稠密属性特征图上加权VLAD的人群计数
计算机视觉与模式识别
2016-05-02 v1
摘要
人群计数是计算机视觉中的一项重要任务，在视频监控中有许多应用。尽管基于回归的框架在人群计数方面取得了很大改进，但如何提高图像表示的判别能力仍是一个开放问题。人群计数中常用的传统整体特征往往无法捕捉图像的语义属性和空间线索。本文提出将语义信息整合到局部感知特征集的学习中，以实现准确的人群计数。首先，借助卷积神经网络(CNN)，将原始像素空间映射到稠密属性特征图，其中像素级特征的每个维度表示某一语义类的概率强度。然后，提出基于邻域块空间金字塔思想的局部感知特征(LAF)，以探索更多的空间上下文和局部信息。最后，将传统的VLAD编码方法扩展为一种考虑不同系数权重的更广义形式。实验结果验证了我们所提方法的有效性。
引用
@article{arxiv.1604.08660,
title = {Crowd Counting via Weighted VLAD on Dense Attribute Feature Maps},
author = {Biyun Sheng and Chunhua Shen and Guosheng Lin and Jun Li and Wankou Yang and Changyin Sun},
journal= {arXiv preprint arXiv:1604.08660},
year = {2016}
}
备注
10 pages