LRCN-RetailNet：用于精确人数统计的循环神经网络架构
计算机视觉与模式识别
2020-05-13 v2
摘要
测量和分析零售店中的客流对于零售商更好地理解客户行为和支持决策至关重要。然而，自动人数统计新技术的开发并未受到太多关注。我们引入了 LRCN-RetailNet：一种循环神经网络架构，能够学习非线性回归模型并从低成本监控摄像头拍摄的视频中准确预测人数。输入视频格式遵循最近提出的 RGBP 图像格式，该格式由颜色和人物（前景）信息组成。我们的架构能够考虑两个相关方面：通过卷积层从 RGBP 图像中提取的空间特征；以及由循环层利用的问题时间连贯性。我们表明，通过监督学习方法，训练好的模型能够以高精度预测人数。此外，我们提出并证明，对该方法进行直接修改即可有效将销售人员从人数统计中排除。我们进行了全面的实验来验证、评估和比较所提出的架构。结果证实，LRCN-RetailNet 明显优于先前的 RetailNet 架构（该架构仅限于每次迭代评估单张图像）以及最先进的目标检测神经网络。最后，计算性能实验证实，整套方法能够有效实时估计人数。
引用
@article{arxiv.2004.09672,
title = {LRCN-RetailNet: A recurrent neural network architecture for accurate people counting},
author = {Lucas Massa and Adriano Barbosa and Krerley Oliveira and Thales Vieira},
journal= {arXiv preprint arXiv:2004.09672},
year = {2020}
}