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。

Apr, 2017

本研究提出了一种基于三维特征融合和场景密度图的多视角人群计数方法，并探索了在二维视图中的投影一致性，结果表明该方法在三个多视角计数数据集上表现更优或相当于现有最先进方法。

Mar, 2020

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

该论文通过开发一种监督式逐视图贡献加权方法改进多视角人员检测，并采用大型合成数据集增强模型的泛化能力，进而通过简单的领域自适应技术进一步提升模型在新的测试场景中的性能，实验证明该方法在跨场景多视角人员检测方面取得了有希望的成果。

May, 2024

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

本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。

Mar, 2020

通过使用深度学习算法解决多视角人员占用地图估计问题，并构建一个利用多个视频流的架构，将其联合利用，从而在 PETS 2009 数据集上大幅度优于现有方法。

Feb, 2017

该研究提出了一种名为多查询汽车 Re-ID 的更为现实和易于访问的任务，利用多个查询来克服单一查询的视角局限性，并设计了一种名为 VCNet 的新颖的视角条件网络来适应性地结合不同车辆视角的互补信息，以及一种用于恢复丢失视角的交叉视图特征恢复模块，并创建了一个统一基准数据集和一个新的评估指标以验证该方法的优越性和有效性。

May, 2023

提出了一种简洁的三维多视图计数（MVC）框架 CountFormer，能够将多视图图像级特征提升到场景级体积表示，并基于体积特征估计三维密度图，通过引入相机编码策略，CountFormer 成功地将相机参数嵌入体积查询和图像级特征中，使其能够处理具有显著差异的各种相机布局。同时，借助注意机制的特征修正模块将图像级特征转换为每个相机视图的三维体积表示，然后，多视图体积聚合模块以注意力的方式聚合各种多视图体积，创建综合的场景级体积表示，CountFormer 能够处理任意动态相机布局下采集的图像，该方法在各种广泛使用的数据集上表现优于现有方法，显示出与传统 MVC 框架相比，在真实世界应用方面更加合适。

Jul, 2024

本文提出了一种利用学习 - 学习范式来解决在很少的标注数据的情况下，如何将人群计数模型适应到特定场景的问题，通过模型参数的快速适应实现了从训练到测试的闭环，实验结果表明该方法优于其他替代方案。

Feb, 2020