基于深度特征的人群密度估計方法

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

近年來，由人群聚集引起的安全事故頻發，為了預防類似問題，許多國家出臺了相關的安防政策予以應對。此外，對人群的分析也逐漸成為各國企業和研究者關注的重點。其中，人群密度估計是人群分析中十分重要的一部分。

人群密度估計是指對圖像或視頻幀中的一定區域內所包含的人數進行估計，通過人群密度情況來反映該區域內的人群聚集情況。人群密度估計問題一般使用人群密度等級分類的方式予以解決，其大致步驟為：首先，通過對人群圖像中一定區域進行人群特征提取；然后，利用提取的特征訓練分類器；最后，使用訓練得到的分類器對給定圖像的人群密度等級進行劃分。

1 相關工作

在人群密度估計領域，已經有許多人進行了相關的研究，并提出了一些解決方法。這些方法主要可分為兩類：基于像素特征的人群密度估計方法以及基于紋理特征的人群密度估計方法。

基于像素特征的人群密度估計方法，一般通過統計人群像素點的數量，并計算像素點在圖像中所占的像素比進行人群密度估計。Chow等[1]提出先分別獲取人群前景像素值占圖像總像素值的比例，邊緣像素值、背景像素值占圖像總像素值的比例，并對這三個特征值使用神經網絡進行訓練，得到對應的人群密度分類器。人群圖像中存在陰影會使得該方法估計得到的人群密度有偏差。為了解決人群圖像中的陰影對人群密度估計的影響，Ma等[2]提出對人群圖像的不同前景賦予不同權重，來進行射影畸形矯正，以此提高人群密度估計的準確率。……