基于CNN的人群计数与密度估计研究综述

人群计数与密度估计在智能监控、智慧城市建设及社会安全等领域广泛应用,但遮挡、尺度变化及透视失真等因素对任务精度的影响亟待解决。通过考察相关文献,对人群计数与密度估计方法进行综述。介绍了人群计数与密度估计方法的研究背景、现状及发展趋势。从检测、回归与密度估计三方面对传统方法进行了总结,重点针对基于CNN的方法进行了分析。对常用的密度估计数据集作简要介绍,阐述了主流的评价指标。在一系列分析基础上对人群计数与密度估计技术的主要特点及发展前景进行了总结。

一种基于混合MCMC的时域波达方向估计算法

基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法的时域波达方向估计算法通过构造马尔科夫链的方式来对波达方向进行估计,但是现有的算法在马尔科夫链的收敛速度和结果上并没有表现出很好的鲁棒性。为了优化算法的性能,采用多(短)链并行的方式代替原来的长链生成方式,提高了算法收敛的稳定性;并对特定模型下的构造过程进行分析,优化了状态空间,提高了算法的搜索效率;同时结合多混合的MCMC方法,进一步提高了算法估计的精确度和收敛速度。仿真结果表明,改进后的算法对波达方向估计的准确性和实时性都有很大提升。