10

突发性的人群聚集会给人们的人身安全带来隐患，对高风险区域有效的进行人群计数很有必要。针对多列神经网络臃肿的网络结构、产生冗余的信息及耗时长导致网络难训练的问题，提出了一种基于单列深度时空的卷积神经网络对人群进行计数，并对模型加以改进来满足视频图像计数的需要。通过在FCN网络结构中加入空洞卷积和跳级连接特征融合来提高网络提取特征的能力；同时在长短期记忆网络结构中加入空间变换(ST)模块来减少视频监控产生的角度畸变对计数准确性的影响，为使网络计数结果更精确将改进的FCN网络和关联时序的LSTM网络用残差连接方式进行连接，最后在UCSD、Mall和自建人群数据集上分别进行测试，结果表明所提算法的人群计数准确性和鲁棒性相比其他算法更优。

鱼春燕, 徐岩, 缑丽莎, 南哲锋. 单列深度时空卷积神经网络的人群计数研究[J]. 激光与光电子学进展, 2021, 58(08): 11.  复制并引用该论文