摘要
我们提出了一种新颖的人群计数模型，该模型可以将给定的人群场景映射到其密度。人群分析受到多种因素的影响，如由于极端拥挤导致的人与人之间的遮挡、人与背景元素的高度相似性以及摄像机视角的较大变化。目前最先进的方法通过使用多尺度卷积神经网络（CNN）架构、递归网络以及具有不同感受野的多列CNN特征的后期融合来应对这些因素。我们提出了一种切换卷积神经网络，该网络利用图像内人群密度的变化来提高预测的人群计数的准确性和定位精度。在训练过程中，根据每个CNN对人群计数预测的质量，将来自人群场景网格中的图像块传递给独立的CNN回归器。这些独立的CNN回归器被设计为具有不同的感受野，并且训练了一个切换分类器以将人群场景图像块传递给最佳的CNN回归器。我们在所有主要的人群计数数据集上进行了广泛的实验，并证明了相比当前最先进的方法有更好的性能。我们提供了从切换机制推断出的人群场景图像块空间多分法的可解释表示。观察结果表明，切换机制会根据人群密度将图像块传递给特定的CNN列。