监控视频中的人群和车辆密度估计算法研究

作     者：常秋 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：周文莉

授予年度：2019年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：监控视频 人群密度 车辆密度 卷积神经网络 自适应密度学习框架 

摘      要：近些年来,随着社会的发展以及人们经济水平的提高,公众出行、大型集会等各种活动日益增多,人们对社会安全的要求也随之提高。伴随着监控等视频数据的不断增长,人群行为、车辆疏通等方面的数字化研究日趋可行。同样,研究监控画面中的人群和车辆,离不开计算机视觉的技术支持。GPU(Graphics Processing Unit)的提出与发展,为计算机处理大量而复杂的图像数据提供了便利的条件。除了分析人群、车辆行为的意义,本文还介绍了关于卷积神经网络的基础知识,包括网络的主要组成、几种经典卷积神经网络和常见的深度学习框架。同时,介绍了当前对人群和车辆密度分析的计数手段,主要包括一些传统的基于物理分析的方法,以及当前研究比较多的基于深度学习的方法。本文工作内容主要包括三个部分。第一,给出一组操场人群数据集,丰富计算机视觉领域的图像数据集。第二,不同卷积神经网络在交通数据集上完成车辆计数,同时验证网络的泛化能力。第三,针对计数问题中人群、车辆密度分布不均衡的场景问题,提出自适应密度学习框架。自适应密度学习框架基于图像不同的场景密度大小分开计数,不同密度高低的分块图像场景针对性地使用检测和回归的计数手段,进而积分获得检测目标总数,有效提高了系统的检测精度。本文提出的自适应密度学习框架可以为人群和车辆等计数研究提供思路和方法,提出的数据集可以作为相关研究的数据基础。