基于静态图像的高密度人群计数
计算机视觉与模式识别
2015-07-31 v1
摘要
我们提出一种从静态图像估计高密度人群中人数的方法。该方法通过融合多源信息来估计计数。现有大多数人群计数工作处理非常小的群体（数十人）并利用视频的时间信息。我们的方法仅使用静态图像来估计高密度图像中的计数（数百至数千人）。在此规模下，我们不能仅依赖一组特征进行计数估计。因此，我们使用多源，即兴趣点（SIFT）、傅里叶分析、小波分解、GLCM特征和低置信度头部检测，来估计计数。这些源各自给出计数的独立估计及置信度和其他统计度量，随后组合得到最终估计。我们在包含超过64000人的五十张图像的现有数据集上测试了方法。此外，我们添加了另外五十张标注人群图像，并在包含超过87000人的百张完整数据集上测试。每图像计数范围从81到4633。我们报告了以平均绝对误差（方法准确性的度量）和平均归一化绝对误差（鲁棒性的度量）表示的性能。
引用
@article{arxiv.1507.08445,
title = {People Counting in High Density Crowds from Still Images},
author = {Ankan Bansal and K. S. Venkatesh},
journal= {arXiv preprint arXiv:1507.08445},
year = {2015}
}