基于卷积神经网络的人流量统计

被引：17

作者：

张雅俊 ^{[1
]}

高陈强 ^{[1
]}

李佩 ^{[1
]}

刘江 ^{[1
]}

程华 ^{[2
]}

机构：

[1] 重庆邮电大学信号与信息处理重庆市重点实验室

[2] 中国舰船研究设计中心

来源：

重庆邮电大学学报(自然科学版) | 2017年 / 29卷 / 02期

关键词：

人流量统计; 卷积神经网络(CNN); Adaboost; 迁移学习; 航迹关联;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在密集场景中,人流量统计往往因无法可靠地检测行人而使得统计精度不高。针对这一问题,在利用卷积神经网络技术基础上,采用基于头部检测的方法进行人流量统计。该方法采用级联的Adaboost检测器对人头目标进行初步筛选,再用迁移学习技术训练卷积神经网络,并用由卷积神经网络和支持向量机构成的人头分类器模型对初步筛选得到的人头目标进行精细识别,提高检测精度率,利用航迹关联对人头目标进行跟踪统计。实验结果表明,该方法能准确快速地定位到单个行人并具有较高的统计精度。

引用

页码：265 / 271

页数：7

共 5 条

[1] 基于MeanShift算法的运动人体跟踪 [J].

袁霄 ;

王丽萍 .

计算机工程与科学, 2008, (04) :46-49

[2]

Pedestrian Tracking Based on Improved Particle Filter under Complex Background[J] . Jun Sun,Cai Hui Song,Xiao Hua Xiao,Xia Ming Jin,Ji Heng Ni.Advanced Materials Research . 2013 (756)

[3] A decision-theoretic generalization of on-line learning and an application to boosting [J].

Freund, Y ;

Schapire, RE .

JOURNAL OF COMPUTER AND SYSTEM SCIENCES, 1997, 55 (01) :119-139

[4]

A discriminatively trained,multiscale,deformable part model. Felzenszwalb P,Mc Allester D,Ramanan D. Computer Vision and Pattern Recognition . 2008

[5]

Joint haar-like features for face detection. Mita T,Kaneko T,Hori O. Computer Vision . 2005

← 1 →