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:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/6c9159078745973a81681b4ba3791d72.png)
N是一个2D高斯函数。AI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。