西工大PAMI论文：发布大规模人群计数/定位基准平台

近年来，安防监控在智慧城市中扮演的角色越来越重要，监控视角下的人群分析对于构建智慧城市的重要性日渐显现。

人群计数与定位作为其中的基础任务，服务于人流预测、城市规划、空间设计等高阶任务。

然而，该领域依然缺乏大规模的数据集以及公平的测试基准平台，尤其是人群定位依然没有一个有效的衡量标准。

为此，主要做了以下几项工作（对应论文已经被T-PAMI接收）：

• 论文题目：

• NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization

• 论文地址：

  https://ieeexplore.ieee.org/document/9153156

        https://arxiv.org/abs/2001.03360

• 项目地址：

• https://gjy3035.github.io/NWPU-Crowd-Sample-Code/

1. 构建了包含5,000余幅图像的人群计数/定位数据集NWPU-Crowd，并对其以人头点和人头框的方式进行标注；

2. 搭建了线上测试平台，能够让研究者公平地参与测试集的评估；

3. 更新了C3F人群计数框架，完美支持Python3并将密度图处理改为在线生成，节省存储；

4. 公开了针对人群计数专门设计的标注工具，能够有效应对尺度变化、多标漏标的现象。

更多公开的内容参见项目主页，包含了论文的历史版本、公开的数据集、样例代码、标注工具、实验结果等。本文将从上述四个方面介绍该工作。

    01    

NWPU-Crowd数据集

数据获取

NWPU-Crowd数据集包含了5,109幅常见的人群图像，图像来源于Google, Baidu, Bing, Sougou等常用搜索引擎与pixbay, pxhere, wallhere等图片素材网站。以“人群、拥挤，春运，军训”等常见关键词进行检索收集，以求囊括多样化的人群场景。具体的搜索关键词如下表所示：

数据集特色

NWPU-Crowd有以下几个特色：

• 负样本。数据集中引入了351幅负样本图像，即无人场景。一些在纹理上与拥挤人群纹理相似的图像被收集进来，例如动物迁徙、花海、密集排列的图像，期望能够帮助模型提高泛化性能。

• 高分辨率图像。对于极端拥挤的超大人群场景，数据集搜集了高质量的、高分辨率的图像，其中最大尺寸达到了4028×19044。数据图像的平均分辨率为2191×3209。

• 更加明显的表观差异。整个数据集单幅图像人数范围在0到20,033。数据内部人头目标的面积范围（人头最小4个像素，最大超过一千万像素）造成了目标的