A-CCNN: ADAPTIVE CCNN FOR DENSITY ESTIMATION AND CROWD COUNTING

本文是对CCNN网络的一个改善。
CCNN网络检测人群密度图的真值生成方法是：

N是一个2D高斯函数。A_I表示图像I中的标注点的数量。
对于CCNN，有两个参数非常重要，分别是分块的尺寸（Patch size）和高斯函数的协方差。这样处理有一个问题在于对于所有尺度的人群，这两个参数是相同的，即密度真值图的生成方法是相同的，这就导致了不准确。
本文提出的A-CCNN方法是，先通过头部检测器检测出每个Patch中的人头大小和人头位置。将人头的大小和位置转化为模糊信息传入FIS中，输出一个模糊信息（本文输出模糊信息分为三类：High-Pred，Mid-Pred，Low-Pred，分别对应用大、中、小的协方差和Patch size训练的CCNN模型）。
最终，根据每块Patch产生的模糊信息，将其送入训练好的对应CCNN中得出密度结果。
相比CCNN的创新主要是有依据地改变了Patch和协方差的大小，使结果更加精确。