资 源 简 介
智能监控领域，实现人群计数具有重要价值，针对人群尺度不一、人群密度分布不均及遮挡等问题，提出一种多尺度多任务卷积神经网络（ MMCNN）进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息，消除人群遮挡影响;其次通过构建多尺度卷积神经网络解决人群尺度不一问题，以多任务学习机制同时估计密度图及人群密度等级，解决人群分布不均问题;最后设计一种加权损失函数，提高人群计数准确率。在UCF_ CC 50和World Expo‘10数据库上进行了评估，验证了自适应人形核的有效性。实验结果表明：所提算法比Sindai等的方法在UCF_ CC_ 50数据库上平均绝对误差（MAE）数值和均方误差（MSE）数值分别降低约1.7 和45;与Zhang 等的方法（ZHANG Y， ZHOU D， CHEN s， et al. Single-image crowdcounting via mulTI-column convoluTIonal neural network. Proceedings of the 2016 IEEE Conference on Computer Vision andPattem RecogniTIon. W ashington， DC： IEE Computer Society， 2016： 589 - 597）相比，在World Expo’10数据库上所提算法的MAE值降低约1.5，且在真实公共汽车数据库上仅0~3人的计数误差，表明其实用性较强。
在智能监控领域，利用计算机技术进行人群计数对公共安全具有重要意义，譬如可以控制密集场景下的人群数目，防止发生拥挤或踩踏事件，并提供安全预警。此外，计数技术也可用于车辆计数从而进行交通疏导，估计水中微生物数目以分析水质状况等。
