隨著全球城市化進(jìn)程的推進(jìn),智能監(jiān)控逐漸成為了計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn),人群計(jì)數(shù)問(wèn)題作為智能監(jiān)控的核心問(wèn)題之一,在人群限流引流等應(yīng)用場(chǎng)景中具有重大意義。目前人群計(jì)數(shù)的研究工作已取得了較大進(jìn)展,然而在不同場(chǎng)景下,在解決人群圖像尺度不一致的問(wèn)題方面的研究,仍然具有較大的挑戰(zhàn)。近年來(lái),深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)研究領(lǐng)域中取得了突出的成績(jī)。其在圖像特征與模型泛化上突出的表現(xiàn),有效解決了復(fù)雜背景下人群計(jì)數(shù)的特征提取問(wèn)題。為了提取與尺度相關(guān)的特征,目前基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)模型均采用了多列或多網(wǎng)絡(luò)的結(jié)構(gòu),但此類結(jié)構(gòu)存在訓(xùn)練模型參數(shù)量大等問(wèn)題。為了有效解決人群計(jì)數(shù)中與尺度相關(guān)特征的提取問(wèn)題,本文提出一種多層級(jí)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),通過(guò)在單列卷積神經(jīng)網(wǎng)絡(luò)上增加多尺度卷積模塊,提取網(wǎng)絡(luò)中多尺度的特征。同時(shí),為了解決高密度的人群圖像中小目標(biāo)檢測(cè)問(wèn)題,算法采用多層級(jí)卷積神經(jīng)網(wǎng)絡(luò),將全局特征和局部特征不同尺度的特征進(jìn)行融合。由于低層卷積層的卷積核的感受野不大,低層卷積層的特征包含了更多小目標(biāo)物體的特征信息。多層級(jí)卷積神經(jīng)網(wǎng)絡(luò)包含了低層級(jí)卷積層細(xì)節(jié)特征和高層級(jí)的語(yǔ)義特征。通過(guò)在高層語(yǔ)義特征中融入低層細(xì)節(jié)信息提升... 

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 人群密度估計(jì)的國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 引言
        1.2.2 基于檢測(cè)的人群計(jì)數(shù)方法
        1.2.3 基于回歸的人群計(jì)數(shù)方法
    1.3 論文研究?jī)?nèi)容與組織結(jié)構(gòu)
        1.3.1 論文的主要工作與創(chuàng)新點(diǎn)
        1.3.2 論文的組織結(jié)構(gòu)
第2章 相關(guān)研究算法綜述
    2.1 深度學(xué)習(xí)簡(jiǎn)述
        2.1.1 神經(jīng)元
        2.1.2 常用激活函數(shù)
        2.1.3 前饋神經(jīng)網(wǎng)絡(luò)
        2.1.4 反向傳播算法
        2.1.5 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)方法
        2.2.1 直接回歸人數(shù)的卷積神經(jīng)網(wǎng)絡(luò)模型
        2.2.2 間接回歸人群密度的卷積神經(jīng)網(wǎng)絡(luò)模型
    2.3 生成對(duì)抗網(wǎng)絡(luò)模型
    2.4 本章小結(jié)
第3章 基于多尺度生成對(duì)抗網(wǎng)絡(luò)的人群計(jì)數(shù)方法
    3.1 人群場(chǎng)景高斯核密度圖
    3.2 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)人群計(jì)數(shù)模型
        3.2.1 多尺度卷積模塊
        3.2.2 多層級(jí)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型
    3.3 多尺度生成對(duì)抗網(wǎng)絡(luò)(MS-GAN)
        3.3.1 對(duì)抗網(wǎng)絡(luò)訓(xùn)練方式
        3.3.2 人群密度圖內(nèi)容損失函數(shù)
        3.3.3 對(duì)抗損失函數(shù)
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果比較與分析
    4.1 人群密度估計(jì)實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)
    4.2 訓(xùn)練參數(shù)設(shè)置
    4.3 人群計(jì)數(shù)數(shù)據(jù)集
        4.3.1 UCF_CC_50 數(shù)據(jù)集
        4.3.2 ShanghaiTech part-B數(shù)據(jù)集
        4.3.3 UCSD數(shù)據(jù)集
        4.3.4 Mall數(shù)據(jù)集
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝



本文編號(hào)：3677667