一种改进的轻量人头检测方法

高玮军，师 阳，杨 杰，张春霞

兰州理工大学 计算机与通信学院，兰州730050

随着人口数量的增多，尤其是在商场、火车站等人口密集的公共区域，容易引起人员拥堵、推搡踩踏等安全事故。通过视频监控实时统计公共场所的人数，政府部门可以及时安排公安消防等人员对人流进行疏散和引导，可以有效预防及减少突发性的安全问题。

现有的密集人数统计方法概括为以下两种实现途径[1]：基于回归的人数统计方法和基于检测的人数统计方法。

一种常用的人数统计方法是基于输入图像预测密度图训练回归模型，以像素为单位取整个密度图的总和来预测最终人数。Zhang等[2]设计了一种简单有效的多列卷积神经网络MCNN，从任意密度和任意视角准确估计单幅图像中的人数。Li 等[3]设计了一个更深的网络CSRNet，引入膨胀卷积层作为后端部署，以扩大感受野并提取更深的特征。Jiang等[4]提出的基于Trellis编解码器网络TEDNet。这些算法已经取得非常好的结果，但缺点是对于输入图像的分辨率非常敏感，且不考虑密度映射中计数贡献来自何处的位置，无法精准定位。

另一种常用的人数统计方法是基于检测的方法。将图像直接输入到经过预先训练的目标检测框架中进行分类，计算出类别为人的边界框数量，以获得最终的人数。现有的检测算法分为以下两大类：一类是两阶段检测算法，典型代表为R-CNN[5]、Fast-RCNN[6]、Faster-RCNN[7]等；另一类是一阶段检测算法，典型代表为SSD[8]、YOLO[9]等。但是通过检测统计人数通常将整个人体作为检测对象，由于高矮不一、胖瘦不均等原因，在人口密集的公共区域很容易出现高遮挡情况导致检测结果不佳。……