PCC Net：基于空间卷积网络的透视人群计数
计算机视觉与模式识别
2019-05-27 v1 人工智能
摘要
由于外观高度相似、透视变化以及严重拥挤，从单幅图像中进行人群计数是一项具有挑战性的任务。许多方法仅关注局部外观特征，无法应对上述挑战。为解决这些问题，我们提出了透视人群计数网络（PCC Net），其由三部分组成：1）密度图估计（DME）专注于学习非常局部的特征以估计密度图；2）随机高层密度分类（R-HDC）提取全局特征以预测图像中随机图像块的大致密度标签；3）前景/背景分割（FBS）编码中层特征以分割前景与背景。此外，DULR模块被嵌入PCC Net中以编码四个方向（下、上、左、右）上的透视变化。所提出的PCC Net在五个主流数据集上进行了验证，在其中一个数据集上取得了最先进的性能，并在其余四个数据集上获得了具有竞争力的结果。源代码可在 https://github.com/gjy3035/PCC-Net 获取。
引用
@article{arxiv.1905.10085,
title = {PCC Net: Perspective Crowd Counting via Spatial Convolutional Network},
author = {Junyu Gao and Qi Wang and Xuelong Li},
journal= {arXiv preprint arXiv:1905.10085},
year = {2019}
}
备注
accepted by IEEE T-CSVT