基于密度分类及组合特征的人数估计算法

• 作者: 姜子政 李海丰 范龙飞 陈新伟
• 来源期刊: 计算机应用研究
• 关键词: 人数估计 组合特征 特征选取 密度分类
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1891-1895
• 页数: 5页
• 分类号: TP391.4|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.06.065

摘要

为了克服不同人群密度及所采用特征对人数估计的影响,提出了一种基于人群密度分类及组合特征的人数统计算法,该算法包括离线特征组合选取和在线实时估计两个阶段.在离线阶段,选取密度阈值将图像样本分为高、低密度两类,然后通过实验方法选取最优的特征组合;在线估计阶段首先通过分类器将样本分为高、低密度两类,然后利用离线阶段选取的特征组合训练得到高斯模型,并分别对两类样本进行人数估计.实验结果表明,与不分高低密度相比,平均估计误差由10.6％降至8.1％;与目前主流的人数估计算法相比,该算法的平均估计误差也更小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范龙飞	中国民航大学计算机科学与技术学院	5	7	1.0	2.0
2	姜子政	中国民航大学计算机科学与技术学院	4	4	1.0	1.0
3	李海丰	中国民航大学计算机科学与技术学院	14	45	4.0	6.0
7	陈新伟	闽江学院福建省信息处理与智能控制重点实验室	7	6	1.0	2.0