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。
科研之友
微信
新浪微博
Facebook
分享链接
