基于序的空间金字塔池化网络的人群计数方法

被引：38
|
作者：
时增林
叶阳东
吴云鹏
娄铮铮
机构：
[1] 郑州大学信息工程学院
来源：
自动化学报 | 2016年 / 42卷 / 06期
关键词：
人群计数; 空间金字塔池化; 深度学习; 卷积神经网络; 岭回归;
D O I：
10.16383/j.aas.2016.c150663
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
视频中的人群计数在智能监控领域具有重要价值.由于摄像机透视效果、图像背景、人群密度分布不均匀和行人遮挡等干扰因素的制约,基于底层特征的传统计数方法准确率较低.本文提出一种基于序的空间金字塔池化(Rank-based spatial pyramid pooling,RSPP)网络的人群计数方法.该方法将原图像分成多个具有相同透视范围的子区域并在各个子区域分别取不同尺度的子图像块,采用基于序的空间金字塔池化网络估计子图像块人数,然后相加所有子图像块人数得出原图像人数.提出的图像分块方法有效地消除了摄像机透视效果和人群密度分布不均匀对计数的影响.提出的基于序的空间金字塔池化不仅能够处理多种尺度的子图像块,而且解决了传统池化方法易损失大量重要信息和易过拟合的问题.实验结果表明,本文方法相比于传统方法具有准确率高和鲁棒性好的优点.
引用
收藏
页码：866 / 874
页数：9
相关论文
共 4 条
  • [1] Crowd counting in public video surveillance by label distribution learning[J] . Zhaoxiang Zhang,Mo Wang,Xin Geng.Neurocomputing . 2015
  • [2] Deep Convolutional Neural Networks for Large-scale Speech Tasks[J] . Tara N. Sainath,Brian Kingsbury,George Saon,Hagen Soltau,Abdel-rahman Mohamed,George Dahl,Bhuvana Ramabhadran.Neural Networks . 2015
  • [3] An evaluation of crowd counting methods, features and regression models[J] . David Ryan,Simon Denman,Sridha Sridharan,Clinton Fookes.Computer Vision and Image Understanding . 2014
  • [4] A viewpoint invariant approach for crowd counting .2 Kong D,Gray D,Hai Tao. 18th International Conference on Pattern Recognition . 2006
1