基于多任务全卷积网络的人流监测系统
韦蕊1
彭天亮2
1.西安培华学院 西安7101252.江西省水信息协同感知与智能处理重点实验室南昌工程学院 南昌330099
摘要：由于尺度变化问题,对图片中的人流数量进行估计具有较大的挑战,随着深度学习的发展,现有一些基于多列或多网络的神经网络模型来提取尺度相关的特征,以提升密度估计的精度,但是,这些模型在进行优化训练时较为复杂,且需要消耗巨大的计算资源.鉴于此,本文提出了一种多任务全卷积网络来进行人流数量的估计,基于不同尺度的卷积操作,可以提取到尺度相关的特征,并同时对人流密度和人数进行估计,提高数据的使用效率,进而实现对高密度人流的估计.实验表明,所提的模型具有较好的精度和较高的鲁棒性.
关键词：多任务全卷积神经网络人流密度估计人流监测
分类号：TP391(计算技术、计算机技术)
资助基金：江西省教育厅项目(GJJ161132)国家自然科学基金(61701215)
论文发表日期：2018-03-02
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 489-491,500 )
英文信息