基于深度学习的视频人群计数系统

• 作者: 何小海 卿粼波 向东 吴晓红
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 人群计数 深度学习 模型压缩 NVIDIA Jeston TX2平台
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信号与信息处理、计算机与控制
• 页码范围: 515-519
• 页数: 5页
• 分类号: TN919.82
• 字数: 2179字
• 语种: 中文
• DOI: 10.11805/TKYDA2019234

摘要

人群自动计数问题在视频监控领域引起了广泛关注.近年来,卷积神经网络(CNN)模型在人群计数方面取得了良好效果.然而,当前对于基于深度学习的人群计数的研究主要停留在PC端上对单幅静止图片的人群计数,网络模型参数量巨大,网络结构复杂,消耗的计算资源巨大,难以部署于实际的监控视频人群计数系统.因此,本文采用深度学习的方法,通过对网络模型进行裁剪压缩,同时使用TensorRT对模型进行加速,在嵌入式平台上实现了接近实时的人群计数.提出的人群计数平均绝对误差(MAE)为21.6且平均每秒帧数(FPS)为22,在精确度和速度方面达到了一个很好的平衡,在嵌入式平台上运行速度较快,能达到实时的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何小海	四川大学电子信息学院	395	2334	21.0	30.0
2	吴晓红	四川大学电子信息学院	141	571	11.0	16.0
3	卿粼波	四川大学电子信息学院	181	565	11.0	15.0
4	向东	四川大学电子信息学院	32	186	4.0	13.0