计算机工程

作者：黄奕秋, 胡晓, 杨佳信, 欧嘉敏

单位：1. 广州大学 电子与通信工程学院, 广州 510006;2. 广州大学 机械与电气工程学院, 广州 510006

关键词：人群计数,深度学习,密度图,背景噪声,上下文感知

基金：国家自然科学基金（62076075）。

针对图像背景噪声、透视畸变等影响人群计数网络计数精度的问题，提出一种基于背景抑制与上下文感知的新网络。利用VGG-16网络提取图像特征，并分别将特征输入密度图生成模块和背景噪声抑制（BNS）模块中进行处理，生成密度特征图和空间注意力图。使用BNS模块优化密度特征图并生成初级密度图，以抑制图像中背景噪声干扰，提高人群区域的特征权重。为减少透视畸变对人群密度估计的影响，使用上下文感知增强网络优化初级密度图，并生成预测密度图。在ShanghaiTech、UCF-CC-50及UCF-QNRF 3个公开数据集上的实验结果表明，该网络相较于MCNN、SwitchCNN、CSRNet等网络的计算准确度较高，尤其在UCF-QNRF数据集上其平均绝对误差和均方误差分别为85.8、146.0，相较于其他网络最高分别下降69.0%和67.2%，能充分抑制图像背景噪声并有效减小透视畸变引起的误差，具有良好的泛化能力和较强的鲁棒性。

来源：2022年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第9期