用于密集人群计数、密度图估计和定位的组合损失函数

随着每年从朝圣到抗议、从音乐会到马拉松、从节日到葬礼等各种活动吸引数百万人群聚集，视觉人群分析正成为计算机视觉领域的一个新前沿。特别是，在高密度人群中进行计数是一个具有广泛适用性的挑战性问题，不仅在人群安全和管理中至关重要，而且对于评估抗议和示威活动的政治意义也具有重要意义。本文提出了一种新颖的方法，能够同时解决给定高密度人群图像中的计数、密度图估计和人员定位问题。我们的方法基于一个重要的观察结果，即这三个问题是相互关联的，使得用于优化深度卷积神经网络（CNN）的损失函数可以分解。由于定位需要高质量的图像和注释，我们引入了UCF-QNRF数据集，该数据集克服了先前数据集的不足之处，并包含125万个人工标记的点注释人类个体。最后，我们提出了评估指标，并与最近的深度CNN网络进行了比较，包括专门为人群计数开发的网络。实验结果表明，我们的方法在新数据集上显著优于现有最先进方法，而该数据集是目前最具挑战性的数据集之一，拥有最多的人群注释数量，并涵盖了最为多样化的场景。