如何使用多尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人群計(jì)數(shù)的詳細(xì)資料說(shuō)明

　　智能監(jiān)控領(lǐng)域，實(shí)現(xiàn)人群計(jì)數(shù)具有重要價(jià)值，針對(duì)人群尺度不一、人群密度分布不均及遮擋等問(wèn)題，提出一種多尺度多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)（ MMCNN）進(jìn)行人群計(jì)數(shù)的方法。首先提出一種新穎的自適應(yīng)人形核生成密度圖描述人群信息，消除人群遮擋影響;其次通過(guò)構(gòu)建多尺度卷積神經(jīng)網(wǎng)絡(luò)解決人群尺度不一問(wèn)題，以多任務(wù)學(xué)習(xí)機(jī)制同時(shí)估計(jì)密度圖及人群密度等級(jí)，解決人群分布不均問(wèn)題;最后設(shè)計(jì)一種加權(quán)損失函數(shù)，提高人群計(jì)數(shù)準(zhǔn)確率。在UCF_ CC 50和World Expo‘10數(shù)據(jù)庫(kù)上進(jìn)行了評(píng)估，驗(yàn)證了自適應(yīng)人形核的有效性。實(shí)驗(yàn)結(jié)果表明：所提算法比Sindai等的方法在UCF_ CC_ 50數(shù)據(jù)庫(kù)上平均絕對(duì)誤差（MAE）數(shù)值和均方誤差（MSE）數(shù)值分別降低約1.7 和45;與Zhang 等的方法（ZHANG Y， ZHOU D， CHEN s， et al. Single-image crowdcounting via multi-column convolutional neural network. Proceedings of the 2016 IEEE Conference on Computer Vision andPattem Recognition. W ashington， DC： IEE Computer Society， 2016： 589 - 597）相比，在World Expo’10數(shù)據(jù)庫(kù)上所提算法的MAE值降低約1.5，且在真實(shí)公共汽車數(shù)據(jù)庫(kù)上僅0~3人的計(jì)數(shù)誤差，表明其實(shí)用性較強(qiáng)。

　　在智能監(jiān)控領(lǐng)域，利用計(jì)算機(jī)技術(shù)進(jìn)行人群計(jì)數(shù)對(duì)公共安全具有重要意義，譬如可以控制密集場(chǎng)景下的人群數(shù)目，防止發(fā)生擁擠或踩踏事件，并提供安全預(yù)警。此外，計(jì)數(shù)技術(shù)也可用于車輛計(jì)數(shù)從而進(jìn)行交通疏導(dǎo)，估計(jì)水中微生物數(shù)目以分析水質(zhì)狀況等。
?