基于级联CNN的疏散场景中人群数量估计模型

作者：邓青; 张博; 李宜豪; 周亮; 周正青; 蒋慧灵^*; 高扬^*

来源：清华大学学报, 2023, 63(01): 146-152.

DOI：10.16511/j.cnki.qhdxxb.2022.21.029

• 人群数量估计
• 疏散通道
• 级联卷积神经网络
• 图像识别

对疏散场景中的人员数量进行准确估计，能为疏散路径的实时优化和应急资源的调度提供决策支持。为了获取疏散通道上不同区域的人员数量，该文在对已有方法分析和总结的基础上，通过设置分类情况和人员密度层级相联，建立了基于级联卷积神经网络(CNN)的人员数量估计模型，可有效避免卷积过程中部分图像信息丢失及过拟合的产生。通过学习图像中人员数量、位置随着图像特征变化的关系，可估计疏散通道上实时监控画面中人员数量。基于PyTorch深度学习平台开发，模型最终在验证集(612张图像)和测试集(182张图像)上的识别准确度分别为84.2%和83.6%,说明该模型可以比较准确地估计监控画面中的疏散人员数量。

• 单位
  北京科技大学; 清华大学