科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着国内社会的快速发展，大量人口聚集的生活工作的场所隐藏着诸多的安全隐患。因此，视频监控等图像技术手段成为了维护社会治安的重要手段，人群计数作为其中一项重要的技术也得到飞速发展，在公共安全、疫情管控、应急指挥等方面得到广泛应用。近些年，随着卷积神经网络技术的发展，基于深度学习的人群计数的精确度得到了极大的提升，但由于人群遮挡、目标尺度变化、目标分布不均匀等问题，人群计数仍有提升空间。为了进一步提升计数算法的性能，本文制作了人群密度图数据集Hbut，基于pytorch框架，分别在ShanghaiTech、Hbut数据集上对点对点网络进行测试，并使用评价指标对计数性能进行评估。经过在不同数据集的实验结果和相关对比发现，证明基于点对点的人群计数算法具有很高的计数精确度。
- 单位
