基于卷积神经网络的人群密度估计综述

近年来国内城市不断发展,各大城市人口日益增长,公共娱乐场所也越来越多。随之而来的是踩踏,聚众闹事,抗议游行,以及疫情传播等重大事件的频频出现,而应用在智能监控中的人群密度估计方法能够在一定程度上解决这些问题。20世纪90年代前,人群密度估计的手段主要是人工监控视频,但人工监控耗时耗力且效果不佳,不能保证一天24小时实时监控。基于传统机器学习的人群密度估计方法因此被提出,但是人们逐渐发现随着技术的不断发展这些方法在低密度的情况下估计效果愈加准确,却在中高密度的情景下难以达到很好的效果。这个阶段人群密度估计面临的主要问题有:人群密度较大时人与人之间的相互遮挡,建筑物对人的遮挡;摄像机的透视效应,离摄像机近的人群像素点多,而离摄像机远的人群像素点少;视频监控的背景复杂,前景提取困难。