基于卷积神经网络的密集场景人流估计方案

人流密度估计作为一种有效的人群监测、控制和行为理解方法,得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低,容易造成密集场景人流估计不准确。为此,文中提出了一种基于深度的卷积神经网络(CNN)人群密度估计方法,利用典型的深层网络Googlenet 和VGGnet进行了方法改进。通过采用一个包括18个拥挤景区密集场景、超过160 K密度的注释图像数据集进行的实验测试结果表明,该方法的平均准确率为92.46%,与GLCM-SVM方法进行对比的结果也充分证明了该方法的优越性。