细粒度人群计数
计算机视觉与模式识别
2021-02-24 v1
摘要
当前人群计数算法仅关注图像中人的总数，缺乏人群的底层细粒度信息。对于许多实际应用，图像中总人数不如各子类中人数有用。例如，知晓排队或浏览的人数可帮助零售店；知晓站立/坐下的人数可帮助餐厅/食堂；知晓暴力/非暴力人数可帮助警察进行人群管理。本文中，我们提出细粒度人群计数，其根据个体的底层行为属性（如站立/坐下或暴力行为）将人群区分为类别，然后统计每类中的人数。为支持该领域研究，我们构建了一个包含四个真实世界细粒度计数任务的新数据集：人行道上行走方向、站立或坐下、是否排队、是否表现出暴力行为。由于不同人群类别的外观特征相似，细粒度人群计数的挑战在于有效利用上下文信息区分类别。我们提出一种双分支架构，由密度图估计分支与语义分割分支构成。我们提出两种改进两分支预测的精炼策略。首先，为编码上下文信息，我们提出由密度图预测引导的特征传播，其在传播过程中消除背景特征的影响。其次，我们提出互补注意力模型以在两分支间共享信息。实验结果证实了方法的有效性。
引用
@article{arxiv.2007.06146,
title = {Fine-Grained Crowd Counting},
author = {Jia Wan and Nikil Senthil Kumar and Antoni B. Chan},
journal= {arXiv preprint arXiv:2007.06146},
year = {2021}
}