Apr, 2017

使用混合多摄像头方法在拥挤与室外场景中进行人数统计

PDF
TL;DR本研究提出两种新方法用于在拥挤和开放环境下进行人群计数，利用多个视图收集的信息，结合使用多个相机。多个相机用于扩大视野并缓解单个相机计数方法常常受到的遮挡的问题。两种方法都能够统计场景中人员的数量而不仅仅是单帧图像或视频帧。在基准 PETS2009 视频数据集上获得的实验结果表明，所提出的间接方法 surpasses 其他方法，提供了拥挤场景的准确计数结果；然而，由于后者需要解决更复杂的问题（如头部分割），因此直接方法表现出较高的误差率。
people countingmultiple viewshead detectorslearning algorithmsstatistical analysis
发现论文，激发创造
  • 高密度场景下全卷积人群计数

    本文介绍了一种利用计算机视觉技术进行高密度场景下人群计数的方法，使用了全卷积人群计数模型来提高计数准确性和稳健性，并设计了数据增强和多尺度平均等技巧来提高模型的适应性和广泛适用性

    Dec, 2016

  • 拥挤区域人数的强大双向算法

    该研究论文主要研究人群计数系统在拥挤场所的实际应用，通过对路径上人群方向进行 blob 评估以准确计数人流的方法，以便在发生灾难时统计区域内的人口并采取相应措施。

    Nov, 2023

  • 跨视角跨场景多视角人群计数

    本文提出一种跨视角、跨场景的多视角人群计数模型，使用视角布局几何形状和噪声视角正则化方法来注意选择和融合多个视角，同时使用人工合成的大型数据集进行训练和测试。结果表明，该模型在真实世界的数据集上取得了良好的性能，并超过了在相同场景上训练的模型。

    May, 2022

  • 点进去，盒子出来：超越人群计数

    本研究提出了一种新的基于检测的深度学习网络来实现对人头大小及数量的计数，在使用伪基础真值进行训练时实施了一种在线更新方案和局部约束回归损失，并采用课程学习策略来训练网络，实验结果表明，该方法在多个标准数据集上的检测与计数任务中表现卓越。

    Apr, 2019

  • 适应性场景发现用于人群计数

    本文提出了一种适应性场景发现框架用于人群计数，该系统包括两个平行通道和一个自适应重校准分支，能够代表高度变化的人群图像并在两个具有挑战性的基准测试中实现了最先进的结果。

    Dec, 2018

  • 通过人流估算人数

    通过人流量而非直接回归进行人口密度估计，从而在空间和时间上施加人口保护约束，提高深度人群计数模型性能并在主动学习环境下显著减少注释成本。

    Dec, 2020

  • 估计人流以更好地计算拥挤场景中的人数

    本文提出了一种基于人流推断的人群计数方法，利用了视频序列中的时间连续性和人流、光流之间的相关性，比当前最先进的方法在五个基准数据集上性能表现都更好。

    Nov, 2019

  • 利用深度传感器在杂乱场景下进行实时人数统计的基准数据和方法

    本文提出了用于智能交通系统中真实世界杂乱场景下人数自动计数的方法，其基于 RGB-D 数据集，使用深度视频的点云计算方法、3D 人体模型和轨迹跟踪来计数，得到高精度的计数结果。

    Apr, 2018

  • 计数卷积神经网络混合：专门用于人群计数的外观自适应卷积神经网络整合

    本论文提出了一种群众计数方法，该方法使用多个针对特定外观的 CNN 进行预测，这些 CNN 根据测试图像的外观被自适应地选择，从而具有对大尺度外观变化的鲁棒性，并且可以比 CNN 和固定权重的集成方法更准确地计算群体数量。

    Mar, 2017

  • 带时间感知网络的快速视频人群计数

    本文提出了基于时间感知建模的人群计数方法，使用了一些扩张残差块，并提出了一个轻量级网络来平衡计算成本和表示能力，实验表明该方法在人群计数领域具有显著的优势。

    Jul, 2019