小角度俯拍下的站台人群计数

在计算机视觉领域,针对小角度俯拍下的站台人群计数的研究工作较少,且计数精度普遍较低。人群计数算法往往通过图像分割识别出图片中的所有行人个体,并进行数量统计,具有很重要的现实意义。然而现有的图像分割算法往往只能适用于简单场景下的简单分割任务。由于小角度俯拍下的站台场景中存在行人近大远小、行人互相遮挡和行人轮廓姿态多样等原因,因此给有效分割计数带来了较大的挑战。针对这一任务,提出了距离自适应卷积神经网络(Distance Adaptive Convolutional Neutral Network,简称DACNN),通过改进回归对象和设计距离自适应卷积层,成功实现了对小角度俯拍下站台人群的准确计数。经过一系列实验表明,该模型不仅计数精度高,而且计数速度较快、鲁棒性良好,具有广阔的运用前景。