| 基于残差神经网络改进的密集人群计数方法 |
| |
| 引用本文： | 史劲霖,周良辰,闾国年,林冰仙.基于残差神经网络改进的密集人群计数方法[J].地球信息科学,2021,23(9):1537-1547. |
| |
| 作者姓名： | 史劲霖 周良辰 闾国年 林冰仙 |
| |
| 作者单位： | 1. 南京师范大学地理科学学院,南京 2100232. 江苏省地理信息资源开发与利用协同创新中心,南京 2100233. 南京师范大学 虚拟地理环境教育部重点实验室,南京 210023 |
| |
| 基金项目： | 国家重点研发计划项目子课题(2017YFB0503503) |
| |
| 摘 要： | 为避免密集人群踩踏事件发生,从监控图像中准确获取密集人群人数信息非常重要。针对密集人群计数难度大、人群目标小、场景尺度变化大等特点,本文提出一种新型神经网络结构VGG-ResNeXt。本网络使用VGG-16的前10层作粗粒度特征提取器,使用改进的残差神经网络作为细粒度特征提取器。利用改进的残差神经网络“多通道,共激活”的特点,使得单列式人群计数神经网络获得了多列式人群计数网络的优点（即从小目标、多尺度的密集人群图像中提取更多人群特征）,同时避免了多列式人群计数网络训练难度大、结构冗余等缺点。实验结果表明本模型在UCF-CC-50数据集、ShangHaiTech B数据集和UCF-QNRF数据集中取得了最高精度,MAE指标分别优于其他同期模型7.5%、18.8%和2.4%,证明了本模型的在计数精度方面的有效性。本研究成果可以有效帮助城市管理,有效缓解公安疏导压力,保障人民生命财产安全。
|
| 关 键 词： | 图像 密集人群 人群计数 特征提取 神经网络 单列式神经网络 改进残差结构 |
| 收稿时间： | 2020-10-15 |
Improved Dense Crowd Counting Method based on Residual Neural Network |
| |
| SHI Jinlin,ZHOU Liangchen,LV Guonian,LIN Bingxian.Improved Dense Crowd Counting Method based on Residual Neural Network[J].Geo-information Science,2021,23(9):1537-1547. |
| |
| Authors: | SHI Jinlin ZHOU Liangchen LV Guonian LIN Bingxian |
| |
| Institution: | 1. School of Geography Science, Nanjing Normal University, Nanjing 210023, China2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development andApplication, Nanjing 210023, China3. Key Laboratory of Virtual Geographic Environment, Nanjing Normal University, Ministry of Education, Nanjing 210023, China |
| |
| Abstract: | |
| |
| Keywords: | images dense crowd crowd counting feature extraction neural networks single column-based CNN improved ResNet |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《地球信息科学》浏览原始摘要信息 |
| 点击此处可从《地球信息科学》下载免费的PDF全文 |
|
