基于相似性度量的人群计数方法

朱宇斌

摘要：人群计数问题是计算机视觉领域的一个经典问题，旨在通过计算机的相关方法计算视频或图片场景中的人数，对控制关键场所人数、指挥公共交通、控制疫情蔓延、保障社会稳定具有重要积极意义。针对现有人群计数面临的背景干扰与目标遮挡问题，本文提出了基于相似性度量的人群计数方法。

关键词：人群计数;相似性度量;卷积神经网络

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）06-0179-02

1概述

整体来看，人群计数领域的方法主要有三大类[1] ：基于检测的方法、基于回归的方法和基于 CNN 的方法。在人群计数发展初期，人们想到如果能够使用 模型准确地检测出视频或图片中的每个目标，那么可以很好地计算总数。故而文献[2]提出了基于检测的方法。由于其准确性和模型性能受到图像分辨率低、目标大小不一、目标重叠模糊等因素的限制，文献[3]提出基于回归的模型进一步提 升了效果。但回归模型的相关方法仍然忽视了空间尺度的相关信息，仅仅得到一 个计数结果而不能学习到目标的分布，其结果缺乏可信度和可解释性。近年来， 基于 CNN 的方法模型能够提取出有效的空间尺度、纹理特征等深层信息，在复杂监控环境下的图片和视频数据上表现优异，成为该领域的一大研究热点。 图1表示人群计数领域的里程碑，标注了人群计数网络的简要发展过程。近几年大趋势是使用基于多列和单列的网络结构，结合目标定 位和目标追踪等额外技术来设计人群计数网络，这也是未来的发展方向。……