人群密度估计现状与发展趋势探讨

钮嘉铭

武警工程大学信息工程学院 陕西 西安 710086

1 传统方法

1.1 基于检测的方法

在早期的研究中，人们主要采用基于检测的方法。根据采用的检测器的不同，可以将其分为整体检测法与部件检测法两种方法。Li等人[1]考虑到头部形状的变化对任务的不利影响，采用结合了头部与肩部的检测器来从分割出来的前景中检测人体并进行计数。Zhao等人[2]进一步使用3D模型对人体进行建模，并在此基础上得到人群计数结果。

1.2 基于回归的方法

基于回归的方法在进行训练时跳过检测直接学习从图像到人群计数的映射。其通常分特征提取与回归建模两步来进行。Davies等人经分析得出人群密集程度与图像前景及边缘像素的个数成正比，并进一步设计了基于像素的回归方法来估计密度。Marana等人认为人群密度与图像纹理特征也存在一定关系，并引入了灰度共生矩阵来对图像的纹理特征进行描述。

1.3 基于密度估计的方法

基于密度估计的方法不仅可以一定程度上消除遮挡与背景杂波的影响，而且也能解决回归模型无法得到人群空间信息的问题。Lemptisky等人[3]通过学习局部特征与密度图之间的线性映射将空间信息引入到密度估计模型中。Pham等人利用随机森林建立了图像与密度图之间的非线性映射，取得了不错的结果。

2 基于CNN的方法

传统方法特别是基于密度估计的方法使人群密度估计任务的效果得到了提升，但是其使用的特征往往受制于人工提取烦琐复杂的缺点，无法适应尺度变化、光照变化及透视失真等干扰的影响。……