基于CNN的密度估计与人群计数：综述
计算机视觉与模式识别
2020-03-31 v1
摘要
准确估计单幅图像中目标的数量是一项具有挑战性但有意义的工作，并已应用于城市规划与公共安全等诸多领域。在各类目标计数任务中，人群计数因其对社会安全与发展的特殊意义而尤为突出。幸运的是，若不考虑车辆计数、环境调查等其他相关领域的特性，人群计数技术的发展可推广至这些领域。因此，许多研究者致力于人群计数，大量优秀的文献与成果不断涌现。在这些工作中，它们必定有助于人群计数的发展。然而，我们应当思考的问题是：它们为何对该任务有效？受时间与精力成本所限，我们无法分析所有算法。本文调研了超过220篇文献，以全面、系统地研究人群计数模型，主要是基于CNN的密度图估计方法。最后，根据评价指标，我们选取了各人群计数数据集上排名前三的方法，并分析其优缺点。通过我们的分析，期望对人群计数的未来发展作出合理推断与预测，同时也可为其他领域的目标计数问题提供可行方案。我们在NWPU数据集验证集上给出了若干主流算法的密度图与预测结果以供比较与测试，并提供了密度图生成与评估工具。所有代码与评估结果已公开于 https://github.com/gaoguangshuai/survey-for-crowd-counting。
引用
@article{arxiv.2003.12783,
title = {CNN-based Density Estimation and Crowd Counting: A Survey},
author = {Guangshuai Gao and Junyu Gao and Qingjie Liu and Qi Wang and Yunhong Wang},
journal= {arXiv preprint arXiv:2003.12783},
year = {2020}
}