基于卷积神经网络和密度分布特征的人数统计方法

• 作者: 李翔鹏 郭继昌
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: Caffe 卷积神经网络 人数统计 密度分布特征
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 通信与信息工程
• 页码范围: 806-813
• 页数: 8页
• 分类号: TN919.8
• 字数: 6176字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2018.06.002

摘要

在行人监控视频中,由于行人遮挡、场景光照变化,人群分布不均等因素的影响使得现有方法难以准确统计视频中人数.针对该问题,提出一种基于卷积神经网络和密度分布特征的人数统计方法.该方法首先将场景中的人群依据密度进行划分;对稀疏人群,使用Retinex算法将场景去噪后转换至HSV空间中对行人位置进行预判,并使用栅极损失函数分块训练卷积神经网络提取行人特征,实现对遮挡行人局部位置的识别;对密集人群,提取人群密度分布特征并使用多核回归函数估计人群数量.该算法在PETS2009、UCSD等数据集上进行了测试,实验结果表明所提算法具有更好的统计精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭继昌	天津大学电气自动化与信息工程学院	77	735	14.0	24.0
2	李翔鹏	天津大学电气自动化与信息工程学院	3	94	3.0	3.0