首先整体思想用yolo进行人检测,统计人数
如果对于拥挤人群: (人头检测)
https://www.52cv.net/?p=1415
提出了两种方法
作者称拥挤人群计数目前主要有两种实现路径:
1.使用回归的算法思路,直接根据图像回归出拥挤人群密度热图,它的缺点是只能得到场景整体的一个拥挤指数,不能获知人群个体的具体位置,而且这种方法对图像分辨率很敏感。
2.使用目标检测的方法,比如直接使用Faster RCNN检测人,检测后数目标为“人”的个数。这种方法的缺点是在人物相互遮挡的情况下往往性能较差,而人群越拥挤相互遮挡的可能性越大,导致算法使用受限。
该文作者希望设计更有针对性的精准的人头检测,实现更加精准的人群计数。
作者创新的两点,轻量级人头检测网络和anchors尺度的选择。实际上就是用的faster rcnn
实际上作者在实现就是只采用的一个RPN(因为就一种类别,只需要区分前景和背景就行
本身人头就比较小,降低anchor的初始尺寸,更容易回归调整