Cross-scene Crowd Counting via Deep Convolutional Neural Networks

Abstract

跨场景人群计数是一个困难任务。目前大多数人群计数方法当应用到一个从未见过的场景中时，性能都会有大幅下降。我们提出了一种CNN，可以被选择训练来进行人群密度和人群计数，这种可切换式的学习途径能获得更好的局部最优解。针对从未见过的目标人群场景，我们提出了一种数据驱动的方法微调训练好的CNN模型来达到目的。提出了一个新的数据集。

Introduction

人群计数是一个具有挑战性的任务，因为有严重的遮挡，场景畸变和不同的人群分布。从一个特定场景中训练出来的人群计数模型只能用于相同的场景。给一个新的场景或者改变场景布局，模型就需要重新训练。很少研究涉及到跨场景人群计数，尽管这很重要。
在这篇论文中，我们提出了一个跨场景人群计数框架。对于新的场景不需要额外的注释。我们的目标是学习出一个从图像到人群数量的映射，然后将这个映射用在新的场景中。为了实现这个目标，我们面临的困难有：
1.找出有效的特征。之前的工作用的都是手工设计的特征。
2.不同的场景有不同的视角畸变，人群分配和灯光情况。
3.最近许多研究中，前景分割式不可缺少的，但是人群分割是很难的，而且不能准确的获得，现场也有可能有静止不动的人。
4.现在的数据集不能支持和评估跨场景计数研究。
对于这些问题，我们提出了CNN方法来进行跨场景计数。CNN用固定数据集训练的，我们引入了一种数据驱动的方法去微调CNN网络使其适应新的目标场景。我们的设计优点是：
1.我们的CNN模型是通过一个可切换的过程训练的，有两个目的（人群密度和人群计数），这两个不同但是相关的目的可以互相帮助来获得更好的局部最优。
2.目标场景不需要额外的标注。<