恶劣天气下的人群计数

人群计数因在图像理解中的广泛应用近期于计算机视觉领域备受关注。已有众多方法提出并在真实任务中取得最先进性能。然而，现有方法在雾霾、雨、雪等恶劣天气下表现不佳，因这类场景中人群视觉外观与典型数据集清晰天气图像截然不同。本文提出一种用于恶劣天气场景鲁棒人群计数的方法。与采用图像复原与人群计数两阶段模块的方法不同，我们的模型学习有效特征与自适应查询以应对大幅外观变化。借助这些天气查询，所提模型可根据输入图像退化学习天气信息，并与人群计数模块同时优化。实验结果表明，所提算法在基准数据集上对不同天气类型下人群计数均有效。源代码与训练模型将公开。