融合直方图高阶统计特征与GLCM特征的室内红外图像人群密度分类

公共场所的人群密度信息在公共安全、交通管理、应急减灾等方面具有重要作用,采用红外技术,可以在拍摄人群图像时避免环境光照影响。为了实现室内场景下的红外图像人群密度分类,提出一种融合灰度直方图高阶统计特征与灰度共生矩阵特征的人群密度分类方法。首先,根据红外图像的特点,分析并提取样本图像灰度直方图的高阶统计特征,随后与提取的灰度共生矩阵特征串行融合,最后作为多分类支持向量机的输入,对不同人群密度等级进行分类。实验结果表明,提出的方法对于不同密度人群图像的分类准确率可达92.13%,同时特征向量提取简洁、算法耗时短。

视频前景多特征融合的人群密度分析

视频GIS技术可以融合视频处理技术与GIS分析技术实现视频场景的公共安全监控,在公共场所视频监控应用领域,人群密度和数量能够反映地理空间场景的人群拥挤程度,具有一定的公共安全风险控制作用。为满足公共安全领域利用视频GIS技术对视频人群监测及分析的需求,提出了一种视频前景多特征融合的人群密度及数量估计方法。该方法融合前景图像块的边缘纹理特征,通过SVM区分场景人群密度,然后以归一化前景面积、轮廓和边缘纹理特征作为回归因子,根据人群密度差异分类构建回归模型,进而估算场景人群数量。实验结果表明,此方法能够高效估计视频场景的人群密度和数量,准确表征该场景人群分布状态。

多任务多层级CNN在人群计数中的应用

为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性能,多任务学习分为两个部分:人群密度估计任务和人群密度等级分类任务。网络的高分辨率层与人群密度估计任务相连,网络的深层与人群密度等级分类任务相连。将两个任务的损失融合并构成新的损失函数。实验在人群计数公共数据集ShanghaiTech、WorldExpo’10和UCFCC50上进行,实验结果表明,该网络在人群计数上具有较好的准确率和鲁棒性。