文章摘要:为了进行商业区人群流动分析，或避免诸如人群踩踏等公共安全事件的发生，通常采用的方法是统计监控图像中的人数信息，从而达到提前预警的效果。由于传统依靠人力计数的方法经常会出现误检漏检的情况并且所需成本较高，故基于密度图的人群计数方法应运而生。针对人群计数领域存在的多尺度变化以及复杂背景干扰问题，提出了一种基于上下文注意力密度图融合的人群计数网络（Network based on Context Attention Density Map Fusion，CADMFNet）。首先，以VGG16的部分卷积层为前端网络，引入上采样融合模块（Up-sampling Fusion Module ，UFM），实现上下文特征融合。其次，使用不同膨胀率的膨胀卷积作为后端网络，生成高质量的中间密度图。最后，采用上下文注意力模块（Context Attention Module ，CAM），从中间密度图中提取出更为精细的最终密度图。在三个对应不同人群密度等级的公开数据集上进行实验，该网络取得了近乎最优的结果；数据集密度由高到低依次为UCF＿CC＿50、ShanghaiTech Part A、ShanghaiTech Part B、Mall。在上述各数据集上的MAE依次为238.3、62.2、7.9、1.31，RMSE依次为363.1、100.6、12.1、1.59。对比CSRNet模型，该网络在UCF＿CC＿50、ShanghaiTech Part A、ShanghaiTech Part B数据集的实验中，MAE与RMSE均下降了8%以上，初步验证了模型的准确性和鲁棒性。

文章关键词:

项目基金: 上一篇：计算机硬件技术论文_电子信息技术在计算机工程
下一篇：没有了