适应多场景的客流量统计-人流量统计算法
在商场、展厅、景区等受人流量影响较大的场所,流量统计算法可以快速获取流量数据和动态趋势,辅助评估店铺和部分活动的效果,帮助商业决策。另外,在地铁站、火车站、机场等公共场所。实时检测人数可以及时预警高密度人群,实施分流限流等措施,减少安全事故的发生。更多图像识别的应用与算法汇总算法见文章:https://www.quickconn.net.cn/#/insight/showPaper.html?paperId=54
![](/assets/blank.gif)
图1 人流量统计效果
下面汇总一些效果较好的人流量统计算法。
CrowdNet: A Deep Convolutional Networkfor Dense Crowd Counting
B. Lokesh和S. Srinivas等人提出了一个新的深度学习框架,用于从高度密集的静态图像中估计人群密度人群。他们使用结合了深度、浅度的完全卷积网络,来预测一个给定人群图像的密度图。这样的组合被用来有效地捕捉高层次的语义信息 (脸部/身体检测器)和低层次的特征(圆点检测器)。由于大规模人群数据集的训练样本有限,并且基于深度学习的方法需要大量的训练数据,因此,作者进行了多尺度的数据增强。训练样本的增加这种方式有助于引导CNN学习尺度不变的表征。研究方法在具有挑战性的UCF CC 50数据集上进行了测试,结果显示优于其他baselines方法。
![](/assets/blank.gif)
图2 拟议的人群计数架构概述
基于计数的扩增:增强训练训练样本,以支持高度密集的斑块,被观察到的是有效地缓解了大型人群中缺乏足够训练样本的问题。以这种方式对最难的褶皱进行扩增,几乎可以将训练样本的数量增加一倍。最难的折叠几乎使补丁的数量增加了一倍,从26385个增加到50891个。图3中显示了这种增强的数量优势。
![](/assets/blank.gif)
图3 五个最难褶皱中的增加数据效果
Boosting Crowd Counting via MultifacetedAttention
Hui LIN和Zhiheng MA等人提出了一个多面注意网络(MAN),以改善转化器模型在局部空间上的表现。MAN结合了来自香草的全局注意变换器的全局注意力、可学习的局部注意力和实例注意力纳入一个计数模型。
![](/assets/blank.gif)
图4 多方面注意网络的框架
首先,研究者提出了局部可学习区域注意(LRA),为每个特征位置动态地分配专属注意。其次,他们设计了局部注意正则化,然后,通过最小化不同特征位置的注意力之间的偏差,来监督LRA的训练。
![](/assets/blank.gif)
图5 局部注意正则化概述
最后,作者提供了一个实例attention来在训练过程中动态地关注最重要的实例。然后,在四个具有挑战性的人群计数数据集上进行了广泛的实验,即ShanghaiTech, UCFQNRF, JHU++和NWPU,验证了提出的方法。
![](/assets/blank.gif)
图6 与其他具有挑战性的数据集比较
Multi-Scale Attention Network for CrowdCounting
Rahul Rama Varior和Bing Shuai等人提出了一种新型的多分支标度器注意力网络,利用CNN的层次结构,在一次前向传递中,从结构的不同层生成多标度密度预测。为了将这些地图汇总到研究的最终预测中,提出了一个新的soft attention mechanism,它可以学习一组门控掩码。此外,研究者引入了一个尺度感知的损失函数来规范不同分支的训练,并引导它们在特定的尺度上进行专业化训练。由于这种新的训练需要对每个头的大小进行注释,还提出了一种简单而有效的技术来自动估计它们。
![](/assets/blank.gif)
图7 模型的多分支结构
图8展示了由模型过程中产生的注意力掩码,网络为每个分支学习了独特的注意力掩码。一般来说,M3对大尺寸的人和背景区域有较高的权重,而M1对小尺寸的人给予较高的权重。有趣的是,如果没有尺度意识-损失正则化,面具学会了主要关注由分支3预测的密度图(即M3中的红色区域)。另一方面,当使用尺度意识到的损失时,M1和M2分别对小型和中型的人得到更高的权重。这表明了使用正则化的重要性,以帮助各分支更好地适应其规模的重要性。
![](/assets/blank.gif)
图8 分支1-3注意力掩码和密度图
最后,研究者提出了对这些组件中的每一个的消融实验,并将他们的方法与4人群计数数据集进行了比较:UCF-QNRF、ShanghaiTech A & B和UCF CC 50。作者提出的方法在所有数据集上都达到了最先进的水平,并且在UCF-QNRF上有显著的改进(误差减少25%)。
适应多场景的客流量统计-人流量统计算法相关推荐
- 2020年5月第一次presentation:讲的是人流量预测算法ST-ResNet
整理电脑文件时发现研究生第一次做报告的稿子,在此分享一下.对于初学者而言,特别是不善于阅读文献且阅读量寥寥无几的情况下,做一个非常棒深层次的报告是有难度的.是的,我就是这类学生.从师兄给六篇实验室相关 ...
- 用百度ai的人流量统计(动态版)来统计固定场景的人流
这里简单的记录下怎么用这个百度ai来统计人流量,也在网上找了很多的多目标追踪的方法,都不是太理想,百度这个算好的了,但是由于我的摄像头角度的问题,和百度预设的角度不一样,效果不算理想,如果角度高度满足 ...
- 火灾检测、人流量统计… 这个开源项目太香了!
随着以深度学习为代表的人工智能技术的成熟,国内众多行业都在基于人工智能技术推进行业变革与创新,积极探寻有效.有价值的应用场景进行商业化落地,其中尤以安防行业表现最为活跃.如灾害监控.人流量监控.施工安 ...
- Aidlux实践-快速实现街道人流量统计系统
背景 之前通过公众号了解到了Aidlux,机缘巧合的情况下参加了『In AidLux,To AIoT』AI应用案例征集活动,在活动过程中,初识了Aidlux平台,该平台可以极大的方便深度学习落地,为智 ...
- 基于PaddleDetection实现人流量统计人体检测
人流量统计 1. 项目概述 在地铁站.火车站.机场.展馆.景区等公共场所,需要实时检测人流数量,当人流密度过高时及时预警,并实施导流.限流等措施,防止安全隐患. 在人流密度较高的公共场所,使用Padd ...
- 基于AidLux平台的医院进出口人流量统计案例开发与测试
1.环境配置 1.1.跨平台应用系统Aidlux AIdlux系统是基于ARM架构的跨生态(Android/鸿蒙+Linux)一站式AIOT应用开发平台.实际应用到现场的时候,通常会以几种形态:GPU ...
- 使用百度AI实现视频的人流量统计(静态+动态)代码及效果演示
使用百度AI实现视频的人流量统计(静态+动态) 百度AI提供了视频监测的诸多接口,下面以人体分析-人流量统计为例介绍. 目录 使用百度AI实现视频的人流量统计(静态+动态) 必备条件 静态人流量统计 ...
- 人头检测算法,人流量统计,人头计数,人员聚集分析,人脸测温
人头检测算法,人流量统计,人头计数,人员聚集分析,人脸测温 应用环境:ARM 边缘设备.PC服务器设备 人头检测在安防监控中是比较常用的功能,而公交车.商场或者大型场馆的拥挤人群计数的精准性也非常重要 ...
- AI人流量统计算法,让公众场所人群管控更简单
为强化疫情防控,公众场所时常需要调整人数上限,高效快捷限制人群聚集,减少疫情传播风险.以往的方式是投入大量人力在出入口设置门岗,对出入人员进行现场管理,统计及控制进出人流数量. 基于区域人流量统计技术 ...
最新文章
- WebAPI增加Area以支持无限层级同名Controller
- 从IT人士到IT经理倪应该学会的30 项技能
- 【IT资讯】继哈工大Matlab软件被美禁用后,华为、360再遭Docker软件禁令
- 注解IOC案例-把自己编写的类使用注解配置
- LeetCode——Backtracking
- java怎吗从磁盘读文件_编写一个Java应用程序,该程序使用FileInputStream类,实现从磁盘读取本应用程序源代码文件,并将文件内容显示在屏幕上。...
- HttpResponse对象
- 投资 - 课程学习: 实现财富自由的科学路径-量化投资
- WxErrorException: 错误代码:40163
- 【第一组】第六次冲刺例会
- OctetString 转String
- 1.win7与Ubuntu文件共享工具-Samba安装及使用方法
- 1024 科学计数法(C语言)
- 一个flash+水印遮挡住产品图的效果
- Springboot注解@ServletComponentScan和@ComponentScan
- python绘制动态心电图_东软医院收费端使用手册.doc
- 100首婚礼背景音乐
- 一个前辈的大二到大三的书单
- Python输入三个值,判断是否为等腰等边直角三角形,求1+2N+3N+4N+5N...20N的和的两个程序代码
- 公司注册地址同区变更和跨区变更准备材料是一样的吗