578