魏文戈 陳舒荻

摘? ?要：在計算機視覺領域，針對小角度俯拍下的站臺人群計數的研究工作較少，且計數精度普遍較低。人群計數算法往往通過圖像分割識別出圖片中的所有行人個體，并進行數量統(tǒng)計，具有很重要的現實意義。然而現有的圖像分割算法往往只能適用于簡單場景下的簡單分割任務。由于小角度俯拍下的站臺場景中存在行人近大遠小、行人互相遮擋和行人輪廓姿態(tài)多樣等原因，因此給有效分割計數帶來了較大的挑戰(zhàn)。針對這一任務，提出了距離自適應卷積神經網絡（Distance Adaptive Convolutional Neutral Network，簡稱DACNN），通過改進回歸對象和設計距離自適應卷積層，成功實現了對小角度俯拍下站臺人群的準確計數。經過一系列實驗表明，該模型不僅計數精度高，而且計數速度較快、魯棒性良好，具有廣闊的運用前景。

關鍵詞：小角度俯拍;站臺人群計數;圖像分割;距離自適應

中圖分類號：TP391 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A

Platform Crowd Counting Under Small Angle

WEI Wen-ge？覮，CHEN Shu-di

（College of Computer Science and Technology，Nanjing University of Aeronautics and Astronautics，Nanjing，Jiangsu 211106，China）

Abstract：In the field of computer vision，there are few research work on platform crowd counting under small angles and the counting accuracy is generally low. Crowd counting algorithms often identify all the individuals in the image through image segmentation，and make the counting of the crowd，which is of great practical significance. However，the existing image segmentation algorithms are often only applicable to simple segmentation tasks in simple scenes. Since the human body caused by small angles in the vicinity looks larger while in the distance seems small，the body block each other and have diverse stance，to effectively split the statistics becomes a great challenge. In response to this task，this paper proposes Distance Adaptive Convolutional Neutral Network （DACNN）. By designing a distance-adaptive convolutional layer and improving the model loss function，we can achieve a better performance under small angles of platform crowd counting. After a series of experiments show that the algorithm model not only has a high counting accuracy and fast counting speed，but also has good practicality，can be widely used.

Key words：small angle;platform crowd counting;image segmentation;distance-adaptive

人群計數，作為圖像識別的一個重要研究領域，通過圖像分割識別出圖片中的所有人群個體，并進行數量統(tǒng)計，可廣泛運用于安防等領域。目前針對小角度俯拍下的站臺人群計數的研究工作較少且準確率較低，不能較好地應用于復雜的實際場景中。由于監(jiān)控攝像機小角度俯拍導致的站臺行人近大遠小，行人互相遮擋和輪廓姿態(tài)多樣等問題，給有效分割計數帶來了較大挑戰(zhàn)。針對這一問題，提出了距離自適應卷積神經網絡（Distance Adaptive Convolutional Neutral Network），對傳統(tǒng)回歸對象進行了改進，并創(chuàng)新性地設計了距離自適應卷積層，從而實現了對小角度俯拍下的站臺人群計數的有效計數。經過一系列嚴謹的實驗，證明了該模型計數精度高，實用性好。

主要貢獻如下：

1） 根據問題特性設計全新的回歸對象，較好地解決了由于行人遮擋和輪廓多樣所帶來的計數困難;

2） 設計并提出了距離自適應卷積層，解決了行人近大遠小所帶來的分割計數精度上的挑戰(zhàn);

3） 經過橫向對比實驗，證明了該模型可在小角度俯拍下精確地進行站臺人群計數，且計數速度較快、實用性較好。

1? ?相關工作

人群計數算法通過圖像分割識別出圖片中的所有行人個體，據此進行人群計數。

1.1? ?圖像分割算法

傳統(tǒng)的圖像分割算法包括聚類法、直方圖法、邊緣檢測法、區(qū)域生長法、水平集方法等等。其中聚類法通過將圖像像素點進行聚類以實現分割，但分割效果較差;直方圖法根據掃描結果建立直方圖并依照圖像中的峰和谷進行分類，其效率較高;邊緣檢測法參照圖像邊緣像素點檢測結果進行分割，被廣泛應用于圖像處理;區(qū)域生長法聚合相似性像素并迭代分割;水平集方法使用符號函數記錄物體輪廓并分割，該方法也較為常用。

近幾年，深度學習逐漸成為圖像分割算法的主流。全卷積神經網絡[1]首次將神經網絡應用于圖像分割中，利用多個卷積層和全連接層抽取特征，由反卷積層實現上采樣，但分割效果較差;DeepLab[2]通過空洞卷積較好地改善了分割效果;SegNet[3]在全卷積神經網絡的基礎上將全連接層替換為與卷積部分對稱的反卷積結構，較大程度上改善了分割效果;Mask R-CNN[4]在Faster R-CNN[5]上增加掩碼分支以實現分割，并通過RoIAlign[4]結構保留更多空間對稱性，提高了分割精度。

1.2? ?人群計數算法

目前關于人群計數算法的研究較多，但大多是針對簡單場景下的計數研究。文獻[6][7]通過多尺度和多通道嘗試讓卷積神經網絡能夠分割計數;文獻[8]對跨場景人群計數進行了研究;文獻[9]基于視頻來統(tǒng)計行人數量;文獻[10]側重于研究通道場景下如何有效實現行人統(tǒng)計;文獻[11]在視頻監(jiān)控中并行處理人群計數和密度分析;文獻[12]基于光流法實現人群計數;文獻[13]通過PCA與多元統(tǒng)計回歸，為人群計數提供了新思路;文獻[14]將像素融合紋理特征用于行人統(tǒng)計;文獻[15][16]把神經網絡應用于人群計數方法中;文獻[17][18]設計了動態(tài)場景監(jiān)控系統(tǒng)下的人群計數方法;文獻[19]通過視頻識別技術統(tǒng)計人流量;文獻[20]基于像素統(tǒng)計完成人群計數任務;文獻[21]根據行人統(tǒng)計數據預報異常情況;文獻[22][23]側重于針對安防視頻中的人群計數應用;文獻[24]總結了人群計數和密度估計的發(fā)展進程并為后續(xù)研究提供了指導;文獻[25]探索了人群密度自動統(tǒng)計系統(tǒng);文獻[26]基于特征點統(tǒng)計高密度人群。

在實際的應用場景中，由于小角度俯拍下的站臺行人近大遠小、互相遮擋且輪廓姿態(tài)多樣，導致現有研究均不能有效解決該挑戰(zhàn)。本文因此設計并提出了距離自適應卷積神經網絡，通過改進回歸對象和設計距離自適應卷積層，成功實現了對小角度俯拍下站臺人群的準確計數。

2? ?距離自適應卷積神經網絡（DACNN）

在本節(jié)中，我們將詳細介紹如何針對小角度俯拍下的站臺人群計數設計距離自適應卷積神經網絡。

2.1? ?DACNN網絡結構

DACNN前半部分網絡結構繼承SegNet[3]網絡，經過13個卷積層實現下采樣，再由對稱的13個反卷積層實現上采樣并得到和原圖像相同尺寸的上采樣結果。

DACNN后半部分網絡結構通過距離自適應卷積層實現上采樣結果到目標分布圖的映射，如圖1。

2.2? ?設計回歸對象

傳統(tǒng)的人群計數算法中，圖像分割回歸對象設計為圖中每個行人的身體可見區(qū)域。由于小角度俯拍下站臺行人之間互相遮擋而且輪廓姿態(tài)多樣，因此原有的回歸對象容易受此干擾而影響最終的計數準確率。

通過仔細觀察發(fā)現行人被遮擋最少的部分為頭部。因此本文設計每個行人頭部中心點作為新的回歸對象，并通過統(tǒng)計點數總和來完成人群計數。如圖2，新的回歸對象有效避免了行人近大遠小所帶來的分割困難，并提高了模型分割計數準確率。

3.3? ?距離自適應卷積層

針對小角度俯拍站臺場景中行人呈現近大遠小這一挑戰(zhàn)，本文創(chuàng)新性地設計了距離自適應卷積層，根據行人距離的遠近靈活調整動態(tài)高斯濾波核至最佳核大小以進行高斯濾波。

當距離與圖像水平方向成正相關時，動態(tài)高斯核大小計算公式如下：

當距離與圖像垂直方向成正相關時，動態(tài)高斯核大小計算公式如下：

當距離同時與圖像水平方向和垂直方向相關時，動態(tài)高斯核大小計算公式如下：

經過高斯濾波后，由于每個單像素點的像素值被稀釋，直接訓練會導致模型難以收斂。因此我們在高斯濾波之后針對性地進行了像素值擴增：

如圖3，經過距離自適應卷積層得到的行人頭部中心點分割效果呈現近大遠小的特性，符合實際拍攝下的小角度俯拍站臺場景狀況，能更好地引導模型根據距離遠近學得不同的圖像特征。同時遠處行人的頭部中心點由于濾波核較小，像素值密度更大，成為模型側重學習的區(qū)域，從而明顯提升了模型計數精度。

對應的，將最后得到的分割計數結果除以擴增的倍數，即可得到該場景下人群的真實計數結果。

3? ?實驗分析

采集了某高度擁擠的交通站臺上方監(jiān)控攝像頭的拍攝視頻，按一定時間間隔提取足量幀圖像并進行了人工標注。

選取了該領域主流的FCN[1]模型和SegNet[3]模型，與DACNN模型進行對比實驗。在相同訓練集上采用同樣的超參數設置進行訓練，并將收斂的模型在相同測試集上分別進行了行人頭部中心點分割對比試驗和人群計數準確率對比試驗。

圖4證明了距離自適應卷積神經網絡（DACNN）的行人頭部中心點分割效果超過了目前主流的FCN[1]網絡和SegNet[3]網絡。

表1證明了DACNN的人群計數準確率優(yōu)于目前主流的FCN[1]網絡和SegNet[3]網絡。

5? ?結? ?論

目前針對小角度俯拍站臺場景下的人群計數研究工作較少。由于小角度俯拍下存在站臺行人近大遠小、互相遮擋和輪廓姿態(tài)多樣等原因，現有算法的分割計數準確率往往較低。針對這一問題，提出了距離自適應卷積神經網絡（DACNN），通過改進回歸對象和設計距離自適應卷積層，成功提升了小角度俯拍下的站臺人群計數的準確率。并通過實驗證明了該模型不僅計數準確率高、速度快，而且實用性較好，具有廣闊的運用前景。

參考文獻

[1]? ?LONG J，SHELHAMER E，DARRELL T. Fully convolutional networks for semantic segmentation[C]// Computer Vision and Pattern Recognition，IEEE，2015：3431—3440.

[2]? ?CHEN L C，PAPANDREOU G，KOKKINOS I，et al. DeepLab：semantic image segmentation with deep convolutional nets，atrous convolution，and fully connected CRFs[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence，2016，PP（99）：1—1.

[3]? ?BADRINARAYANAN V，HANDA A，CIPOLLA R. SegNet：a deep convolutional encoder-decoder architecture for robust semantic pixel-wise labelling[J]. Computer Science，2015.

[4]? ?HE K，GKIOXARI G，DOLLAR P，et al. Mask r-cnn[C]//Proceedings of the IEEE international conference on computer vision. 2017：2961—2969.

[5]? ?REN S，HE K，GIRSHICK R，et al. Faster R-CNN：towards real-time object detection with region proposal networks[C]// International Conference on Neural Information Processing Systems，MIT Press，2015：91—99.

[6]? ? ZENG L，XU X，CAI B，et al. Multi-scale convolutional neural networks for crowdcounting[J]. 2017.

[7]? ? ZHANG Y，ZHOU D，CHEN S，et al. Single-image crowd counting via multi-column convolutional neural network[C]// IEEE Conference on Computer Vision and Pattern Recognition，IEEE Computer Society，2016：589—597.

[8]? ? ZHANG C，LI H，WANG X，et al. Cross-scene crowd counting via deep convolutional neural networks[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，IEEE Computer Society，2015：833—841.

[9]? ? 陳登武. 基于視頻圖像的行人統(tǒng)計技術研究[D]. 南京：東南大學，2009.

[10]? 趙文影. 通道場景下人群計數系統(tǒng)的設計與實現[D]. 成都：電子科技大學，2014.

[11]? 柴進. 視頻監(jiān)控中的人數統(tǒng)計和人群密度分析[D]. 西安：西安電子科技大學，2011.

[12]? 高從文. 基于光流方法的人數統(tǒng)計與人群密度估計[D]. 北京：中國科學院研究生院，2011.

[13]? 李虎，張二虎，段敬紅. 基于PCA和多元統(tǒng)計回歸的人群人數統(tǒng)計方法[J]. 計算機工程與應用，2014，50（11）：206—209.

[14]? 徐麥平，張二虎，陳亞軍. 融合像素與紋理特征的人群人數統(tǒng)計方法研究[J]. 西安理工大學學報，2015（3）：340—346.

[15]? 衣淑鳳. 基于小波變換和神經網絡的人數統(tǒng)計方法研究[D].北京：北京工業(yè)大學，2004.

[16]? 李志英. 基于人工神經網絡的人群流量統(tǒng)計系統(tǒng)[D].廣州：中山大學，2003.

[17]? 韓亞偉. 動態(tài)場景監(jiān)控系統(tǒng)中人數統(tǒng)計算法的研究[D].濟南：山東大學，2010.

[18]? 王海強. 視頻監(jiān)控中人群人數統(tǒng)計方法研究[D].西安：西安理工大學，2016.

[19]? 黃秋嬌. 基于視頻識別技術的人群流量統(tǒng)計、特定人檢測[J]. 科技與生活，2011（14）：169—172.

[20]? 孫著研. 基于像素統(tǒng)計的人群數量檢測方法研究[J]. 數字技術與應用，2016（10）：129—130.

[21]? 陳禹. 基于視頻的人群數量統(tǒng)計及異常檢測方法研究[D]. 沈陽工業(yè)大學，2015.

[22]? 徐麥平. 安防監(jiān)控中人群人數統(tǒng)計方法的研究[D].西安：西安理工大學，2015.

[23]? 黃敬埕. 視頻監(jiān)控中的人群密度估計和人數統(tǒng)計技術研究[D]. 杭州：杭州電子科技大學，2014.

[24]? 譚智勇，黃先開，袁家政，等. 人群密度估計和人數統(tǒng)計的研究進展[C]// 網絡新技術與應用年會. 2015.

[25]? 張燏. 人群密度自動統(tǒng)計系統(tǒng)的研究與實現[D].成都：電子科技大學，2012.

[26]? 曾昭賢. 基于特征點的視頻高密度人群人數統(tǒng)計[D]. 長沙：國防科學技術大學，2011.