基于多任务全卷积网络的人流监测系统

• 作者: 彭天亮 韦蕊
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 多任务全卷积神经网络 人流密度估计 人流监测
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 系统结构
• 页码范围: 489-491,500
• 页数: 4页
• 分类号: TP391
• 字数: 2216字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.03.014

摘要

由于尺度变化问题,对图片中的人流数量进行估计具有较大的挑战,随着深度学习的发展,现有一些基于多列或多网络的神经网络模型来提取尺度相关的特征,以提升密度估计的精度,但是,这些模型在进行优化训练时较为复杂,且需要消耗巨大的计算资源.鉴于此,本文提出了一种多任务全卷积网络来进行人流数量的估计,基于不同尺度的卷积操作,可以提取到尺度相关的特征,并同时对人流密度和人数进行估计,提高数据的使用效率,进而实现对高密度人流的估计.实验表明,所提的模型具有较好的精度和较高的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韦蕊		8	3	1.0	1.0
2	彭天亮	江西省水信息协同感知与智能处理重点实验室南昌工程学院	3	2	1.0	1.0