LCDnet：一种面向实时视频监控的轻量级人群密度估计模型
计算机视觉与模式识别
2023-02-13 v1 人工智能
摘要
利用密度估计进行自动人群计数在计算机视觉研究中受到了广泛关注。因此，过去几年中发表了大量使用卷积神经网络（CNN）的人群计数与密度估计模型。这些模型在基准数据集上取得了良好的精度。然而，试图提高精度往往会导致模型复杂度升高。在使用计算资源受限的无人机进行实时视频监控的应用中，深度模型会带来难以忍受的高推理延迟。本文中，我们提出（i）一种面向实时视频监控的轻量级人群密度估计模型（LCDnet），以及（ii）一种基于课程学习（CL）的改进训练方法。LCDnet使用CL进行训练，并在两个基准数据集（即DroneRGBT和CARPK）上进行评估。结果与现有人群模型进行了比较。我们的评估表明，LCDnet在达到合理良好精度的同时，显著降低了推理时间与内存需求，因此可部署在计算资源非常有限的边缘设备上。
引用
@article{arxiv.2302.05374,
title = {LCDnet: A Lightweight Crowd Density Estimation Model for Real-time Video Surveillance},
author = {Muhammad Asif Khan and Hamid Menouar and Ridha Hamila},
journal= {arXiv preprint arXiv:2302.05374},
year = {2023}
}