多尺度特征融合的对抗神经网络人群计数算法

韩 萍，刘占锋，贾云飞，牛勇钢

（中国民航大学电子信息与自动化学院，天津 300300）

中国民用航空局公布数据显示，2009—2019年近10年内中国民航运输机场旅客吞吐量增长到2.78倍，达到了13.5 亿人次[1]。机场旅客吞吐量逐年增加，航站楼旅客大密度聚集现象频现，若遭遇一些特殊情况，如航班大面积延误，容易发生拥挤踩踏等突发事件。如果能对高密度人群提前预警，采取预防措施并安放必要的警示标志，可减少类似事件的发生。但在复杂的人群环境下，存在人群图像分辨率低、遮挡严重和多尺度等问题，给人群计数带来了巨大挑战。

传统的人群计数法主要包括检测和回归两类。检测法主要是检测人的特殊部位，如头、肩等[2-4]，此类方法可检测出人体的位置信息，稀疏场景下，该类方法准确率较高，但不适合高密度人群。回归法则是建立人群特征和人群人数的映射关系，基本思想是提取图像的一些特征信息，如纹理信息、关键点特征[5]、人群像素点区域[6]、人群密度直方图[7]等，然后通过回归模型，建立人群特征和人群人数的映射关系，该类方法对特定环境有效，如拍摄角度固定、背景环境相同或人群稀疏，但对于复杂的人群环境并不适用。最近许多学者将人工神经网络应用到人群计数中[8-10]，将人群图像映射成人群密度图的形式进行人群计数。常用的人工神经网络算法较以往算法在人数估计准确率上有所提高，但仍存在特征提取困难和特征融合不完全等问题。……