浅析人群密度检测算法及其在机场的应用

关 华，万 好刘冬华

（广东机场白云信息科技有限公司，广东 广州 510470）

1 人群密度估计算法

人群密度估计算法的发展历程可归结为3个阶段：一是基于检测的方法。早期研究大部分集中在基于检测的方法，使用类似移动窗口的检测器来检测并统计人数。这些方法要求训练有素的分类器，从整个人体中提取低级特征，例如Haar 小波和HOG（方向梯度直方图）。然而，由于大多数目标对象被遮盖，它们在高度拥挤的场景上表现不佳。二是基于回归的方法。因基于检测的方法无法适用于高度拥挤的场景，学者们尝试研究基于回归的方法来学习提取自裁剪图像中特征之间的相互关系，以计算特定对象的数量，如图像的前景和纹理特征，被用于生成底层信息。Idrees 等人提出一种模型，利用傅里叶分析提取特征并实现基于SIFT（尺度不变特征变换）兴趣点的人群计数。三是基于密度估计的方法。由于卷积神经网络在分类和识别方面的成功，目前主流的方法是基于它来预测密度估计图。基于卷积神经网络生成密度估计图原理比较简单，但却能取得比基于检测的方法以及基于回归的方法更加优秀的性能。本文主要探讨基于卷积神经网络的机场人群密度估计算法设计及其在机场环境中的应用。

2 相关原理

基于卷积神经网络的人群密度估计算法，首先需要有训练图像和标签图像，然后训练一个非线性函数f，将人群图像x 映射到人群密度图像y，即

最后使……